一种基于卷积核和圆边界微积分的虹膜中心定位的眼球跟踪方法,包括以下步骤:1)对第一帧人脸图像利用虹膜中心定位算法检测虹膜中心,过程如下:1.1)根据第一帧人脸图像,定位人脸所在区域;1.2)然后利用人眼区域与人脸的比例关系确定一个大致的人眼区域;1.3)定义卷积核,通过卷积结果图分割计算得到的比率,最后通过搜索计算商矩阵的最大值处对应的位置来获取虹膜中心的信息;2)对于后续帧,获取前一帧左右眼的虹膜中心坐标,并通过左右虹膜中心的距离来确定当前帧左右眼的两个正方形区域;3)对每个正方形区域,利用虹膜中心定位算法再次检测虹膜中心,从而实现对眼球的跟踪。本发明专利技术能降低计算复杂度、精度较高。
【技术实现步骤摘要】
本专利技术涉及视觉识别领域,尤其是一种眼球跟踪方法。
技术介绍
现有的视觉识别过程之中,眼球跟踪通常采用圆边界积分微分法,该微分积分算 子首先对图像作高斯滤波,然后对元边界上的像素点的灰度值作积分,接着对不同半径下 的积分值作微分,通过搜索整幅图片中微分值最大的那个点对应的位置和半径,此时该位 置和半径就是对应的虹膜中心与半径。但是该方法在跟踪精度和处理速度上没有取得较好 的效果。
技术实现思路
为了克服已有眼球跟踪方法的计算复杂度较低、精度较低的不足,本专利技术提供一 种降低计算复杂度、精度较高的基于卷积核和圆边界微积分的虹膜中心定位的眼球跟踪方 法。 本专利技术解决其技术问题所采用的技术方案是: -种基于卷积核和圆边界微积分的虹膜中心定位的眼球跟踪方法,所述眼球跟踪 方法包括以下步骤: 1)对第一帧人脸图像利用虹膜中心定位算法检测虹膜中心,过程如下: I. 1)根据第一帧人脸图像,定位人脸所在区域; 1. 2)然后利用人眼区域与人脸的比例关系确定一个大致的人眼区域; 1. 3)定义卷积核,如下所示: 其中,ι?为带有核心权重的卷积核,K' M为不具有核心权重值的卷积核,r是卷积 核的半径r e ,rmin为最小半径值,:r _为最大半径,r min和r _根据眼图像的大小 来设定; 卷积核的最小、最大半径分别为对0.1 w和0. 2w取整后的值,其中w为人眼区域的 图像的宽度,IdP 1\+1是不同的内核与眼图像I的卷积结果,将1\+1除以L获得商矩阵序 列^是通过卷积结果图分割计算得到的比率,最后通过搜索计算商矩阵的最 大值处对应的位置来获取虹膜中心的信息,其中(x p,yp)为人眼的中心,R为半径,(xp,yp,R) =argmax (D1O为搜索虹膜中心的位置方程,其中卷积核圆弧周围各点的权重相等,并都归 一化到1,中心点的权重设置为一个有效的值; 2)对于后续帧,获取前一帧左右眼的虹膜中心坐标,并通过左右虹膜中心的距离 来确定当前帧左右眼的两个正方形区域,左右正方形区域的中心分别为前一帧的虹膜中 心,边长为左右虹膜中心的距离; 3)对每个正方形区域,利用虹膜中心定位算法再次检测虹膜中心,从而实现对眼 球的跟踪。 本专利技术的有益效果主要表现在:降低计算复杂度、精度较高。【附图说明】 图1是虹膜中心定位的流程图。【具体实施方式】 下面结合附图对本专利技术作进一步描述。 参照图1,,包括 以下步骤: 1)对第一帧人脸图像利用虹膜中心定位算法检测虹膜中心,过程如下: I. 1)根据第一帧人脸图像,定位人脸所在区域; 1. 2)然后利用人眼区域与人脸的比例关系确定一个大致的人眼区域; 1. 3)定义卷积核,如下所示: 其中,&为带有核心权重的卷积核,Κ' μ为不具有核心权重值的卷积核,r是卷积 核的半径r e ,rmin为最小半径值,:r _为最大半径,r min和r _根据眼图像的大小 来设定; 卷积核的最小、最大半径分别为对0.1 w和0. 2w取整后的值,其中w为人眼区域的 图像的宽度,IdP 1\+1是不同的内核与眼图像I的卷积结果,将1\+1除以L获得商矩阵序 列^是通过卷积结果图分割计算得到的比率,最后通过搜索计算商矩阵的最 大值处对应的位置来获取虹膜中心的信息,其中(x p,yp)为人眼的中心,R为半径,(xp,yp,R) =argmax (D1O为搜索虹膜中心的位置方程,其中卷积核圆弧周围各点的权重相等,并都归 一化到1,中心点的权重设置为一个有效的值; 2)对于后续帧,获取前一帧左右眼的虹膜中心坐标,并通过左右虹膜中心的距离 来确定当前帧左右眼的两个正方形区域,左右正方形区域的中心分别为前一帧的虹膜中 心,边长为左右虹膜中心的距离; 3)对每个正方形区域,利用虹膜中心定位算法再次检测虹膜中心,从而实现对眼 球的跟踪。 本实施例中,虹膜中心定位方法不同于上述的圆形边界微分积分算子,方法中并 未利用高斯平滑滤波函数来处理原始人眼图像,另外在卷积过程中采用快速傅立叶变换来 降低计算复杂度,本文提出的算法只需一个IDFT变换和两个DFT变换。此方法的计算复杂 为O(Plog 2(P)R),其中P需要满足P彡X+Y+C,其中X和Y是中心行数和列数坐标,C是常 数,R是半径增加的数量。【主权项】1. ,其特征在于:所 述眼球跟踪方法包括以下步骤: 1) 对第一帧人脸图像利用虹膜中心定位算法检测虹膜中心,过程如下: 1. 1)根据第一帧人脸图像,定位人脸所在区域; 1. 2)然后利用人眼区域与人脸的比例关系确定一个大致的人眼区域; 1.3)定义卷积核,如下所示:其中,??为带有核心权重的卷积核,Κ'Μ为不具有核心权重值的卷积核,r是卷积核的 半径re,rmin为最小半径值,:r_为最大半径,rmin和r_根据眼图像的大小来设 定; 卷积核的最小、最大半径分别为对〇.lw和0. 2w取整后的值,其中w为人眼区域的图像 的宽度,IJP1\+1是不同的内核与眼图像I的卷积结果,将1\+1除以L获得商矩阵序列 =是通过卷积结果图分割计算得到的比率,最后通过搜索计算商矩阵的最大值 处对应的位置来获取虹膜中心的信息,其中(xp,yp)为人眼的中心,R为半径,(xp,yp,R)= argmax?^为搜索虹膜中心的位置方程,其中卷积核圆弧周围各点的权重相等,并都归一 化到1,中心点的权重设置为一个有效的值; 2) 对于后续帧,获取前一帧左右眼的虹膜中心坐标,并通过左右虹膜中心的距离来确 定当前帧左右眼的两个正方形区域,左右正方形区域的中心分别为前一帧的虹膜中心,边 长为左右虹膜中心的距离; 3) 对每个正方形区域,利用虹膜中心定位算法再次检测虹膜中心,从而实现对眼球的 跟踪。【专利摘要】,包括以下步骤:1)对第一帧人脸图像利用虹膜中心定位算法检测虹膜中心,过程如下:1.1)根据第一帧人脸图像,定位人脸所在区域;1.2)然后利用人眼区域与人脸的比例关系确定一个大致的人眼区域;1.3)定义卷积核,通过卷积结果图分割计算得到的比率,最后通过搜索计算商矩阵的最大值处对应的位置来获取虹膜中心的信息;2)对于后续帧,获取前一帧左右眼的虹膜中心坐标,并通过左右虹膜中心的距离来确定当前帧左右眼的两个正方形区域;3)对每个正方形区域,利用虹膜中心定位算法再次检测虹膜中心,从而实现对眼球的跟踪。本专利技术能降低计算复杂度、精度较高。【IPC分类】G06K9/00【公开号】CN105260717【申请号】CN201510671600【专利技术人】陈胜勇, 张剑华, 蔡海斌, 刘洪海 【申请人】浙江工业大学【公开日】2016年1月20日【申请日】2015年10月16日本文档来自技高网...
【技术保护点】
一种基于卷积核和圆边界微积分的虹膜中心定位的眼球跟踪方法,其特征在于:所述眼球跟踪方法包括以下步骤:1)对第一帧人脸图像利用虹膜中心定位算法检测虹膜中心,过程如下:1.1)根据第一帧人脸图像,定位人脸所在区域;1.2)然后利用人眼区域与人脸的比例关系确定一个大致的人眼区域;1.3)定义卷积核,如下所示:Ir=Kr*IIr+1′=Kr+1′*IDr=Ir+1′Ir(xp,yp,R)=argmax(r,x,y)(Dr)r∈[rmin,rmax]---(1)]]>其中,Kr为带有核心权重的卷积核,K'r+1为不具有核心权重值的卷积核,r是卷积核的半径r∈[rmin,rmax],rmin为最小半径值,rmax为最大半径,rmin和rmax根据眼图像的大小来设定;卷积核的最小、最大半径分别为对0.1w和0.2w取整后的值,其中w为人眼区域的图像的宽度,Ir和I'r+1是不同的内核与眼图像I的卷积结果,将I'r+1除以Ir获得商矩阵序列Dr=I'r+1/Ir;Dr是通过卷积结果图分割计算得到的比率,最后通过搜索计算商矩阵的最大值处对应的位置来获取虹膜中心的信息,其中(xp,yp)为人眼的中心,R为半径,(xp,yp,R)=argmax(Dr)为搜索虹膜中心的位置方程,其中卷积核圆弧周围各点的权重相等,并都归一化到1,中心点的权重设置为一个有效的值;2)对于后续帧,获取前一帧左右眼的虹膜中心坐标,并通过左右虹膜中心的距离来确定当前帧左右眼的两个正方形区域,左右正方形区域的中心分别为前一帧的虹膜中心,边长为左右虹膜中心的距离;3)对每个正方形区域,利用虹膜中心定位算法再次检测虹膜中心,从而实现对眼球的跟踪。...
【技术特征摘要】
【专利技术属性】
技术研发人员:陈胜勇,张剑华,蔡海斌,刘洪海,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。