【技术实现步骤摘要】
本专利技术涉及3d显示领域，尤其涉及一种用于裸眼3d的动态眼球跟踪方法及平板电脑。
技术介绍
1、目前的裸眼3d屏幕技术主要有两种技术路线，分别是视差屏障式3d技术和柱状透镜式3d技术。视差屏障式3d技术是使用遮挡片使左、右眼应该看到的图像显示在左右相邻的像素上，通过光线沿直线传播，遮挡一边进入左眼，遮挡另一边进入右眼，使两个眼睛能够在一个屏幕上看到两幅不同的图像，实现裸眼3d效果。柱状透镜式3d技术是使用柱状透镜使左、右眼应该看到的图像显示在左右相邻的像素栅上，通过光线的折射原理，折射一边进入左眼，折射另一边进入右眼，使两个眼睛能够在一个屏幕上看到两幅不同的图像，实现裸眼3d效果。
2、上述的两个方案都存在问题：眼睛距离屏幕的距离和眼睛所处的角度和位置必须正好在遮挡/折射后左右眼光线所在位置，若有偏离，则会产生重影，当偏移超过一定程度则无法看到正常的图像。
技术实现思路
1、鉴于以上技术问题，本专利技术提供了一种用于裸眼3d的动态眼球跟踪方法及平板电脑，以解决现有的裸眼3d屏在观察者位置不够正确或观察者移动时产生重影，同时当观察者偏移超过一定程度则无法达到裸眼3d效果的问题。
2、本公开的其他特征和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
3、根据本专利技术的一方面，公开一种用于裸眼3d的动态眼球跟踪方法，所述方法包括：
4、获取由平板电脑拍摄的视频帧，基于错误学习框架对所述视频帧进行眼鼻区域的检测，所述错
5、对所述眼鼻区域进行内容分类，内容分类的条件包括是否佩戴眼镜、光照环境类型、眼镜反射、厚眼镜，基于尺度不变特征变换算法，提取所述眼鼻区域中提取sift特征，根据内容分类的结果，选择对应的监督下降模型，对所述sift特征来训练多个下降方向，以最小化每个界标点的非线性平方函数的平均值，使得所述sift特征执行基于回归的界标点对齐，使得所述眼鼻区域的眼鼻形状对齐，得到人眼的瞳孔中心的第一坐标；
6、根据通用的3d脸部模型和所述第一坐标，估计所述瞳孔中心的三维坐标，基于所述三维坐标动态调整所述平板电脑的屏幕的像素排列方式及柱透镜光栅的位置，使得所述平板电脑所投射的左眼图像、右眼图像与所述瞳孔中心的所述三维坐标配合。
7、进一步的，所述错误学习框架在训练时，包括早期阶段、中期阶段、成熟阶段，其中：
8、在早期阶段中，基于所述adaboost算法的所述局部二值模式从第一样本图像集中检测出人脸的鼻子和眼睛的局部纹理信息，基于所述局部纹理信息训练第一级联分类器，将所述第一级联分类器应用于第二样本图像集中，收集出所述第一级联分类器分类错误的样本图像，所述第一样本图像集中包括正样本图像和负样本图像，所述正样本图像为具有人脸的图像，所述负样本为不包含人脸的图像；
9、在中期阶段中，基于在早期阶段中分类错误的所述样本图像，设置调整得到第二级联分类器，利用所述第二级联分类器对早期阶段分类错误的所述样本图像进行分类，收集再次分类错误的所述样本图像；
10、在成熟阶段中，设置分类准确度的阈值，持续调整所述第二级联分类器，直至所述第二级联分类器对再次分类错误的所述样本图像的分类准确度达到阈值。
11、进一步的，所述方法还包括：
12、在获取所述瞳孔中心的所述第一坐标后，基于跟踪检查器对对齐后的所述眼鼻区域进行检查，以检查对齐结果正确包含了瞳孔，所述跟踪检查器包括sift特征、预训练的支持向量机分类器、adaboost算法；
13、在所述跟踪检查器检查出对齐结果不正确时，执行计算所述视频帧的后续帧的所述瞳孔中心的所述第一坐标；
14、在所述跟踪检查器检查出对齐结果正确时，维持对齐结果，以所述第一坐标作为起始坐标，基于所述跟踪检查器，在所述视频帧的后续帧中跟踪和检查所述瞳孔中心。
15、进一步的，所述跟踪检查器在检查时，包括：
16、基于所述支持向量机分类器对对齐后的所述眼鼻区域进行所述sift特征的提取，对提取的所述sift特征进行分类后判断其是否包括瞳孔；
17、基于所述adaboost算法中的局部二值模式捕捉所述眼鼻区域中的局部纹理特征，以判断所述眼鼻区域中是否包含瞳孔；
18、对所述支持向量机分类器和所述adaboost算法的判断结果进行加权融合，得到最终的检查结果。
19、进一步的，在训练所述跟踪检查器时，将所述adaboost算法判断结果进行识别，将所述adaboost算法识别错误的样本输入所述支持向量机分类器中，以对所述支持向量机分类器进行训练。
20、进一步的，在估计所述瞳孔中心的三维坐标时，沿着面部法线方向计算，并结合固定的瞳孔距离，得到所述瞳孔中心的三维坐标，所述面部法线方向是通过所述3d脸部模型和所述眼鼻区域的预设标志点的对齐情况估计得到的。
21、进一步的，所述方法还包括：
22、所述平板电脑以近红外摄像头拍摄所述视频帧，在内容分类时，若内容分类结果包括眼镜反射，则对所述眼鼻区域中的反射区域进行修复。
23、进一步的，所述对所述眼鼻区域中的反射区域进行修复，包括：
24、基于像素梯度信息，检测所述眼鼻区域中的所述反射区域；
25、对所述反射区域进行边缘最小化，执行所述边缘最小化时包括平滑处理法、插值法；
26、基于所述像素梯度信息，对所述反射区域的梯度差异进行最小化。
27、根据本专利技术的另一方面，公开一种用于裸眼3d的动态眼球跟踪平板电脑，所述平板电脑包括：
28、眼鼻检测模块，用于获取前置摄像头拍摄的视频帧，基于错误学习框架对所述视频帧进行眼鼻区域的检测，所述错误学习框架的检测器包括使用具有局部二值模式的adaboost算法；
29、眼鼻对齐模块，用于对所述眼鼻区域进行内容分类，内容分类的条件包括是否佩戴眼镜、光照环境类型、眼镜反射、厚眼镜，基于尺度不变特征变换算法，提取所述眼鼻区域中提取sift特征，根据内容分类的结果，选择对应的监督下降模型，对所述sift特征来训练多个下降方向，以最小化每个界标点的非线性平方函数的平均值，使得所述sift特征执行基于回归的界标点对齐，使得所述眼鼻区域的眼鼻形状对齐，得到人眼的瞳孔中心的第一坐标；
30、控制显示模块，用于根据通用的3d脸部模型和所述第一坐标，估计所述瞳孔中心的三维坐标，基于所述三维坐标动态调整屏幕的像素排列方式及柱透镜光栅的位置，使得屏幕所投射的左眼图像、右眼图像与所述瞳孔中心的所述三维坐标配合。
31、本公开的技术方案具有以下有益效果：
32、本公开基于内容分类，能满足各种环境条件下的瞳孔中心的跟踪，所采用的分类、检测、跟踪的方法仅需cpu的资源，不依赖于gpu计算，使得能在较低的系统资源条件下也能够本文档来自技高网...
【技术保护点】
1.一种用于裸眼3D的动态眼球跟踪方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种用于裸眼3D的动态眼球跟踪方法，其特征在于，所述错误学习框架在训练时，包括早期阶段、中期阶段、成熟阶段，其中：
3.根据权利要求1所述的一种用于裸眼3D的动态眼球跟踪方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的一种用于裸眼3D的动态眼球跟踪方法，其特征在于，所述跟踪检查器在检查时，包括：
5.根据权利要求4所述的一种用于裸眼3D的动态眼球跟踪方法，其特征在于，在训练所述跟踪检查器时，将所述Adaboost算法判断结果进行识别，将所述Adaboost算法识别错误的样本输入所述支持向量机分类器中，以对所述支持向量机分类器进行训练。
6.根据权利要求1所述的一种用于裸眼3D的动态眼球跟踪方法，其特征在于，在估计所述瞳孔中心的三维坐标时，沿着面部法线方向计算，并结合固定的瞳孔距离，得到所述瞳孔中心的三维坐标，所述面部法线方向是通过所述3D脸部模型和所述眼鼻区域的预设标志点的对齐情况估计得到的。
7.根据权利
8.根据权利要求7所述的一种用于裸眼3D的动态眼球跟踪方法，其特征在于，所述对所述眼鼻区域中的反射区域进行修复，包括：
9.一种用于裸眼3D的动态眼球跟踪平板电脑，其特征在于，所述平板电脑包括：
...【技术特征摘要】
1.一种用于裸眼3d的动态眼球跟踪方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种用于裸眼3d的动态眼球跟踪方法，其特征在于，所述错误学习框架在训练时，包括早期阶段、中期阶段、成熟阶段，其中：
3.根据权利要求1所述的一种用于裸眼3d的动态眼球跟踪方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的一种用于裸眼3d的动态眼球跟踪方法，其特征在于，所述跟踪检查器在检查时，包括：
5.根据权利要求4所述的一种用于裸眼3d的动态眼球跟踪方法，其特征在于，在训练所述跟踪检查器时，将所述adaboost算法判断结果进行识别，将所述adaboost算法识别错误的样本输入所述支持向量...
【专利技术属性】
技术研发人员：臧永昌，蒋仕熙，植滇业，吴君强，陈冬香，欧阳福彪，
申请(专利权)人：深圳市华瑞安科技有限公司，
类型：发明
国别省市：
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。