[发明专利]一种基于精确定位虹膜的眼动跟踪方法

权利要求书

1.一种基于精确定位虹膜的眼动跟踪方法，其特征在于：通过视频，精确定位虹膜，建立基于虹膜区域颜色及边缘联合特征的跟踪模板，根据自定义的判断标准完成眼动跟踪。 

2.根据权利要求1所述的所述的一种基于精确定位虹膜的眼动跟踪方法，其特征在于：包括如下两大步骤： 

(1)、通过用户提供的背景视频或者实时视频，精确定位虹膜区域； 

(2)、根据精确定位虹膜完成眼动跟踪。 

3.根据权利要求2所述的所述的一种基于精确定位虹膜的眼动跟踪方法，其特征在于：所述步骤(1)——通过用户提供的背景视频或者实时视频，精确定位虹膜区域进一步包括以下具体流程： 

1)、加载事先录制好的眼动视频，处理每帧视频； 

2)、分析一帧图像，加载基于AdaBoost算法的人脸检测器定位人脸区域； 

3)、在提取到的人脸区域加载人眼检测器粗定位人眼矩形区域； 

4)、在提取到的人眼区域通过消除噪声，平滑处理等操作，精确定位虹膜。 

4.根据权利要求3所述的所述的一种基于精确定位虹膜的眼动跟踪方法，其特征在于：所述具体流程4)——在提取到的人眼区域通过消除噪声，平滑处理等操作，精确定位虹膜包括以下具体步骤： 

①、对提取到的人眼区域进行二值化处理； 

②、引入susan算子消除大部分诸如眉毛等类眼球同色点噪声的干扰； 

③、扫描和分析处理后的二值图像得到连通域划分，消除非连通的区域面积较小的团块，从而进一步消除噪声的干扰； 

④、使用中值滤波对得到的虹膜区域进行平滑处理，精确定位虹膜。 

5.根据权利要求2所述的所述的一种基于精确定位虹膜的眼动跟踪方法，其特 征在于：所述步骤(2)——根据精确定位虹膜完成眼动跟踪进一步包括以下流程： 

1)、初始化跟踪目标中心位置，建立虹膜颜色和边缘联合特征模板； 

2)、预测下一帧目标中心位置，通过自定义的边缘特征标准完成眼动跟踪。 

6.根据权利要求5所述的所述的一种基于精确定位虹膜的眼动跟踪方法，其特征在于：所述流程1)——初始化跟踪目标中心位置，建立虹膜颜色和边缘联合特征模板包括以下具体步骤： 

①、初始化虹膜中心位置(x，y)，调整跟踪框边界，模板大小、目标中心位置，如公式(1)、(2)、(3)所示。 

公式(1) 

其中white_num，black_num分别为二值图像目标区域的白色点、黑色点数x_oright，x_oleft，y_oup，y_odown为统计空值图像矩阵中目标区域与颜色判断标准 调整模板大小及目标中心坐标为： 

公式(2) 

公式(3) 

②、区别于建立颜色特征模板时未考虑到噪声影响的传统CamShift算法，本发明考虑到噪音影响，建立图像HSV空间S分量变化曲线图，通过分析得到噪声饱和度较低，建立s min与搜索窗口s的关系，如公式4所示。 

公式(4) 

③、统计搜索区域灰度直方图分布hisArray(分为N级)，灰度概率分布hisPro，计算搜索区域灰度均值μ，记录直方图统计globalHis，建立虹膜颜色与边缘联合特征模板。 

7.根据权利要求5所述的所述的一种基于精确定位虹膜的眼动跟踪方法，其特征在于：所述流程2)——预测下一帧目标中心位置，通过自定义的边缘特征标准完成眼动跟踪包括以下具体步骤： 

①、计算搜索区域中的最大类间方差分割阈值T_max，如公式(5)所示，并记录搜索矩阵计算边缘点均值距离 记录于数组array_dis中； 

公式(5) 

其中T∈(1，N-1)，当θ取得最大值θ_max时即为求得的分割阈值T_max，其中hispro为灰度图像模板区域的概率分布。 

②、预测跟踪目标中心位置(x，y)，如公式(6)所示，并记录； 

公式(6) 

其中Model_w，Model_h分别为模板宽和高。 

③、判断虹膜是否发生形变，即是否需要更新，判断标准为：两帧直方图统计值变化是否大于3倍边缘点标准差status_edge以及边缘点到中心点的均值距离status_dis，status_edge，status_dis计算如公式(7)所示，发生形变时根据前面LISTMAX帧目标运动规律预测目标中心位置，如公式(8)执行。 

公式(7) 

公式(8) 

其中x_pd，y_pd分别为记录跟踪坐标矩阵的x，y分量。 

④在搜索区域中迭代完成对跟踪目标的匹配，如公式(9)、(10)所示。 

公式(9) 

公式(10) 

最终相似度量系数为ρ_final＝ερ₁+βρ₂d(y)，其中ε+β＝1，ε，β∈[0，1]。当达到最小时迭代完成。其中，C为归一化常数，δ为Kronecker delta函数，k(x)为Epanechnikov核函数。 

重复执行步骤①到步骤④，直到一段视频处理完成或者用户中断眼动跟踪。