[发明专利]一种基于精确定位虹膜的眼动跟踪方法

说明书

技术领域

本发明涉及一种基于精确定位虹膜的非侵入式的眼动跟踪方法。尤其涉及一种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的方法。属于计算机视觉信息领域。

背景技术

眼睛是心灵的窗口，透过这个窗口我们可以探究许多人类心理活动的规律。人类的信息加工在很大程度上依赖于视觉，因此，对于“人是如何看事物”的科学研究一直没有间断过。关于这点，对于眼动的研究被认为是视觉信息加工最有效的手段。眼动跟踪(Eye Tracking)主要是指利用眼球运动时以相对不变的某些特征作为参照物，从而获得眼睛的睁闭状态、注视方向、时间、以及注视点的移动轨迹和移动速度等信息，在移动终端、医学、界面设计与评估、产品测试、场景研究、动态分析、航空航天、人机交互、虚拟现实和游戏等领域都有很好的应用前景。

目前常用的方法有基于运动、基于特征和模板的算法、基于眼动仪和基于非线性滤波理论的方法等。基于运动的眼动跟踪算法属于侵入式眼动跟踪，往往需要借助外界辅助设备，包括眼电图法和电磁线圈法。该方法往往会引起测试者眼部不适，因此不适于常规眼动跟踪。基于特征和模板的眼动跟踪方法是指在精确定位人眼后，根据生物及几何特征建立模板，实现跟踪，包括模板匹配法、最佳线性逼近法、中值算法等。但是该方法受外界干扰因素较大，精确性及鲁棒性还有待提高。基于眼动仪的眼动跟踪方法需要采用复杂而昂贵的大型精密仪器，在20世纪初国外就已经开始研制，随着计算机技术的飞速发展，到现在，很多公司都开发了相关产品，比如澳大利亚Seeing Machines、美国ASL、日本ISCN、德国SMI、加拿大SR公司等。国内相对而言起步较晚，长安大学付锐教授及西安电子科技大学进行了相关方面的研究，然而在精度、人性化和小型化上尚需进一步完善。基于非线性滤波理论的眼动跟踪算法随着控制理论的飞速发展，已经成为近年的研究热点。常用的理论方法包括Kalman滤波器、EKF滤波器、UKF滤波器等。但是采样滤波对于如何提高在眼动跟踪中的精度、实时性和鲁棒性，还需要更加深入的研究，跟踪方法分析评估如表1所示。

表1眼动跟踪方法分析

因此，提出一种基于非侵入式的快速眼动跟踪方法是亟待解决的问题。图1示出了典型的基于非侵入式的眼动跟踪流程图，核心是人眼检测及跟踪，其中人眼检测是重要的环节，关系到目标跟踪的准确性，是整个眼动跟踪系统的基石。在眼动跟踪阶段，为了达到准确性、鲁棒性、实时性要求，有许多需要解决的问题。

因此，提高眼动跟踪速度，真正达到准确性、鲁棒性、实时性的要求成为这一类眼动跟踪方法迫切需要解决的问题。

发明内容

本发明的目的就在于为了解决上述问题而提供一种在人眼检测阶段精确定位虹膜，建立目标跟踪模板，通过自定义标准自适应调整搜索窗口大小，从而实现眼动跟踪的方法。

为了达到上述目的，本发明采用了以下技术方案：

本发明所述一种基于精确定位虹膜的眼动跟踪方法是通过精确定位虹膜，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。该方法具体包括以下步骤：

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；

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。

通过消除噪声，平滑处理等操作，精确定位虹膜的具体步骤如下：

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。

2、根据精确定位虹膜完成眼动跟踪。

眼动跟踪过程包括以下流程：

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；

具体步骤如下：

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。