[发明专利]人眼跟踪方法及装置

权利要求书

1.人眼跟踪方法，其特征在于，包括：

根据眼睛在当前帧图像中的位置，利用构造的卡尔曼Kalman滤波器预测下一帧图像中眼睛的位置，得到眼睛位置预测值；

当所述下一帧图像成为当前帧图像时，利用所述眼睛位置预测值在该当前帧图像中进行搜索，得到与目标模板亮度分布匹配的潜在目标，其中所述目标模板基于初始模板获取，所述初始模板根据接收的初始帧图像构造；

将所述潜在目标作为眼睛的跟踪目标实现眼睛的跟踪。

2.根据权利要求1所述的方法，其特征在于，该方法还包括根据接收的初始帧图像构造眼睛的初始模板，包括：

在所述初始帧图像中进行人脸检测，获取人脸检测图像；

对所述人脸检测图像进行灰度处理，得到人脸灰度图；

对所述人脸灰度图进行垂直灰度投影，得到垂直灰度投影图；

根据所述垂直灰度投影图中的垂直灰度投影曲线中凸峰的左右边界确定人脸的左右边界；

根据所述人脸的左右边界对所述垂直灰度投影图进行裁剪，得到新的人脸灰度图；

对所述新的人脸灰度图进行水平灰度投影，得到水平灰度投影图；

根据所述水平灰度投影图中的水平灰度投影曲线确定头顶及鼻中部形成的上下边界，根据所述上下边界确定眉眼区域；

运用索贝尔SOBEL算子求出所述眉眼区域的边界值，并进行边缘分组，定位出眼睛的位置并得到所述初始模板；

其中所述初始模板为预测第二帧图像中眼睛的位置的目标模板。

3.根据权利要求2所述的方法，其特征在于，该方法还包括当获取到所述跟踪目标时，利用所述跟踪目标对当前的所述目标模板更新；

利用得到的新的目标模板预测下一帧图像中眼睛的位置。

4.根据权利要求2所述的方法，其特征在于，该方法还包括构造Kalman滤波器，其中包括：确定接收的图像序列的状态模型及测量模型；

所述确定图像序列的状态模型包括：采用算法x_t+1=θx_t+w_t表示所述状态模型；

其中设定(c_t,r_t)为t时刻眼睛的质心位置，(u_t,v_t)为t时刻眼睛在c方向和r方向的速度，则t时刻眼睛的状态向量为x_t=(c_t,r_t,u_t,v_t)^T，w_t为系统噪声；假定眼睛在连续的两帧图像之间的位移趋于零，且为匀速运动，运动时间为Δt，则状态转移矩阵为θ=10Δt0010Δt00100001;]]>

所述确定图像序列的测量模型包括：采用算法z_t=Hx_t+s_t表示所述测量模型，其中观测量表示t时刻眼睛的位置，s_t为测量噪声，H=10000100.]]>