[发明专利]一种动态瞳孔跟踪方法

说明书

技术领域

本发明具体涉及一种动态瞳孔跟踪方法。

背景技术

计算机视觉系统将图像中的特征从一幅图像到另一幅图像匹配起来的过程称为图像特征的跟踪。特征跟踪技术包括基于运动的方法和基于模板的方法，前者采用运动分割技术、卡尔曼滤波等跟踪目标运动；后者首先获取目标的先验知识，构造目标模型，然后对输入的每一帧图像通过滑动窗口进行模板匹配。

瞳孔的跟踪即在一组图像序列中实时连续地评估瞳孔的位置。目前，对于人脸和瞳孔的检测与跟踪己经有了大量的研究成果。但其中一些跟踪算法精度较高而实时性较差，有些算法实时性可以满足而精度不高。

发明内容

本发明的目的是提供一种检测精度高、且实时性强的动态瞳孔跟踪方法。

为了解决上述技术问题，本发明的技术方案是：

一种动态瞳孔跟踪方法，包括以下步骤：

1)在图像序列中，假设跟踪目标t时刻的坐标为采用卡尔曼滤波进行运动预测，则t+1时刻的坐标为协方差为∑(x_k，y_k)；

2)在瞳孔跟踪过程中，将前后两帧中瞳孔的运动看作是匀速的，瞳孔运动的特征可用位置和速度来描述，设(c_t，r_t)为t时刻瞳孔的位置，(u_t，v_t)为t时刻在c方向和r方向的速度，所以t时刻瞳孔的状态向量为x_t＝(c_t，t_t，u_t，v_t)^t，系统的状态模型表示为：x_t+1＝Φx_t+w_t；其中w_t为系统噪声；

3)瞳孔在两帧图像之间匀速移动时，状态转移矩阵中设定为：

观测量为t时刻瞳孔的位置，系统的测量模型为：z_t＝Hx_t+v_t，其中v_t为零均值的白噪声。

本发明技术效果主要体现在以下方面：进行跟踪时首先要在初始帧中检测和定位出瞳孔的位置，并构造出瞳孔模板，然后根据图像的运动信息估计出被跟踪目标在下一帧的位置，并在估计目标可能出现的区域内进行搜索。取得与目标模板颜色分布最相似的即为被跟踪目标。由于进行了运动估算，从而大大减小了搜索范围，所以比起采用穷举的搜索算法更加快速有效。

具体实施方式

在本实施例中，需要说明的是，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

另，在本具体实施方式中如未特别说明部件之间的连接或固定方式，其连接或固定方式均可为通过现有技术中常用的螺栓固定或钉销固定，或销轴连接等方式，因此，在本实施例中不再详述。

实施例

一种动态瞳孔跟踪方法，在图像序列中，假设跟踪目标t时刻的坐标为采用卡尔曼滤波进行运动预测，则t+1时刻的坐标为协方差为∑(x_k，y_k)；在瞳孔跟踪过程中，将前后两帧中瞳孔的运动看作是匀速的，瞳孔运动的特征可用位置和速度来描述，设(c_t，r_t)为t时刻瞳孔的位置，(u_t，v_t)为t时刻在c方向和r方向的速度，所以t时刻瞳孔的状态向量为x_t＝(c_t，t_t，u_t，v_t)^t，系统的状态模型表示为：x_t+1＝Φx_t+w_t；其中w_t为系统噪声；假定瞳孔在两帧图像之间移动的位移很小，且是匀速移动，状态转移矩阵中设定为：观测量为t时刻瞳孔的位置，系统的测量模型为：z_t＝Hx_t+v_t，其中v_t为零均值的白噪声。