[发明专利]一种基于随机森林的视线估计方法

说明书

本发明涉及一种基于随机森林的视线估计方法，包括：步骤S1：建立眼部二维模型和三维模型；步骤S2：载入多张图片，并导入各图片中视线特征量和视线真实结果；步骤S3：将所有已知视线特征量的图片划分为训练集和测试集；步骤S4：采用训练集图片训练得到最佳随机森林模型，其中，所述最佳随机森林模型用于根据视线特征量得到视线估计结果；步骤S5：采用测试集图片对训练后的随机森林模型进行测试，若测试误差小于阈值，则执行步骤S6，若为否，则返回步骤S2；步骤S6：采用随机森林模型对待估计图片进行视线估计。与现有技术相比，本发明利用随机森林，只需要利用头部姿态roll，yaw，pitch三个角度，以及瞳孔偏离距离EX和EY，就可以进行视线方向的回归。

技术领域

本发明涉及一种视线估计方法，尤其是涉及一种基于随机森林的视线估计方法。

背景技术

“视线跟踪”并不是什么新概念，比如说“眼动鼠标”，我们不用实际的鼠标来控制我们的计算机，而是用我们的眼睛，我们通过眼睛的注视来控制电脑屏幕上的鼠标点的运动，并且通过眼睛注视来打开或者关闭一个窗口程序，而且实验显示，用视线跟踪来完成的操作要比鼠标操作来的要快。

在民用方面的例子如美国弗吉尼亚大学研制成功的Erica系统(Eye-gazeResponse Interface Computer Aid)。它用眼睛注视作输入，配上一定的硬件设备，可帮助残疾人较方便的表达自己的思想及控制周围环境。

用在军事上，就是我们常常提到的“眼睛瞄准系统”或“视觉跟踪系统”。例如配备有用眼睛瞄准的头盔式武器系统等。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于随机森林的视线估计方法。

本发明的目的可以通过以下技术方案来实现：

一种基于随机森林的视线估计方法，包括：

步骤S1：建立眼部二维模型和三维模型；

步骤S2：载入多张图片，并导入各图片中视线特征量和视线真实结果；

步骤S3：将所有已知视线特征量的图片划分为训练集和测试集；

步骤S4：采用训练集图片训练得到最佳随机森林模型，其中，所述最佳随机森林模型用于根据视线特征量得到视线估计结果；

步骤S5：采用测试集图片对训练后的随机森林模型进行测试，若测试误差小于阈值，则执行步骤S6，若为否，则返回步骤S2；

步骤S6：采用随机森林模型对待估计图片进行视线估计。

所述视线特征量包括：

二维X轴偏移量EX，用于表征瞳孔偏离眼部二维模型中Y轴的偏移，

二维Y轴偏移量EY，用于表征瞳孔偏离眼部二维模型中X轴的偏移，

头部姿态，由头部俯仰角、方位角和翻滚角组成；

视线结果包括：

第一视线夹角，用于表征瞳孔向量与眼部三维模型中X轴的夹角，

第二视线夹角，用于表征瞳孔向量与眼部三维模型中Y轴的夹角；

其中，所述瞳孔向量为眼部三维模型中坐标系原点至瞳孔位置的向量。

所述步骤S2具体为：通过三维建模软件生成多张已知视线特征量和视线真实结果的图片。

所述步骤S2包括：

步骤S21：三维建模软件生成多张三维人像；

步骤S22：获取三维人像视线特征量和视线真实结果；