一种视线跟踪系统中的瞳孔定位方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108427926A(43)申请公布日2018.08.21(21)申请号201810217448.7(22)申请日2018.03.16(71)申请人西安电子科技大学地址710071陕西省西安市太白南路2号西安电子科技大学(72)发明人于晋川王军宁何迪彭弘铭(74)专利代理机构西安长和专利代理有限公司61227代理人黄伟洪(51)Int.Cl.G06K9/00(2006.01)G06K9/32(2006.01)G06K9/40(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)权利要求书2页说明书5页附图2页(54)发明名称一种视线跟踪系统中的瞳孔定位方法(57)摘要本发明涉及图像处理和模式识别领域，公开了一种视线跟踪系统中的瞳孔定位方法。此算法基于红外光源的亮暗瞳技术，首先通过采集得到亮瞳和暗瞳图像，然后将这两幅图像分别逆二值化。接着再将逆二值化后的暗瞳和亮瞳图像做差分操作得到差分图像，进一步地在差分图像中提取轮廓，并用训练好的分类器对轮廓进行选择得到粗定位的瞳孔中心。最后根据粗定位的瞳孔中心在暗瞳中的位置选取感兴趣区域，并在感兴趣区域中进行椭圆合得到瞳孔中心。该瞳孔定位算法具有较高的鲁棒性和实时性，能满足视线跟踪系统中瞳孔定位的需要。CN108427926ACN108427926A权利要求书1/2页1.一种视线跟踪系统中瞳孔定位方法，其特征在于，所述视线跟踪系统中瞳孔定位方法通过采集得到亮瞳和暗瞳图像，将图像分别逆二值化；逆二值化后的暗瞳和亮瞳图像做差分操作得到差分图像，进一步地在差分图像中提取轮廓，并用训练好的分类器对轮廓进行选择得到粗定位的瞳孔中心。最后根据粗定位的瞳孔中心在暗瞳中的位置选取感兴趣区域，并在感兴趣区域中进行椭圆合得到瞳孔中心。2.如权利要求1所述的视线跟踪系统中瞳孔定位方法，其特征在于，所述视线跟踪系统中瞳孔定位方法包括以下步骤：步骤一，从红外摄像头采集亮瞳图像和暗瞳图像；步骤二，对亮瞳图像和暗瞳图像进行平滑处理；步骤三，对亮瞳和暗瞳图像进行自适应逆二值化处理；步骤四，用逆二值化的暗瞳图像减去逆二值化的亮瞳图像得到差分图像；步骤五，在差分图像中提取轮廓，并计算轮廓的Hu矩；步骤六，用分类器对轮廓进行选择，选择属于瞳孔的轮廓；步骤七，对属于瞳孔的轮廓周围选取感性区域；步骤八，对感性区域二值化处理；步骤九，对感性区域的轮廓进行椭圆拟合得到最终的瞳孔中心。3.如权利要求2所述的视线跟踪系统中瞳孔定位方法，其特征在于，所述步骤二中对亮瞳图像和暗瞳图像进行平滑处理，采用的平滑操作为均值滤波操作，滤波模板大小为3*3。4.如权利要求2所述的视线跟踪系统中瞳孔定位方法，其特征在于，所述步骤三中对亮瞳和暗瞳图像进行自适应逆二值化处理采用的自适应逆二值化处理的步骤为：对图像中每一个像素，如果像素值大于周围领域窗口内像素的均值，像素值取0，否则取255。5.如权利要求2所述的视线跟踪系统中瞳孔定位方法，其特征在于，所述步骤四中用逆二值化的暗瞳图像减去逆二值化的亮瞳图像得到差分图像，即利用逆二值化的暗瞳图像减去逆二值化的亮瞳图像，得到差分图像。6.如权利要求2所述的视线跟踪系统中瞳孔定位方法，其特征在于，所述步骤六中用分类器对轮廓进行选择，选择属于瞳孔的轮廓；分类器采用SVM线性分类器。7.如权利要求6所述的视线跟踪系统中瞳孔定位方法，其特征在于，所述SVM线性分类器训练的方法包括：步骤一，采集正负样本，正样本由包含瞳孔的图片经过二值化处理，提取瞳孔轮廓，对瞳孔轮廓进行Hu计算，得到7个基本的Hu矩向量；负样本由包含非瞳孔物体的图片经过二值化处理，提取非瞳孔物体的轮廓，对非瞳孔物体的轮廓进行Hu计算，得到7个基本的Hu矩向量；步骤二，对正负样本加标签，正样本标签是1，负样本标签是0；步骤三：利用准备好的正负样本训练SVM线性分类器，确定SVM线性分类器的权值系数。8.如权利要求2所述的视线跟踪系统中瞳孔定位方法，其特征在于，所述步骤七中对属于瞳孔的轮廓周围选取感性区域，感性区域是以属于瞳孔的轮廓中心为中心的候选框。9.如权利要求2所述的视线跟踪系统中瞳孔定位方法，其特征在于，所述步骤八中对感性区域二值化处理，即将感性区域中每一个像素与阈值进行比较，大于阈值就取255，小于阈值就取0。2CN108427926A权利要求书2/2页10.如权利要求2所述的视线跟踪系统中瞳孔定位方法，其特征在于，所述步骤九中对感性区域的轮廓进行椭圆拟合得到最终的瞳孔中心，即用在步骤八中得到的轮廓进行椭圆拟合，得到拟合椭圆中心，中心为瞳孔中心。3CN108427926A说明书1/5页一种视线跟踪系统中的瞳孔定位方法技术领域[0001]本发明涉