导读:本文包含了人眼检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:卷积,神经网络,向量,状态,算法,模型,差分。
人眼检测论文文献综述
吴迎年,贺梦嘉,项伟[1]（2019）在《基于集成学习的人眼定位和头部状态检测研究》一文中研究指出针对人眼定位中的实时性检测问题,设计了基于Viola-Jones算法的人眼实时检测系统,通过MATLAB控制外接或网络摄像头对检测到的人眼图片进行实时读取和实时定位,通过正面图、侧视图、俯仰图的检测,表明人眼实时定位系统检测效果较好并具有很好的鲁棒性。针对小数据集对头部状态的分类效果较差的情况,使用随机森林算法将俯仰角和偏航角的分别用HOG-LBP融合特征和Haar-like特征分类,再将得到的俯仰角和偏转角进行融合,在Pointing'04数据集上对比直接分类准确率提升了4.5%。(本文来源于《系统仿真学报》期刊2019年11期）
周建敏[2]（2019）在《基于OPENCV的人眼检测系统》一文中研究指出在对司机们的疲劳状态进行监控的系统中,为了能够实现监控的实时性,需要对整个眼部区域实施跟踪,且定位眼睛的大概位置,由此便提出了一种检测方式,即基于OPENCV的人眼检测。系统在Visual Studio开发平台上,利用开源的OPENCV图像处理函数库,对摄像头实时输入的图像进行采集处理,用HAAR特征的ADABOOST分类器算法进行分割定位,再经过多次OPENCV样本训练和检测提高成功率。实验结果显示:此次设计能够成功捕捉人眼的位置,只要五官清晰可见,即使是图片也可以识别出来;当被部分遮挡时,若提前已经检测出轮廓,将不会改变实验结果。(本文来源于《信息与电脑(理论版)》期刊2019年18期）
王建中,张广月,王虹[3]（2019）在《人眼检测的混合加权特征方法》一文中研究指出基于眼动跟踪的目视瞄准技术可使无人武器的目标跟踪瞄准操控摆脱对肢体的需求,是未来无人武器的重要操控方式.提出一种混合加权特征方法,通过Gabor算子滤波、计算积分图、引入局部区域方差作为权重对混合特征编码进行加权运算并与级联分类器训练结合,获得人眼区域检测.试验结果表明,本文方法优于常用的Haar-like、LDP方法,并且随着级数的增加误检率呈下降趋势.该方法可提高人眼检测率、降低误检率,为满足无人武器目视瞄准对实时性和准确率的要求提供可能的技术途径.(本文来源于《北京理工大学学报》期刊2019年08期）
张宏根[4]（2019）在《基于眼动跟踪的人眼兴趣点检测》一文中研究指出眼动跟踪技术已经成为人机交互、心理测试、虚拟现实、人工智能等领域的重要关注技术。人的眼睛是人心理和思想在外观上的重要表现形式,而眼动跟踪技术通过提取人眼信息进而反应出人的心理变化。利用机器视觉和图像处理技术对人眼信息进行提取是本文的研究重点。在传统的人眼跟踪上,本文的主要创新和研究有如下几点:1、本文提出了一个基于深度学习的人眼跟踪方法。该方法采用的网络为一个包含叁个卷积层,叁个池化层和两个全连接的新网络,利用卷积神经网络(CNN)能够简洁和高效的对人眼关键点位置进行检测,准确率达到88%。实验结果表明该模型相比传统级联分类更加准确。2、本文在传统的最大类间方差的基础上改进并提出了一个新的瞳孔和光斑提取方法。该方法将边缘检测与阈值处理相结合。基于对瞳孔位置的先验知识,可以忽略图像边缘的梯度值。利用提出的梯度检验算子确定梯度点坐标的最大值点,根据图像像素大小,确定以最大值为中心的感兴趣矩形区域。该方法在该区域进行阈值处理可以更好地避免环境和噪声的干扰。3、本文将基于眼动跟踪的兴趣点检测算法应用于兴趣测试系统,对人眼注视点进行实时估计。系统通过同时检测人眼注视点和人脸表情变化,对受试者的兴趣爱好进行判断,表明了本文算法的应用价值。4、本文提出了基于阵列相机的图像超分辨算法,该方法能够比较好的提高实验图像的分辨率,并且多镜头可以为确定叁维空间位置坐标提供基础,克服二维平面下眼动跟踪需要保持头与镜头的位置保持不变和距离较短的缺点,为阵列相机应用到眼动跟踪中提供算法基础。(本文来源于《北方工业大学》期刊2019-05-23）
王帅,赵鲁阳,何为,李凤荣[5]（2019）在《基于改进ASM算法的列车司机人眼状态检测》一文中研究指出为解决列车司机疲劳状态检测问题,提出了一种改进的主动形状模型(ASM)算法,并设计了一种基于支持向量机(SVM)的人眼状态判定机制,实现了对于司机驾驶过程中的人眼状态进行有效地检测。改进的ASM算法是通过利用多尺度二值模型(MB-LBP)算子来提取局部特征向量,提高了算法在复杂光线环境下的鲁棒性。并将第一步提取出来的眼睛比例作为SVM分类器的输入,用于人眼状态的检测分类。结果表明:改进的ASM算法有效地提高了人脸关键点定位的准确性,设计的判定机制在使用真实数据样本集的测试中达到了80%以上的准确度。(本文来源于《传感器与微系统》期刊2019年05期）
罗元,云明静,王艺,赵立明[6]（2019）在《基于人眼信息特征的人体疲劳检测》一文中研究指出人眼状态是反映疲劳程度的重要指标,头部姿势变化、光线等因素对人眼定位造成很大影响,从而影响人眼状态识别以及疲劳检测的准确性,为此提出了一种利用级联卷积神经网络通过检测人眼6个特征点来识别人眼状态进而识别人体疲劳的方法。首先,一级网络采用灰度积分投影结合区域—卷积神经网实现人眼的检测与定位;然后,二级网络将人眼图片进行分割后采用并联子卷积系统进行人眼特征点回归;最后,利用人眼特征点计算人眼开闭度识别当前人眼状态,并根据单位时间闭眼百分比(PERCLOS)准则判断人体疲劳状态。实验结果表明,利用所提方法实现了在归一化误差为0.05时,人眼6特征点的平均检测准确率为95.8%,并根据模拟视频帧的PERCLOS值识别疲劳状态验证了该方法的有效性。(本文来源于《计算机应用》期刊2019年07期）
李淑[7]（2019）在《人眼特征检测的疲劳驾驶算法研究》一文中研究指出经济的腾飞带动了交通运输业的快速发展,汽车数量的不断攀升使得国家恶性道路交通事故的发生率急剧增加并呈现上升趋势,对社会和家庭带来的损失都是不可忽视的。事后调查显示,疲劳驾驶导致的事故占总交通事故的比率居高不下。所以,针对驾驶员疲劳检测的研究具有很大的价值和现实意义。随着计算机软硬件的不断升级,以及神经网络技术的兴起,使得基于计算机视觉的疲劳驾驶研究因为其非接触式的特点成为了疲劳检测中的热点,并且在驾驶员所有的外部特征中,人眼的状态特征能够很好的反应疲劳情况,其有效性已得到证明,因此本文基于计算机视觉技术,提取驾驶员的眼部特征,根据眼睛的状态来判定疲劳。为研究出一套使用方便且兼具实时性与准确性的疲劳驾驶识别算法,本文研究的主要内容如下:1.交通事故的发生往往在毫秒之间,系统对实时性的要求很高。为有效的提高检测速度,本文采取在对待检测图像进行人眼定位之前,先对其进行人脸检测的方法。通过获取人脸区域一定程度的减少眼睛检测的搜索区域,进而有效的缩短检测时间。在大量阅读和研究常用技术的基础上,本文最终选取基于Haar-Like特征的Adaboost算法检测人的面部区域,该技术能够兼顾准确率和实时性。2.为了能在人眼定位之前有效的减少待检测图像的范围,提高检测速率和准确性,在检测到人脸后,结合“叁庭五眼”的面部先验知识和水平积分投影法对人眼进行粗略的定位,有效的排除了干扰信息并减少了目标区域的检测范围,提高了检测率和检测速度。之后结合Sobel算子边缘检测与Adaboost算法在人眼定位中的优缺点,对两种方法进行结合用于检测人眼,该检测方法准确率高。3.人的眼睛闭合程度在一定条件下能够反映驾驶员的疲劳状态,而人眼的外部形状符合椭圆特征,所以在定位到人眼后,本文选取椭圆拟合的方式对提取到的眼睛轮廓信息进行拟合,最小二乘法的椭圆拟合能够通过建立椭圆方程拟合出方程参数,而椭圆长短轴的比值能够很好的反映人眼睛闭合程度。在判定了人眼开闭状态之后,选取PERCLOS算法中P80准则以及眨眼频率两项指标判定驾驶员是否疲劳。最后,本文通过实验,对LFW人脸库图片和拍摄的视频图像进行测试,结果显示本文采用算法准确率高,检测速度快。但对于人脸偏转角度过大和眼睛遮蔽等情况依然存在不足,提出了下一步的改进意见。(本文来源于《长江大学》期刊2019-04-01）
吕慷,张旭秀,李卫东[8]（2019）在《基于人眼识别原理的运动目标检测方法》一文中研究指出针对于背景差分法与帧间差分法在运动目标中存在的不知足,为提高运动物体检测的实时性和准确性,提出了一种结合背景差分和帧间差分的运动物体检测方法,该方法模拟人眼对运动目标的检测方式,分为整体感知与精确感知两部分。首先将图像分为多个区域并使用较少的像素点建立背景模型,通过背景模型确定运动物体所在的区域,并将其他区域的图像作为背景图像进行存储。然后使用变化区域的当前图像与存储的该区域的背景图像进行差分运算,以获取清晰的运动目标。该方法使用较少的像素点进行背景模型的构建,减少了背景模型建立和更新的运算量,提高了运算的速度。通过存储的背景图像与当前图像进行差分,可以获得完整的运动目标,避免"空洞"的出现。(本文来源于《电子测量技术》期刊2019年04期）
李斌[9]（2018）在《随机场景人眼检测实时追踪及其应用技术研究》一文中研究指出近几年,人眼检测技术已经逐步成为机器视觉和模式识别领域的热门研究话题之一。由于人类百分之五十以上外界信息都是通过视觉方式获取,并且人眼作为人脸的重要特征之一,对于人眼位置及其运动规律的研究是分析人类心理和行为的重要方式。随着计算机硬件性能的提高和成本的降低,基于计算机视觉的人眼检测技术由于具有非介入性、易采集图像数据、精度高、鲁棒性强等特点,已经成为了研究人眼特征及运动轨迹的主流方式之一。人眼检测技术目前已经广泛的应用在人脸检测、虹膜识别、身份验证、表情分析、疾病诊断、行为研究、军事侦查、辅助驾驶、人工智能、虚拟现实、数据分析等多个领域。因此如何高效、准确进行人眼检测具有非常重要的意义。目前研究人员已经提出了多种类型的人眼检测算法,例如眼电图法、角膜反射法、近红外传感器定位法、人眼特征提取法等。但是现有的人眼检测算法大多存在:(1)需要使用单个高分辨率近红外或可见光相机,或多个级联的低分辨近红外相机采集人眼图像。人眼图像采集装置结构复杂、操作繁琐、应用场景受限、成本较高;(2)人眼检测算法过度依赖于采集图像的清晰度,对于人脸受到外部遮挡的随机场景算法鲁棒性和实时性差,检测精度较低。这些问题都在一定程度上限制了人眼检测技术的实际应用。针对目前人眼检测算法存在的问题与不足,本文基于现有的人眼检测技术并深入分析人眼结构特点,提出了一系列在随机场景中基于图像的抗外部遮挡的人眼检测算法,并以这些算法为基础建立了多款针对不同应用场景的低成本视线追踪系统。本论文还将提出的人眼检测算法在医疗诊断和行为分析两个领域的应用进行了探讨,对人眼检测算法的性能和检测精度进行了全面分析与讨论。本论文的研究内容和创新点主要包括:1.为了解决在近红外局部人眼图像中由于外部光照变化、睫毛、眼睑的遮挡,传统人眼检测算法无法准确定位人眼区域和瞳孔中心的问题。本文提出一种基于自适应模板匹配的瞳孔区域与中心定位算法。该算法根据人眼结构特点首先建立“回”形Haar特征在包含人眼的局部区域图像中定位瞳孔区域和位置;接着在瞳孔区域图像中提出基于区域特征极值点和自适应模板拟合瞳孔边缘和中心;在不同人眼数据集测试结果表明提出的算法可以有效抑制光照变化,外部遮挡对人眼图像的干扰,在包含人眼的局部区域图像内准确定位瞳孔区域并精确拟合瞳孔轮廓和中心。瞳孔中心定位精度在5个像素误差范围内,Swirski数据集和我们采集的人眼数据集的检测率可达84%和91%。该算法提取的瞳孔中心可以作为人脸检测、虹膜识别以及人眼注视点提取的特征信息。2.为了解决目前多数人眼检测算法只能在近红外局部人眼图像中定位人眼位置,针对低分辨率随机场景人脸图像检测率低,算法鲁棒性差的缺点,提出一种基于机器学习和回归树模型的混合人眼区域定位与瞳孔中心检测算法。该算法能够在近红外光和可见光条件下拍摄的低分辨率人脸、人眼图像中同时进行人眼区域定位和瞳孔中心检测,并且该算法考虑不同图像分辨率对人眼轮廓清晰度的影响,对图像分辨率要求较低(最低人脸图像分辨率可达384?286像素)。提出的算法在BioID和GI4E公开数据集中进行测试,并与目前常见的几种人眼检测算法进行对比,实验结果表明提出的算法可以在近红外或可见光低分辨图像中快速、准确的定位人眼位置和轮廓。其中当归一化误差小于0.05时,在BioID和GI4E数据集中瞳孔中心检测率可以达到90.8%和95.4%,均优于现有的大多数方法。3.为了解决目前人眼检测算法在随机应用场景中抗外部遮挡能力弱和实时性较差的问题,提出一种基于级联神经网络的人眼实时定位算法。该算法利用一系列结构类似的卷积神经网络针对随机场景中的人脸图像分别精确定位其左右眼位置,并利用下一级卷积神经网络定位左右眼中心。该算法完全采用基于数据集训练的思想,通过级联的卷积神经网络缩短网络模型训练所需时间,增强算法对受外部遮挡人脸图像的人眼检测率并生成高效的人眼检测模型。为了减小卷积神经网络中参数的数量,避免因为图像全局搜索导致网络训练时间较长,算法运行效率低的缺点,提出了基于SIFT算法的改进梯度金字塔模型用于简化输入第一级神经网络中人眼候选区域的数量。基于该算法训练的人眼检测模型在不同数据集与现有算法在运行效率和检测精度进行对比:当归一化误差小于0.05时,BioID数据集检测率分别可达85.6%,单张人脸图像人眼检测时间仅需13ms,该算法可以满足使用普通网络摄像头(帧率为30-60帧/秒)进行人眼实时检测的要求,实验结果表明提出的算法具有较高的实时性和检测精度。4.为了解决目前商业化视线追踪系统价格较高,而实验室级的视线追踪系统检测精度较低的问题,利用已经提出的一系列人眼检测算法设计一种新型的低成本视线追踪系统,并基于该系统不断完善与改进。该系统的主要特点在于:首次提出将近眼显示技术应用在视线追踪系统中,将人眼检测算法与注视点追踪模型很好的融合;提出了一种高效的基于卷积神经网络和几何模型法的视线追踪算法。该系统利用低成本近红外微距摄像头捕捉人眼运动轨迹,并将外部场景实时显示在近眼显示器中。基于提出的视线追踪平台本文还分别提出了的用户注视点追踪、“眼控键盘”和注视点实时分析叁种不同的应用场景,充分验证了人眼检测算法的在实际应用中的检测精度(0.53°)以及提出的视线追踪平台的可靠性。(本文来源于《中国科学院大学(中国科学院西安光学精密机械研究所)》期刊2018-12-01）
薛钊鸿,孙梓瀚,成泽锐,方衡,黄梓钊[10]（2018）在《基于人眼检测优化的立体人机交互技术的研究》一文中研究指出随着3D显示技术的逐渐成熟,越来越多基于3D显示技术的产品被应用于各个领域,例如3D电影、裸眼3D电视、体感交互式系统和影像教学等。基于3D显示的人机交互系统也是近年来越来越热门的研究方向,但是却没有高效地利用深度信息作为交互的线索,因此本文提出将3D显示与体感交互结合,实现立体人机交互的虚拟键盘,让用户只需点击屏幕前方键盘的图像即可进行对应按键信息的录入和编辑,其帧率可达10.6fps。针对3D显示中用户视角偏离会导致按键的像在视觉上的偏移,容易造成误输入的问题,在系统中整合人眼检测功能,修正因视角偏离带来按键定位误差,从而实现了准确率100%的字符输入交互功能。(本文来源于《液晶与显示》期刊2018年11期）
人眼检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在对司机们的疲劳状态进行监控的系统中,为了能够实现监控的实时性,需要对整个眼部区域实施跟踪,且定位眼睛的大概位置,由此便提出了一种检测方式,即基于OPENCV的人眼检测。系统在Visual Studio开发平台上,利用开源的OPENCV图像处理函数库,对摄像头实时输入的图像进行采集处理,用HAAR特征的ADABOOST分类器算法进行分割定位,再经过多次OPENCV样本训练和检测提高成功率。实验结果显示:此次设计能够成功捕捉人眼的位置,只要五官清晰可见,即使是图片也可以识别出来;当被部分遮挡时,若提前已经检测出轮廓,将不会改变实验结果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人眼检测论文参考文献
[1].吴迎年,贺梦嘉,项伟.基于集成学习的人眼定位和头部状态检测研究[J].系统仿真学报.2019
[2].周建敏.基于OPENCV的人眼检测系统[J].信息与电脑(理论版).2019
[3].王建中,张广月,王虹.人眼检测的混合加权特征方法[J].北京理工大学学报.2019
[4].张宏根.基于眼动跟踪的人眼兴趣点检测[D].北方工业大学.2019
[5].王帅,赵鲁阳,何为,李凤荣.基于改进ASM算法的列车司机人眼状态检测[J].传感器与微系统.2019
[6].罗元,云明静,王艺,赵立明.基于人眼信息特征的人体疲劳检测[J].计算机应用.2019
[7].李淑.人眼特征检测的疲劳驾驶算法研究[D].长江大学.2019
[8].吕慷,张旭秀,李卫东.基于人眼识别原理的运动目标检测方法[J].电子测量技术.2019
[9].李斌.随机场景人眼检测实时追踪及其应用技术研究[D].中国科学院大学(中国科学院西安光学精密机械研究所).2018
[10].薛钊鸿,孙梓瀚,成泽锐,方衡,黄梓钊.基于人眼检测优化的立体人机交互技术的研究[J].液晶与显示.2018
论文知识图
