导读:本文包含了瞳孔跟踪论文开题报告文献综述、选题提纲参考文献，主要关键词:瞳孔,卡尔,视觉,视线,粒子,阈值,角膜。
瞳孔跟踪论文文献综述写法
王向军,白皓月,倪育博[1]（2019）在《基于瞳孔空间形态的双眼视线跟踪方法》一文中研究指出针对目前人眼视线跟踪的人机交互技术尚不成熟的现状,提出了一种基于立体视觉的瞳孔空间形态的桌面式双目视线跟踪方法。根据低灰度值分布初步定位瞳孔中心;利用瞳孔区域径向导数极坐标图提取瞳孔边缘点坐标,并使用随机样本一致性(RANSAC)对瞳孔边缘进行椭圆拟合;采用定向二进制简单描述符(Oriented brief,ORB)算法配准双目瞳孔边缘点坐标;通过双目立体视觉模型计算得到瞳孔边缘空间点坐标,最后采用最小二乘法计算瞳孔空间形态并解算出视线方向。实验结果表明,瞳孔中心定位速度达300frame/s,双眼视线跟踪速度达15frame/s,视线跟踪最大误差为2.6°。本方法具有较好的准确性、稳健性、实时性,可应用于人眼视线跟踪的人机交互领域中。(本文来源于《激光与光电子学进展》期刊2019年02期）
李超[2]（2018）在《无线视频眼动仪的装置设计和瞳孔跟踪算法的研究》一文中研究指出眼睛一直都被看作人体与外界的桥梁,不仅能够获取外界的各种信息,也能反映人体内部的一些生理和心理状态。因此,从古至今,人们对于眼球的研究与关注从未间断,而眼动仪即是对眼睛进行相关研究的一种辅助工具。作为一种检测并记录人眼相关状态的装置,现阶段眼动仪在心理学、医学、人机交互等众多的领域都有广泛的应用与研究。但是,现阶段眼动仪的使用主要还是依靠从国外进口,价格昂贵,不利于普及和推广。本文就是在此背景下,通过对软硬件技术、3D打印技术、图像处理算法等研究结合,自主研发了一整套眼动仪装置和后台软件分析系统,并采集眼动图像信号进行分析,验证了装置和相关处理算法的可行性。本文主要工作如下:(1)通过对无线技术研究分析,本文使用一种高效的路由模块,设计并制作相关电路,完成了无线视频眼动仪硬件电路的搭建,并结合使用效果,进行了改进。由3D打印技术制作产品精度高,生产流程简单,本文根据硬件电路各模块的尺寸使用立体光固化成型技术(SLA)完成了头戴式无线视频眼动仪样机的制作。然后,根据佩戴使用过程中的反馈意见,对装置进行了改进,最后的眼动仪样机能基本满足不同人群的使用要求,且外型美观、方便易携。(2)眼动仪采集图像数据在某些采集情况下不可避免附带有一定噪声,需要进行消噪处理才能进一步瞳孔定位和跟踪。去噪一直是图像处理中的研究热点,通过对非局部均值滤波算法的研究,本文对现有非局部均值(NLM)滤波提出了一种改进方法。首先使用小波阈值去噪方法,在不破坏图像质量的基础上预处理滤除部分噪声。然后运用一种自适应权函数方案,可以更好的保存图像边缘,提高非局部均值滤波的去噪效果。图像去噪之后,为了准确的提取瞳孔区域,本文对各种阈值分割方法包括最大类间方差法、基于谷底最小值分割法、最小误差法等进行研究,找出能最佳运用于红外眼动图像自适应二值分割的算法。图像二值化之后,接着使用中值滤波,四步形态学处理,去掉眼动图像的噪声和一些灯影,眉毛,眼睑等干扰物,完成了红外眼动图像的预处理。(3)对于预处理之后的眼动图像,本文开发了一种快速连通检测方法,该方法充分利用每个像素点左侧和上方一共四个像素点的连通特征。只需要对图像扫描一次,即可完成所有连通区域的检测和标记。然后根据瞳孔的形状大小等特征,对连通区域进行筛选,即可准确的找到瞳孔区域,将瞳孔连通区的外接矩形中心作为瞳孔中心进行定位。这种瞳孔定位的方法速度快,准确度高,能够应用于多帧视频的连续定位跟踪中。(4)在vc++6.0软件环境中,使用硬件电路的软件开发工具包(SDK)和在matlab中验证可行的瞳孔定位算法完成了眼动仪装置的windows平台分析系统。该软件系统能通过WiFi实现与眼动仪装置的通信及固定分辨率的红外眼动视频采集,且能够精准定位跟踪瞳孔运动。(本文来源于《重庆大学》期刊2018-05-01）
王长元,张文强,薛鹏翔[3]（2018）在《粒子滤波和卡尔曼滤波组合的瞳孔跟踪方法》一文中研究指出由于瞳孔目标运动的非线性非高斯性,但是粒子滤波(Kalman Filter)瞳孔跟踪算法能够很好地解决非线性非高斯问题,卡尔曼滤波(Particle Filter)算法是对瞳孔目标状态的最优估计。将粒子滤波算法和卡尔曼滤波算法组合可以获得更为精确的瞳孔跟踪结果。粒子滤波的结果作为卡尔曼滤波的观测值,并且根据粒子滤波的跟踪结果确定卡尔曼滤波的转换矩阵,最终达到理想的瞳孔目标跟踪性能。(本文来源于《计算机与数字工程》期刊2018年04期）
张远辉,李颜,李孝禄,朱俊江[4]（2018）在《基于双眼同步运动特征约束的Kalman瞳孔跟踪算法》一文中研究指出针对注视点研究中,红外光照明下双眼瞳孔运动的定位跟踪存在误差的问题,以双眼实时图像为研究对象,提出一种基于双眼同步运动特征约束的瞳孔跟踪算法。根据人类双眼在注视过程中的同步运动特征,把双眼瞳孔间距矢量作为隐式参数进行估计,简化包含左右眼位置、速度和双眼瞳孔间距的模型为统一的双眼同步跟踪模型,运用Kalman滤波器实现了运动特征估计和状态跟踪。实验采用自制的头戴式注视点传感装置进行眼部图像的采集。实验表明,该算法跟踪精度高,抗干扰能力强。相较于传统的以左右瞳孔位置与速度以及左右眼相对位置为状态量的算法,本文算法在位置跟踪和速度跟踪的鲁棒性上有明显改善,算法计算量也明显减少。另外,经过本文算法处理后的注视点位置估计精度大大提高,为注视点在人机交互领域中的进一步应用奠定了基础。(本文来源于《传感技术学报》期刊2018年01期）
顾可可,付威威,董月芳,许一,陈文建[5]（2017）在《基于改进轮廓跟踪的瞳孔快速检测》一文中研究指出提出一种基于直方图二值化和改进的轮廓跟踪的瞳孔检测方法。首先对采集的瞳孔图像计算直方图,根据直方图特征取出合适的阈值进行二值化,再对二值化后的图像进行轮廓跟踪,得到精确的轮廓边界,进而得到直径、中心等信息。对前一帧瞳孔图像进行瞳孔信息计算后,后一帧图像以该瞳孔中心为中心,缩小检测区域进行直方图二值化及瞳孔轮廓跟踪,得到该帧图像的瞳孔信息,减少运算,加快检测速率。该算法鲁棒性高,速度快,可满足300帧/s的实时检测速度。(本文来源于《红外技术》期刊2017年06期）
于振东[6]（2016）在《基于光流法的瞳孔中心跟踪算法》一文中研究指出通过人眼运动的信息可以获得并揭示大脑乃至人身体状况的一些重要信息,而瞳孔跟踪是人眼跟踪重要的一部分,是分析大脑状况及身体行为的重要方法之一。瞳孔跟踪技术的研究一直是一个热点,受到人们的广泛关注,是计算机视觉领域一个重要的研究课题,涉及到计算机视觉、图像分析与处理、心理学、生理学及工效学等领域,是最早随着表情,人脸检测与分析的发展而兴起的,其研究成果在军事、商业、工业等领域得到了广泛的认可。目前常用的瞳孔跟踪算法有:非线性滤波理论、模式和模板匹配等方法,基于模式和模板匹配的方法,只有在精确定位人眼后,先根据瞳孔的几何特征进行模式匹配,从而实现跟踪,但是该方法严重受到外界干扰环境的影响,难以保证该方法的鲁棒性以及精确性。本文首先对与跟踪有关的算法进行详细的研究,总结各个算法的优点和缺点,提出了一种基于光流法的瞳孔中心跟踪算法。首先简单介绍了与之相关的基本原理,并对瞳孔平面图象进行抽象建模。通过对源图像的去噪预处理,获得质量比较高的瞳孔图像,使用Adaboost算法对HAAR特征分类器进行训练以提取瞳孔感兴趣区域的瞳孔特征,采用金字塔光流法对视频流中的瞳孔边界特征进行逐帧跟踪,利用球面叁角基本公式和最小二乘法对这些特征点进行运算,找出新帧特征点与旧帧特征点之间的初步对应关系,接着对这些关系进行统计分析进而确定最终的对应关系并对瞳孔边界校准以及噪点修正,最后对瞳孔特征边界点进行拟合,根据拟合的结果计算瞳孔中心,从而实现瞳孔中心跟踪的目的。本人提出的瞳孔中心跟踪算法,实验结果与目前流行算法比较,降低了瞳孔跟踪算法的误识率、误拒率,提高了该算法领域的识别精确度。(本文来源于《兰州大学》期刊2016-05-01）
周永修[7]（2016）在《人眼瞳孔精确跟踪算法研究》一文中研究指出随着计算机视觉技术的飞速发展,以模式识别和目标跟踪理论为基础的瞳孔跟踪技术开始广泛被应用于人机交互、身份识别、医学、心理学等各个领域。针对传统的瞳孔跟踪算法存在的识别和跟踪精度较低,鲁棒性不高等问题,本文基于模式识别和目标跟踪等人工智能算法,提出了一种改进的瞳孔精确跟踪算法,有效提高了瞳孔识别和跟踪的计算精度及鲁棒性。本文的主要研究内容包括人眼区域检测算法、瞳孔精确定位算法和瞳孔精确跟踪算法,并利用Matlab、Visual Studio 2013、QT和OpenCV等多种软件开发平台对本文所提算法进行编程验证。首先,本文研究了人脸检测算法,对现有的人眼区域检测算法进行了研究并提出了改进方法。针对人眼区域检测算法,提出了一种通过人脸的垂直方向上的灰度梯度积分和水平方向上的人脸边缘点积分定位的方法,实现人眼区域的粗略检测,该方法具有计算简单,定位准确的特点。其次,针对传统边缘检测算子用于瞳孔定位时精度较低的缺点,本文提出了一种改进的边缘检测算法,通过对改进边缘检测算法进行Hough变换后的实验结果进行分析,证明了该算法用于瞳孔精确定位具有较高的定位精度。然后,本文研究了基于Mean-Shift算法瞳孔精确跟踪算法。针对传统Mean-Shift算法用于瞳孔跟踪时存在目标丢失的问题,提出了利用帧差法对现有的Mean-Shift算法进行改进,并用于瞳孔跟踪,解决了传统Mean-Shift算法在瞳孔跟踪时的目标丢失问题。最后,本文研究了基于加权纹理颜色特征的目标表示方法。针对传统Mean-Shift算法用于瞳孔跟踪时存在跟踪精度不高的问题,提出了一种加权纹理颜色特征的改进Mean-Shift算法用于瞳孔跟踪,有效提高了瞳孔跟踪的精度。在对传统的瞳孔定位及跟踪算法的研究基础上,本文最终实现了一种改进的瞳孔精确跟踪算法。本文将所提出的方法在Matlab和Visual Studio 2013编程平台上进行了验证,并设计了一个瞳孔检测及跟踪系统,最终可以得出结论:与传统的瞳孔精确跟踪算法相比,本文所提的方法确实具有定位和跟踪精度更高,鲁棒性更好的优点。(本文来源于《重庆理工大学》期刊2016-03-25）
张琴[8]（2016）在《基于瞳孔定位技术的视觉跟踪系统的研究》一文中研究指出设计了一款基于瞳孔定位技术的视觉跟踪系统。该系统通过安装在眼镜上的摄像头采集人眼球瞳孔运动图像,并利用硬件电路分离视频同步信号,然后将信息传送至S3C6410嵌入式处理器,处理器利用图像处理算法计算出人的瞳孔运动轨迹,从而得到人眼瞳孔的实时定位信息。该系统具有较为广泛的应用前景,可以通过人眼睛的转动来实现对各种智能化设备的控制,能够应用于残疾人智能护理、病床智能护理等实际领域。(本文来源于《微型机与应用》期刊2016年04期）
王长元,金瑞铭,田宝杰,薛鹏翔[9]（2015）在《一种基于粒子滤波的瞳孔跟踪方法》一文中研究指出视线追踪技术越来越受到国内外的重视,成为许多学科的研究热点。而其中瞳孔跟踪这一环节相当重要。粒子滤波(Particle Filter)作为处理非线性非高斯系统滤波问题的主要手段,克服了卡尔曼滤波(Kalman Filter)的缺陷,它对系统的过程噪声和观测噪声没有分布限制。而SIR(Sequential Importance Resampling)的采样方法能很好地消除传统粒子滤波方法中的粒子退化现象。论文应用基于SIR的粒子滤波方法跟踪瞳孔,实验证明该方法能够较为准确地实时跟踪瞳孔,有较高的研究和应用价值。(本文来源于《计算机与数字工程》期刊2015年11期）
吴广发,宋鸿陟,黄生辉[10]（2014）在《基于瞳孔-角膜反射技术的视线跟踪方法》一文中研究指出视线跟踪是基于多通道的人机交互技术的重要研究内容,而基于瞳孔-角膜反射技术的视线方向是目前应用最广泛的视线跟踪技术之一。瞳孔-角膜反射技术的主要目的是提取人眼图像中瞳孔-角膜反射向量作为视线方向计算模型所需的视觉信息,通过搭建红外光源设备提取瞳孔-角膜反射向量构建基于瞳孔-角膜反射技术的视线跟踪系统,为面向人机交互的视线跟踪研究提供可行的低成本解决方案。(本文来源于《现代计算机(专业版)》期刊2014年14期）
瞳孔跟踪论文开题报告范文
（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：
眼睛一直都被看作人体与外界的桥梁,不仅能够获取外界的各种信息,也能反映人体内部的一些生理和心理状态。因此,从古至今,人们对于眼球的研究与关注从未间断,而眼动仪即是对眼睛进行相关研究的一种辅助工具。作为一种检测并记录人眼相关状态的装置,现阶段眼动仪在心理学、医学、人机交互等众多的领域都有广泛的应用与研究。但是,现阶段眼动仪的使用主要还是依靠从国外进口,价格昂贵,不利于普及和推广。本文就是在此背景下,通过对软硬件技术、3D打印技术、图像处理算法等研究结合,自主研发了一整套眼动仪装置和后台软件分析系统,并采集眼动图像信号进行分析,验证了装置和相关处理算法的可行性。本文主要工作如下:(1)通过对无线技术研究分析,本文使用一种高效的路由模块,设计并制作相关电路,完成了无线视频眼动仪硬件电路的搭建,并结合使用效果,进行了改进。由3D打印技术制作产品精度高,生产流程简单,本文根据硬件电路各模块的尺寸使用立体光固化成型技术(SLA)完成了头戴式无线视频眼动仪样机的制作。然后,根据佩戴使用过程中的反馈意见,对装置进行了改进,最后的眼动仪样机能基本满足不同人群的使用要求,且外型美观、方便易携。(2)眼动仪采集图像数据在某些采集情况下不可避免附带有一定噪声,需要进行消噪处理才能进一步瞳孔定位和跟踪。去噪一直是图像处理中的研究热点,通过对非局部均值滤波算法的研究,本文对现有非局部均值(NLM)滤波提出了一种改进方法。首先使用小波阈值去噪方法,在不破坏图像质量的基础上预处理滤除部分噪声。然后运用一种自适应权函数方案,可以更好的保存图像边缘,提高非局部均值滤波的去噪效果。图像去噪之后,为了准确的提取瞳孔区域,本文对各种阈值分割方法包括最大类间方差法、基于谷底最小值分割法、最小误差法等进行研究,找出能最佳运用于红外眼动图像自适应二值分割的算法。图像二值化之后,接着使用中值滤波,四步形态学处理,去掉眼动图像的噪声和一些灯影,眉毛,眼睑等干扰物,完成了红外眼动图像的预处理。(3)对于预处理之后的眼动图像,本文开发了一种快速连通检测方法,该方法充分利用每个像素点左侧和上方一共四个像素点的连通特征。只需要对图像扫描一次,即可完成所有连通区域的检测和标记。然后根据瞳孔的形状大小等特征,对连通区域进行筛选,即可准确的找到瞳孔区域,将瞳孔连通区的外接矩形中心作为瞳孔中心进行定位。这种瞳孔定位的方法速度快,准确度高,能够应用于多帧视频的连续定位跟踪中。(4)在vc++6.0软件环境中,使用硬件电路的软件开发工具包(SDK)和在matlab中验证可行的瞳孔定位算法完成了眼动仪装置的windows平台分析系统。该软件系统能通过WiFi实现与眼动仪装置的通信及固定分辨率的红外眼动视频采集,且能够精准定位跟踪瞳孔运动。
（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。
瞳孔跟踪论文参考文献
[1].王向军,白皓月,倪育博.基于瞳孔空间形态的双眼视线跟踪方法[J].激光与光电子学进展.2019
[2].李超.无线视频眼动仪的装置设计和瞳孔跟踪算法的研究[D].重庆大学.2018
[3].王长元,张文强,薛鹏翔.粒子滤波和卡尔曼滤波组合的瞳孔跟踪方法[J].计算机与数字工程.2018
[4].张远辉,李颜,李孝禄,朱俊江.基于双眼同步运动特征约束的Kalman瞳孔跟踪算法[J].传感技术学报.2018
[5].顾可可,付威威,董月芳,许一,陈文建.基于改进轮廓跟踪的瞳孔快速检测[J].红外技术.2017
[6].于振东.基于光流法的瞳孔中心跟踪算法[D].兰州大学.2016
[7].周永修.人眼瞳孔精确跟踪算法研究[D].重庆理工大学.2016
[8].张琴.基于瞳孔定位技术的视觉跟踪系统的研究[J].微型机与应用.2016
[9].王长元,金瑞铭,田宝杰,薛鹏翔.一种基于粒子滤波的瞳孔跟踪方法[J].计算机与数字工程.2015
[10].吴广发,宋鸿陟,黄生辉.基于瞳孔-角膜反射技术的视线跟踪方法[J].现代计算机(专业版).2014