摘要：高精度眼动记录技术现已非常成熟,但昂贵的价格限制了当前商用眼动仪的应用范围,发展灵活、低成本的眼动记录系统将是眼动跟踪技术的重要研究方向。本文设计了一种低成本、低侵入性的耳麦式眼动记录系统。系统由两个普通CMOS摄像机及耳麦式支架构成,两个摄像机分别记录注视场景图像及人眼图像,成本仅为当前商用眼动仪的几百分之一。针对系统采集的数据,提出一种分段加权环形Hough变换算法提取虹膜轮廓及中心作为特征,采用支持向量回归(SVR)算法估计注视点与特征点位置的映射关系。设计了一种简便的标记注视点坐标的方法,实现注视估计。实验结果表明,对场景图像中随机位置的注视方向估计平均误差为1.57°,表明低成本眼动仪可以满足日常交互需求。

摘要：设计了一个单摄像机、单红外光源的视线估计系统.利用了眼角的位置信息,提出了利用USM锐化粗定位和Gabor眼角滤波器精确定位的两步定位眼角的方法;针对传统的利用瞳孔普尔钦斑点向量进行多项式拟合在头部运动时估计精度下降的问题,提出了利用内眼角间距对普尔钦斑点向量进行矫正,并采用支持向量回归建立眼部特征参数与多项式拟合误差之间的关系,进行误差补偿;结合精确定位的眼角位置,建立了二维眼部特征与屏幕坐标之间的映射关系.实验表明,该方法实现了一定范围内头部自由运动下精确的视线估计.

摘要：文章提出了一种基于差分卷积神经网络的自适应视线估计模型。在模型中,融入头部姿态信息,利用差分卷积设计了一种差分网络(Differential Network,DNet),通过训练该网络来预测眼睛的凝视差异,用以校准初步视线估计结果,进而降低视线估计误差。通过在公开数据集Eyediap上进行验证,并与其他性能良好的视线估计模型进行比较,结果均表明所提出的视线估计模型在头部自由运动的状态下可以更准确地估计视线方向。

摘要：基于表观的视线估计方法主要是在二维的三原色(red green blue,RGB)图像上进行,当头部在自由运动时视线估计精度较低,且目前基于卷积神经网络的表观视线估计都普遍使用池化来增大特征图中像素点的感受野,导致了特征图的信息损失,提出一种基于膨胀卷积神经网络的多模态融合视线估计模型。在该模型中,利用膨胀卷积设计了一种叫GENet(gaze estimation network)的网络提取眼睛的RGB和深度图像的特征图,并利用卷积神经网络的全连接层自动融合头部姿态和2种图像的特征图,从而进行视线估计。实验部分在公开数据集Eyediap上验证了设计的模型,并将设计的模型同其他视线估计模型进行比较。实验结果表明,提出的视线估计模型可以在自由的头部运动下准确地估计视线方向。

摘要：为了提高随机森林算法在驾驶员视线估计任务中的分类准确率,设计了一种改进的随机森林模型。首先提取驾驶员的头部姿态特征和眼睛特征;然后通过高斯混合聚类模型对驾驶员特征进行预处理,增加随机森林决策树之间的独立性;并在随机森林建树完成后给予各决策树相应的权重以提高分类效果较好决策树的分类权重。仿真实验表明:改进随机森林算法对驾驶员常用的13个视线区域的平均识别率可以达到93.47%,高于传统随机森林的分类效果。

摘要：设计并实现了一种低成本硬件条件下的视线估计系统,该系统的视线估计模型采用瞳孔角膜反射法,对用户干扰小,允许用户头部移动。系统由视频采集、瞳孔中心和反射光斑中心提取、视线估计三部分组成。针对系统中低成本硬件导致的图像质量不高、瞳孔图像分辨率低以及光照变化等情况,设计了实时、精确的瞳孔中心、反射光斑中心提取方法。该方法首先将粗定位与精确定位相结合,得到人眼瞳孔图像;再利用灰度膨胀、卷积操作增强反射光斑,提取出反射光斑中心;然后通过一定的预处理,融合边缘提取、边缘过滤以及椭圆拟合,得到瞳孔中心;最后经过后处理滤去异常值。对视线估计系统进行测试,结果发现:视线估计平均均方根误差为12 mm,满足某些应用的基本需求。该系统降低了对硬件的要求,有利于实际应用。

摘要：使用角膜瞳孔反射法的眼动跟踪仪相比基于表观的方法具有较高的视线估计精度,在人机交互、AR/VR等领域具有较大的实际应用价值。但是角膜瞳孔反射法受制于角膜非球面的影响,需要光源距离较近,从而限制普尔钦斑处于逼近球面的角膜区域。但光源距离太近又会放大计算的误差,所以针对眼动跟踪仪的硬件结构缺乏量化设计指导的问题,提出了一种光源布局优化方法。通过计算机仿真的手段,建立了角膜的非球面几何模型,理论分析了不同光源布局下的平均视线估计精度,然后通过由粗到精的方式,优化求解得到最优光源布局,抑制了非球面角膜带来的影响。最后以两类典型的设备为例,在典型参数下分别讨论了头戴式和遥测式的最优双光源布局,结果可作为典型硬件设计的理论参考。

摘要：课堂是教育教学的核心阵地,对教师在课堂上的教学环节进行过程化监测和评价是提高课堂教学质量的有效途径。然而,现有基于人工的评价模式存在评价效率低下、易干扰课堂教学、主观误差等缺点,难以达到理想的效果。鉴于人工智能技术的快速发展,提出将以人为中心的智能感知与分析技术引入教师的教学过程中,对教师主体进行实时识别与分析。首先,通过人脸检测算法定位教师实时位置并进行位移分析;其次,利用视线估计算法对教师的关注区域进行检测;最后,采用基于骨架点的动作识别和表情识别对教师的动作和表情进行感知与分析。同时,对指标进行量化统计,以更为高效、客观地了解教师的教学特点,从而帮助教师针对性地改善其授课质量。在相同配置环境下的实验结果表明,该系统的各模块在相应任务中的表现较好,符合教学场景下的使用要求。从在真实的教学视频上的测试结果来看,所设计的系统能够较为准确地感知教师的教学状态,为提升授课质量提供建设性意见。

摘要：针对现有算法在解决无人机(UAV)协同跟踪过程中的实时视觉跟踪性能不足等问题,利用单目视觉技术在自主检测和跟踪运算处理强度,避障路径决策等提出了一种基于机器视觉自主检测和协同跟踪算法。该算法利用模板匹配(TM)和形态滤波(MF)混合算法,确保环境照明条件和背景变化的性能稳定下,通过限制覆盖的搜索区域来减少计算量,提高计算效率并优化检测策略,减少错误报警和遗漏检测。通过特定无人机仿真试验数据分析,验证检测和跟踪算法的可行性,表明无人机在特定环境下的跟踪检测性能得到显著提高。

摘要：眼动跟踪数据的准确度直接影响后续模型设计的可靠性和泛化能力,然而收集准确的基准数据十分困难。目前该领域没有统一的预处理方法,致使后续任务的算法比较缺乏一致的基准数据。在反射立体视觉基础上,基于虚拟相机透视投影变换的数据集校正方法可实现数据的预处理。在MpiiFaceGaze数据集上,对样本进行标准化后,结果表明可以获得更准确的眼动数据和更平滑均匀的样本分布。在Alexnet和Resnet模型上,输出性能提高20%以上。