摘要：基于视线跟踪的人机交互技术具有便捷性和快速性,可实现视线与计算机交互的目的。基于头戴式头盔视线跟踪系统,提出了一种分级瞳孔定位方法。为消除各种干扰因素对瞳孔定位的影响,首先利用图像二值化方法获取瞳孔区域,并进行最小外接椭圆的计算,然后利用瞳孔区域与最小外接椭圆的交叠区域与瞳孔区域的面积比值,判断是否为完整瞳孔。如果是不完整的瞳孔,则利用粒子群优化(PSO)算法和椭圆周差分算子在图像中搜寻最优椭圆位置,将其作为最终的瞳孔轮廓。基于视线跟踪系统的实验结果表明,该方法兼顾了速度和精度,是实现复杂环境下瞳孔定位的一个有效策略。

摘要：为了简化头戴式视线跟踪系统中的标定过程,提出一种无需添加任何硬件的、基于虹膜识别的一次标定方法.使用者只需在第一次使用头戴式视线跟踪系统时进行标定,再次使用时,系统会自动进行虹膜识别,调出使用者第一次标定时的眼部图像数据来计算当前眼部图像与标定时的眼部图像的相对偏转角和偏移量,得到使用者当前的标定参数.实验结果表明,该方法可以在不影响系统原有精度的条件下,省去使用者每次使用视线跟踪系统时都需要进行的烦琐的标定过程,大大简化了系统的标定,降低了系统的使用复杂度.

摘要：针对现有的视线跟踪技术设备复杂、对姿势限制过多、要头部佩戴专用设备等方面的不足,提出一种实现视线跟踪技术的新方法,采用5个近红外光灯作为角膜反射的光源。该方法不需要带任何头戴设备,并且能适应头部的自然运动,设计的算法计算出来的视线位置精度较高。提出一种新的瞳孔边缘拟合方案,循环拟合剔除假点,最终得到精确的瞳孔中心,提高了映射的精度。利用图像的灰度进行人眼的初定位,快速而准确。利用交比不变原理进行坐标映射,精确计算出注视坐标。

摘要：为了给增强现实系统提供一种直接、自然及双向的交互手段,本文将视线跟踪技术和增强现实技术相结合,提出了基于视线跟踪的增强现实集成原型系统,该系统既能跟踪用户的视线方向,获得用户在场景的感兴趣区域,又能体现增强现实系统的特点。针对集成系统的基本要求,结合光学透视式头盔显示器的虚拟摄像机模型,详细介绍了系统的原理,光路设计和虚拟信息注册算法。实验结果表明,集成系统达到了良好的人机交互效果,为视线跟踪与增强现实技术的广泛应用奠定了良好的基础。

摘要：针对基于3D人眼模型的视线跟踪技术进行了综述.首先对视线跟踪技术及其常见应用进行了概述;然后简单阐述了现有视线跟踪方法及其分类;重点分析基于3D人眼模型的视线跟踪方法,并根据硬件配置的不同,将基于3D人眼模型的方法分为单摄像头无光源、单摄像头单光源、单摄像头多光源、多摄像头多红外光源及基于RGB-D摄像机5类进行概述,对比分析了现有的基于3D人眼模型的视线跟踪技术;最后对基于3D人眼模型的视线跟踪技术的难点及发展趋势进行了简单的分析与总结.

摘要：给出了采用瞳孔-角膜反射向量法的实时视线跟踪系统总体结构及软件设计。首先简要介绍了系统装置组成及工作流程。随后详细说明了软件中的算法实现,包括角膜反射亮斑提取、瞳孔中心提取,摄像机系统匹配等关键算法。软件原型由VC++6.0结合OpenCV计算机视觉库编程实现。实验结果表明:该系统实时跟踪误差小于1°,并具有较好的鲁棒性。

摘要：针对大椭圆轨道卫星交会高轨卫星期间的相对姿态指向控制需求,提出了一种采用混合执行机构的快速、高精度视线跟踪姿态控制的方法.首先根据相对姿态控制流程设计了执行机构的配置,结合采用喷气推力器和角动量交换装置卫星的姿态动力学模型,推导了用相对四元数描述的视线运动学方程.其次,针对交会快速接近段的姿态快速机动要求设计了一种喷气相平面控制律,针对最近交会段的高精度高稳定度视线跟踪要求设计了一种鲁棒滑模控制律.最后设置了一个算例,仿真结果表明:相对距离100 km以内快速交会阶段的视线跟踪控制精度达0.005 3°,从而验证了整套控制算法的有效性.

摘要：针对目前国内视线跟踪技术存在的问题,提出一种不限制人头部运动的视线跟踪方法。此方法利用视频图像处理技术分别计算注视方向相对于头部坐标系和头部相对于空间坐标系的方位信息,并将其叠加得到视线注视方向。将此方法用于头盔瞄准具可改变以往利用头部方位瞄准目标的模式,提升作战能力。实验结果表明,此方法原理简单,运算量小,有着广阔的应用前景。

摘要：学习者的面部表情是教师获得教学反馈信息的重要来源之一。表情识别利用计算机识别人脸表情,了解人的心理状态;视线跟踪则根据眼睛的特征和位置来判别注视的区域。二者的结合可以较好地弥补远程学习者对学习内容的表情反馈信息缺失方面的不足。但国内尚未查到将表情识别与视线跟踪相结合作为表情反馈信息收集方法的公开文献。为此,文中提出基于表情识别和视线跟踪技术的智能教学系统结构模型;构建学习相关表情库的方案;并设计表情识别与视线跟踪相结合获取反馈信息的技术框架。

摘要：视线跟踪是人机互动技术中重要的组成部分,可以广泛地应用在机器人、手机、笔记本等设备中。针对传统方法在低分辨率图像上的准确率不高和设计步骤繁琐等问题,提出一种基于深度神经网络的视线跟踪算法。利用卷积神经网络,能快速且准确地定位输入图片上的人眼区域和虹膜中心位置,再利用多项式拟合估计视线方向。实验结果表明,该算法在MPIIGaze数据库中对虹膜中心和眼角位置的标定有着98%的准确性,在Swith数据库中对视线的估计准确率达到了90%左右,证明了该算法在低分辨率图像上有着良好的可行性。