一种基于Haar分类器的眼动跟踪方法技术

本发明专利技术公开了一种基于Haar分类器的眼动跟踪方法，首先使用Haar‑like特征进行人脸检测，在人脸检测的输出结果区域内进行瞳孔检测，最终确定瞳孔中心位置，并通过线性回归拟合固定头部支架之后的瞳孔中心与注视点的匹配关系，从而计算出观察者视觉注意力区域。该方法漏检率低、精确度高，算法的实时性高，且无需使用昂贵的眼动仪等设备，也不会对人眼造成伤害；另外，该方法可以用于各类视觉注意力跟踪场景，如人机交互技术、医学诊断、心理研究、计算机视觉等，适用范围广。

An Eye Tracking Method Based on Haar Classifier

The invention discloses an eye tracking method based on Haar classifier. Firstly, face detection is carried out by using Haar like feature, pupil detection is carried out in the output area of face detection, pupil center position is finally determined, and matching of pupil center and fixation point after fixing head bracket is fitted by linear regression. The relationship is used to calculate the visual attention area of the observer. This method has low miss detection rate, high accuracy, high real-time performance, and does not need expensive eye movement equipment, nor does it cause harm to human eyes. In addition, this method can be used in various visual attention tracking scenarios, such as human-computer interaction technology, medical diagnosis, psychological research, computer vision and so on, with a wide range of applications.

【技术实现步骤摘要】
一种基于Haar分类器的眼动跟踪方法
本专利技术涉及一种基于Haar分类器的眼动跟踪方法，属于图像处理和脑神经科学的交叉

技术介绍
在中国传统的认知学中，有一句话叫做眼睛是心灵的窗口，认知心理学认为人们的很多心理活动规律都可以通过眼睛来表达和为人探知。在日常的生产活动和社会交往中，人的信息输入和认知在很大程度上都来源于视觉信息的感知，据统计，人们通过眼睛可以获得所需信息数据的80％-90％，很多研究人员都试图研究通过探知人眼活动规律和人们眼睛关注的位置来获取视觉感知信息。为此，国内外始终有相当数量的研究机构和研究人员一直从事人眼运动目标识别和追踪的研究活动。眼动跟踪问题的研究在上世纪30年代时就被提出了，但是经历了一个长期的发展过程才成熟起来。在生理心理学出现的中世纪，中东的阿拉伯人对数学和实验光学进行研究，通过改良观察仪，提出了视觉理论。同一时期，《KitabalManazir》—一本关于生理光学，首次提出中心和边缘视觉的书风靡生理心理学界，人们开始意识到了眼动的重要作用。之后，经历了一段沉寂，关于眼动的学术和实验活动才又逐渐活跃起来。在过去，眼动跟踪采用的方法非常繁琐，本文档来自技高网...

【技术保护点】
1.一种基于Haar分类器的眼动跟踪方法，其特征在于，包括如下步骤：(1)利用Haar分类器对实时图像进行人眼检测；(2)获取观察者所处的位置信息；(3)利用人眼检测结果和观察者所处的位置信息计算观察者视觉注意力区域。

【技术特征摘要】
1.一种基于Haar分类器的眼动跟踪方法，其特征在于，包括如下步骤：(1)利用Haar分类器对实时图像进行人眼检测；(2)获取观察者所处的位置信息；(3)利用人眼检测结果和观察者所处的位置信息计算观察者视觉注意力区域。2.根据权利要求1所述的基于Haar分类器的眼动跟踪方法，其特征在于，所述步骤(1)中，对实时图像进行人眼检测的具体步骤如下：(1.1)计算人眼部位的矩形特征：V＝R1-R2(1)其中，V为矩形特征在该图像区域的计算值，R1和R2分别代表矩形特征中白色区域特征和黑色区域特征，其中Ri的计算公式为：Ri＝∑m,n∈Ri,i＝{1,2}r(m,n)(2)其中，r(m,n)为白色区域或黑色区域中像素点的值，m和n分别代表矩形特征区域的竖坐标和横坐标；(1.2)采用和面积表来计算矩形特征图的值，其中对于整幅图像中的某一块区域，和面积表的计算方公式为：SABCD＝E(A)+E(C)-E(B)-E(D)(3)其中，E(A)、E(B)、E(C)、E(D)分别代表所求区域左上点、右上点、左下点、右下点的和面积表；(1.3)在眼睛矩形特征的基础上生成10-20个弱分类器，然后使用AdaBoost将其级联为强分类器。3.根据权利要求2所述的基于Haar分类器的眼动跟踪方法，其特征在于，所述步骤(1.3)中，生成若干弱分类器并级联为强分类器的步骤包括如下：先从初始训练数据集训练出一个基本分类器；再根据基本分类器的性能对训练样本分部进行调整，增加上一轮迭代时被误分类样本的权重；基于调整后的样本权重训练下一个分类器；重复上述步骤，直到分类器数量达到预先设置的数量。4.根据权利...

【专利技术属性】
技术研发人员：徐新，滕鑫，穆楠，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北,42