一种基于量化最小残差熵准则的人眼注视点估计方法技术

本发明专利技术公开了一种基于量化最小残差熵准则的人眼注视点估计方法，属于机器视觉领域；主要包含以下步骤：1、人脸图像提取；2、人眼图像精确提取及对齐；3、人眼特征提取及降维；4、人眼注视点位置估计；本发明专利技术方法能在不同环境下在保证估计精度的同时大大缩短估计时间，从而保证估计过程的时效性。

【技术实现步骤摘要】
一种基于量化最小残差熵准则的人眼注视点估计方法
本专利技术涉及人机交互的注视点估计领域，具体涉及基于量化最小残差熵准则的人眼注视点估计方法。
技术介绍
随着时代的发展，人眼注视点估计技术在实际生活中得到广泛的应用，它已经成为很多领域的重要研究对象。目前人眼注视点技术在各种各样的学科中都得到了广泛的应用，包括认知科学、心理学(特别是心理语言学、视觉世界的范式、人机交互(Human–ComputerInteraction，HCI)、市场研究和医学研究(神经诊断)等等。尽管人眼注视点估计技术已经得到广泛应用，但仍然面临着诸多问题。如：估计精度仍有待提高，对场景依赖性强，估计速度也相对较慢等等。所以进一步提高估计算法的速度仍是研究者们非常感兴趣的问题之一。
技术实现思路
本专利技术的目的是进一步提高人眼注视点估计技术的速度，提供了一种基于量化最小残差熵准则的人眼注视点估计方法，该方法能在保证估计精度的同时，大幅提高估计算法的实时性。为了达到上述目的，本专利技术采用如下技术方案：一种基于量化最小残差熵准则的人眼注视点估计方法，该方法只需要一个普通摄像头以及在屏幕上均匀标定少量的点，具体步骤如下：步本文档来自技高网...

【技术保护点】
1.一种基于量化最小残差熵准则的人眼注视点估计方法，其特征在于：该方法只需要一个摄像头以及在屏幕上均匀标定少量的点，具体步骤如下：步骤1：人脸图像提取：采用基于AdaBoost算法的人脸检测方法对人脸图像进行检测及提取，得到人脸图像；步骤2：人眼图像精确提取及对齐：在经过步骤1对人脸图像进行提取后，采用亚像素级别边缘检测及仿射变换对人眼进行精确提取和对齐；具体方法为：首先采用基于Haar‑like特征的Viola‑Jones人眼检测算法从由步骤1得到的人脸图像中完成人眼图像的粗提取；其次利用基于Log算子的边缘检测得到人眼精确轮廓并提取；最后对得到的人眼精确轮廓图像进行对齐操作，对齐操作主要是...

【技术特征摘要】
1.一种基于量化最小残差熵准则的人眼注视点估计方法，其特征在于：该方法只需要一个摄像头以及在屏幕上均匀标定少量的点，具体步骤如下：步骤1：人脸图像提取：采用基于AdaBoost算法的人脸检测方法对人脸图像进行检测及提取，得到人脸图像；步骤2：人眼图像精确提取及对齐：在经过步骤1对人脸图像进行提取后，采用亚像素级别边缘检测及仿射变换对人眼进行精确提取和对齐；具体方法为：首先采用基于Haar-like特征的Viola-Jones人眼检测算法从由步骤1得到的人脸图像中完成人眼图像的粗提取；其次利用基于Log算子的边缘检测得到人眼精确轮廓并提取；最后对得到的人眼精确轮廓图像进行对齐操作，对齐操作主要是对所得人眼精确轮廓图像进行如下仿射变换：在上述公式中，(x0，y0)为变换前的像素点位置，(x，y)为仿射变换后对应像素点的坐标，θ为旋转角度；步骤3：人眼特征提取及降维：在经过步骤2对人眼图像精确提取及对齐后，采用HoG特征提取算法对所得图像进行特征提取，再利用KL散度算法对人眼图像的HoG特征进行降维操作，使得人眼特征空间降维后与注视点空间更加相似；为了更好学习度量测速，采用欧氏距离表示空间的距离测度关系，即：D(i，j)＝||i-j||2，具体方法为：假设对于训练样本集，定义训练样本之间的条件分布如下：上式中D(i，j)＝||i-j||2表示空间位置(i.j)之间的距离测度关系，D(i，k)表示(i.k)之间的距离测度关系，k表示不同样本的编号；假设Ψ，Ω，Γ分别代表注视点空间、人眼特征空间以及人眼特征投影空间，人眼特征投影空间和注视点空间的条件分布如...

【专利技术属性】
技术研发人员：张雪涛，杨奔，陈霸东，姜沛林，王飞，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61