一种基于视频处理的视线追踪方法技术

一种基于视频处理的视线追踪方法属于计算机视觉领域；包括通过单摄像头采集人图像信息；用直方图均衡化增强所述人图像的对比度，进行双线性插值算法，放大图像，通过高斯滤波处理所有图像像素点，完成图像的预处理；对预处理后的图像用Haar‑like矩形特征显示图像灰度变化，利用积分图算法计算区域像素和，通过AdaBoost算法进行人脸的检测与定位；根据“三庭五眼”的人脸比例，计算出眼睛位置；通过图像梯度算法确定出瞳孔中心；通过比较左右眼瞳孔中心与近眉心眼眶的距离来确定视线方向；本发明专利技术通过单摄像头获取图像信息，利用图像处理技术和算法来确定视线方向，有较高的准确率和较强的实时性，本发明专利技术解决了硬件要求高，用户体验差的技术问题。

【技术实现步骤摘要】
一种基于视频处理的视线追踪方法
本专利技术属于计算机视觉领域，尤其涉及一种基于视频处理的视线追踪方法。
技术介绍
人类正在步入信息时代，计算机越来越多的应用于各个领域，人机交互作为一种人与计算机对话的技术，越来越被人们所重视。视线追踪技术是人机交互的方式之一，其主要利用机械电子、光学等各种检测方法获取用户眼睛的注视方向，视线追踪技术广泛应用于解剖学、神经学、心理学和行为学等领域，且近年来，人们将视线追踪引入到信息领域，并且结合机器视觉、图像处理及生物特征检测与识别等技术。目前测量眼睛运动情况的方法主要有：机械记录法、电流记录法、电磁记录法和光学记录法，其中机械记录法和电磁记录法在眼睛周围需要附着辅助设备用于测量眼睛运动情况；电流记录法则需要在眼睛周围放置电极用于测量眼睛运动情况；光学记录法需要用照相机或者摄像头记录用户的眼动运动情况。这几种测量眼睛运动情况的方法对硬件要求高，用户体验差。
技术实现思路
本专利技术克服了上述现有技术的不足，提供一种基于视频处理的视线追踪方法，通过采用单摄像头提取图像，然后对提取的图像进行处理的方法来完成视线追踪，实现了人与计算机的交互，本专利技术具有非接触和抗干扰能力强的优点，与其他视线追踪方法相比较，不需要其他硬件设施，通过摄像头就可以完成视线追踪过程，符合大多数人的需求，并且有较高的准确率和较强的实时性，本专利技术解决了硬件要求高，用户体验差的技术问题。本专利技术的技术方案：一种基于视频处理的视线追踪方法，包括以下步骤：步骤a、通过单摄像头采集人图像信息；步骤b、用直方图均衡化增强所述人图像的对比度，运用双线性插值算法，放大图像，通过高斯滤波处理所有图像像素点，完成图像的预处理；步骤c、对预处理后的图像用Haar-like矩形特征显示图像灰度变化，利用积分图算法计算区域像素和，通过AdaBoost算法进行人脸的检测与定位；步骤d、根据“三庭五眼”的人脸比例，计算出眼睛位置；步骤e、通过图像梯度算法确定出瞳孔中心；步骤f、通过比较左右眼瞳孔中心与近眉心眼眶的距离来确定视线方向。进一步地，步骤b中所述直方图均衡化的方法包括计算原始图像的直方图分布，计算直方图的累计分布函数，用累计分布函数作为变换函数进行图像的灰度变换。进一步地，步骤b中所述高斯滤波是通过离散化窗口卷积来进行除噪。进一步地，步骤c中所述Haar-like矩形特征利用模板矩形中的白色矩阵像素和减去黑色矩阵的像素和来计算矩形像素，利用人眼部位置区域与周围其他部位的灰度值进行比较，并且对差比较大处进行检测。进一步地，步骤c中所述积分图算法是计算特征矩形的端点积分图，将端点的像素值进行简单的加减运算，得到特征值，矩阵特征的特征值计算速度大大提高，也提高了检测速度。进一步地，步骤c中所述AdaBoost算法包括初始化训练数据的权值分布，训练每一个弱分类器，将所有经过训练后的弱分类器组合成一个强分类器。进一步地，步骤d中所述计算出眼睛位置的方法包括根据三庭五眼的人脸比例，设置眼眶的大小及眼眶在人脸的具体位置，眼眶的宽为脸框宽度的0.35倍，高度为脸框高度的0.3倍，左眼眼眶的左边距离为脸框宽度的0.13倍，左眼眼眶的上边距离为脸框高度的0.25倍，从而确定眼睛的位置。进一步地，步骤e中所述图像梯度算法是指计算图像中每一点与图像中另外每一点形成的梯度，并进行求和，然后遍历图像中的每一个像素点，梯度值最大的位置就是瞳孔中心点。进一步地，步骤f中所述确定视线方向的方法包括左眼瞳孔中心与近眉心眼眶的距离和右眼瞳孔中心与近眉心眼眶的距离，并且通过判定两个距离的大小，判断视线方向是向左还是向右。本专利技术相对于现有技术具有以下有益效果：本专利技术公开了一种基于视频处理的视线追踪方法，通过采用单摄像头提取图像，然后对提取的图像进行处理的方法来完成视线追踪，实现了人与计算机的交互，本专利技术具有非接触和抗干扰能力强的优点，与其他视线追踪方法相比较，不需要其他硬件设施，通过摄像头就可以完成视线追踪过程，符合大多数人的需求，并且有较高的准确率和较强的实时性，本专利技术解决了硬件要求高，用户体验差的技术问题。附图说明图1是本专利技术的流程示意图；图2是直方图变换函数图；图3是双线性插值图；图4a是四种边缘特征比较图；图4b是八种线性特征比较图；图4c是两种中心环绕特征比较图；图4d是一种特定方向特征图；图5是眼眶在人脸的位置图；图6是瞳孔中心梯度模型图；图7是视线方向判定模型图。具体实施方式以下将结合附图对本专利技术进行详细说明。具体实施方式一一种基于视频处理的视线追踪方法，如图1所示，包括以下步骤：步骤a、通过单摄像头采集人图像信息；步骤b、用直方图均衡化增强所述人图像的对比度，运用双线性插值算法，放大图像，通过高斯滤波处理所有图像像素点，完成图像的预处理；步骤c、对预处理后的图像用Haar-like矩形特征显示图像灰度变化，利用积分图算法计算区域像素和，通过AdaBoost算法进行人脸的检测与定位；步骤d、根据“三庭五眼”的人脸比例，计算出眼睛位置；步骤e、通过图像梯度算法确定出瞳孔中心；步骤f、通过比较左右眼瞳孔中心与近眉心眼眶的距离来确定视线方向。其中人图像信息的采集是本专利技术的基础，摄像头主要是作为人机交互的接口，图像的预处理主要是对于采集的图像进行直方图均衡化来增加图像的对比度，然后运用双线性插值算法，放大图像，最后选择采用高斯滤波来进行除噪点，处理所有的图像像素点；人脸检测与定位中首先采用Haar-like矩形特征反映图像灰度的变化情况，然后采用积分图算法通过减少计算量的方式，极大的提高了人脸检测与定位速度，最后采用AdaBoost算法的级联分类器进行人脸的检测与定位；眼部定位的算法根据“三庭五眼”的人脸比例，确定出眼睛位置；瞳孔中心的定位算法采用图像梯度算法确定出瞳孔中心；通过比较左右眼瞳孔中心与近眉心眼眶的距离来确定视线方向。“三庭五眼”是人的脸长与脸宽的一般标准比例，把头部长度分为三等分，把头的宽度分为五等分。三庭指脸的长度比例，把脸的长度分为三个等分，从前额发际线至眉骨，从眉骨至鼻底，从鼻底至下颏，各占脸长的1/3。五眼指脸的宽度比例，以眼形长度为单位，把脸的宽度分成五个等分，从左侧发际至右侧发际，为五只眼形。具体实施方式二在具体实施方式一的基础上，步骤b中所述直方图均衡化的方法包括计算原始图像的直方图分布，计算直方图的累计分布函数，用累计分布函数作为变换函数进行图像的灰度变换。通过直方图均衡化，来增强图像的对比度，很多图像的直方图分布集中在一个比较窄的区间，图像反差很弱，很多的细节都模糊不清，可以通过一个变换函数让该图像的直方图分布呈现均匀的形式，将图像进行增强。将一幅图像的灰度进行归一化处理，让其灰度等级分布在0～1区间，如图2所示，为直方图变换函数：图2中横坐标r表示灰度等级，纵坐标s(0≤s≤1)表示经直方图变换函数处理后的灰度值，T(r)表示灰度变换函数。正常情况下，处理的都是图像离散情形，其详细步骤如下：第一步，计算原始图像的直方图分布，具体公式为：其中rk表示归一化后的输入图像灰度等级，用Pr(rk)代表Pr(r)，其中,0≤rk≤1,k＝0,1,2,…,n-1，式中nk为图像中出现rk这种灰度的像素数,n是图像中的像素总数,而就是概率论本文档来自技高网...

【技术保护点】
1.一种基于视频处理的视线追踪方法，其特征在于，包括以下步骤：步骤a、通过单摄像头采集人图像信息；步骤b、用直方图均衡化增强所述人图像的对比度，运用双线性插值算法，放大图像，通过高斯滤波处理所有图像像素点，完成图像的预处理；步骤c、对预处理后的图像用Haar‑like矩形特征显示图像灰度变化，利用积分图算法计算区域像素和，通过AdaBoost算法进行人脸的检测与定位；步骤d、根据“三庭五眼”的人脸比例，计算出眼睛位置；步骤e、通过图像梯度算法确定出瞳孔中心；步骤f、通过比较左右眼瞳孔中心与近眉心眼眶的距离来确定视线方向。

【技术特征摘要】
1.一种基于视频处理的视线追踪方法，其特征在于，包括以下步骤：步骤a、通过单摄像头采集人图像信息；步骤b、用直方图均衡化增强所述人图像的对比度，运用双线性插值算法，放大图像，通过高斯滤波处理所有图像像素点，完成图像的预处理；步骤c、对预处理后的图像用Haar-like矩形特征显示图像灰度变化，利用积分图算法计算区域像素和，通过AdaBoost算法进行人脸的检测与定位；步骤d、根据“三庭五眼”的人脸比例，计算出眼睛位置；步骤e、通过图像梯度算法确定出瞳孔中心；步骤f、通过比较左右眼瞳孔中心与近眉心眼眶的距离来确定视线方向。2.根据权利要求1所述一种基于视频处理的视线追踪方法，其特征在于，步骤b中所述直方图均衡化的方法包括计算原始图像的直方图分布，计算直方图的累计分布函数，用累计分布函数作为变换函数进行图像的灰度变换。3.根据权利要求2所述一种基于视频处理的视线追踪方法，其特征在于，步骤b中所述高斯滤波是通过离散化窗口卷积来进行除噪。4.根据权利要求1所述一种基于视频处理的视线追踪方法，其特征在于，步骤c中所述Haar-like矩形特征利用模板矩形中的白色矩阵像素和减去黑色矩阵的像素和来计算矩形像素，利用人眼部位置区域与周围其他部位的灰度值进行比较，并且对差比较大处进行检测。5.根据权利要...

【专利技术属性】
技术研发人员：王鹏，董鑫，郭小霞，姚刚，梁金伟，姜玉良，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23