【技术实现步骤摘要】
一种基于层级随机森林的视线控制系统与方法
本专利技术涉及信息传感领域，具体涉及一种基于随机森林的视线控制系统与方法。
技术介绍
视线追踪技术，可以应用到人机交互，产品测评，辅助驾驶，交互游戏，军事战斗，心理测试等等领域。针对不同应用，就产生了两种眼动仪：头戴式和非头戴式。其中市面上的主流头戴式产品有ASLModelH6系列眼动仪，ASLModelEye系列等；市面上主流的非头戴式产品主要有Tobii系列眼动仪，SmartEye系列等。目前尚未出现一种实用可行的可以仅仅依靠网络摄像头来进行视线追踪的方法。目前除了依靠硬件设备来实现视线追踪之外，还有依赖于深度学习，神经网络来追踪视线的方法。但是这些方法往往应用于iPad等这种固定屏幕大小。正是因为固定屏幕大小，才能方便神经网络模型训练。同时目前在进行落点标定的研究中，常用的方法分为以下3种：基于非线性多项式和广义回归神经网络的视线估计方法，支持矢量回归的视线落点估计方法，基于解析头动补偿的视线估计方法等。但这些落点标定过程都比较复杂繁琐。而本专利技术提出的基于层级随机森林的视线控制方法拥有很好的通用性和可扩展性，可以...
【技术保护点】
1.一种基于层级随机森林的视线控制系统，包括视频采集模块(1)、特征提取模块(2)、特征分析模块(3)和显示模块(4)；所述视频采集模块(1)、特征提取模块模块(2)、特征分析模(3)和显示模块块(4)依此连接；其特征在于：所述视频采集模块(1)，用于采集人脸视频流；所述特征提取模块(2)，用于从采集到的人脸视频流中提取每一帧，在每一帧图片中提取人脸位置，并且进一步提取人脸中的眼部特征；所述特征分析模块(3)，用于将上述特征提取模块中的眼部特征进行分析，计算出视线在频幕上的落点位置；所述显示模块(4)，用于将用户在屏幕熵的视线落点显示出来。
【技术特征摘要】
1.一种基于层级随机森林的视线控制系统，包括视频采集模块(1)、特征提取模块(2)、特征分析模块(3)和显示模块(4)；所述视频采集模块(1)、特征提取模块模块(2)、特征分析模(3)和显示模块块(4)依此连接；其特征在于：所述视频采集模块(1)，用于采集人脸视频流；所述特征提取模块(2)，用于从采集到的人脸视频流中提取每一帧，在每一帧图片中提取人脸位置，并且进一步提取人脸中的眼部特征；所述特征分析模块(3)，用于将上述特征提取模块中的眼部特征进行分析，计算出视线在频幕上的落点位置；所述显示模块(4)，用于将用户在屏幕熵的视线落点显示出来。2.根据权利要求1所述的基于层级随机森林的视线控制系统，所述视频采集模块(1)包括视频采集单元(11)与指示单元(12)；所述视频采集单元(11)用于采集人脸视频流，并将采集到的视频流传输至特征提取模块(2)；所述指示单元(12)用于指示目前视频采集单元处于工作状态或者非工作状态。3.根据权利要求1所述的基于层级随机森林的视线控制系统，所述特征提取模块(2)包括头部位置测量单元(21)与眼部特征提取单元(22)；所述头部位置测量单元(21)用于测量被测人头部与上述采集模块的相对位置；眼部特征提取单元(22)用于提取上述眼球轮廓特征，眼球轮廓特征为眼球轮廓在视频中的相对位置；所述的头部与采集模块的相对位置与眼球轮廓特征将被传输至特征分析模块(3)。4.根据权利要求1所述的基于层级随机森林的视线控制系统，所述特征分析模块(3)包括随机森林模型单元(31)、模型选择单元(32)与视线落点预测单元(33)；所述随机森林模型单元(31)存有预先训练好的不同头部相对位置与眼球轮廓特征的随机森林模型；模型选择单元(32)用与将上述特征提取模块传递的头部相对位置与上述随机森林模型单元中的每一个模型进行比较，寻找最相似的模型；视线落点预测单元(33)则使用上述模型选择单元选择的最佳模型，将上述特征提取模块(2)传递的眼球轮廓特征进行分析，得出视线落点，并将所得视线落点传递至显示单元(4)。5.根据权利要求1所述的基于层级随机森林的视线控制系统，所述显示模块(4)包含指示光标单元(41)与显示单元(42)；指示光标将显示在显示单元上，代表用户视线的落点位置。6.一种基于层级随机森林的视线控制方法，采用权利要求书1所述的基于层级随机森林的视线控制系统进行操作，其特征在于具...
【专利技术属性】
技术研发人员：姚宇巍，王江锋，尹悦，丁艳红，隋秀娟，张新鹏，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。