一种基于注视点估计的屏幕保护方法技术

本发明专利技术公开了一种基于注视点估计的屏幕保护信息方法，该方法可以根据人的头部姿态以及眼部特征确定视线的方向以及视线与屏幕注视点的坐标，从而确定用户的注意力是够集中在电脑屏幕之上，以此判断是否将屏幕锁定保护电脑信息不泄漏。提高了银行金融系统信息的安全性，提升了用户的体验。提升了用户的体验。

【技术实现步骤摘要】
一种基于注视点估计的屏幕保护方法


[0001]本专利技术涉及智能屏幕信息保护
，更具体的说是涉及一种基于注视点估计的屏幕保护方法。

技术介绍

[0002]目前，屏幕保护是电子设备使用过程当中一项非常重要的保护信息安全，防止数据泄漏的重要手段。在日常使用过程当中屏幕保护当中使用的多为操作系统自带锁屏程序，或其他外部锁屏程序，程序大多是根据电脑无人操作时间的长短来确定屏幕的锁定状态，当电脑在一定的时间内无人操作的情况下屏幕才会锁定，或者需要操作人员主动进行屏幕锁定操作。
[0003]这种屏幕保护方法，存在一定的缺陷，当电脑操作人员离开电脑时间过短或或没有主动进行锁屏操作的情况之下，存在电脑信息被他人恶意盗取的情况，对于金融行业来说员工的办公，操作电脑存有大量的客户隐私信息，电脑信息的泄漏可能会造成严重的后果。
[0004]因此，如何实现一种准确的即时的，能够做到人员离开屏幕立即锁定的屏幕保护程序是本领域亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于注视点估计的屏幕保护方法,该方法可以根据人的眼球以及眼部特征确定视线的方向以及视线与屏幕注视点的坐标，从而确定电脑操作用户的视线是否停留在屏幕之上，确定视线不在电脑屏幕之上后，自动启动屏幕锁定，解决了现有屏幕保护方案锁屏不及时，信息容易泄露的问题。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种基于注视点估计的屏幕保护方法，该方法包括：
[0008]通过设置在计算机的显示器顶部中央的一个相机采集显示器前方用户的图像。从人脸图像当中提取使用者的眼部特特征。
[0009]眼动特征信息提取的过程主要包括人眼区域检测，人眼虹膜中心的定位，眼部网格特征信息提取，人眼内眼角位置坐标提取等几个部分组成。首先需要从图像当中提取出人脸的感兴趣区域所在之后需要在获得的人脸区域中获取到人眼的位置区域以及人脸的关键特征点的坐标位置信息。之后在人眼部的位置区域当中求取人眼的虹膜中心点的位置坐标以及眼部的网格特征信息。
[0010]使用基于Adaboost加小波(Harr
‑
like)特征的人脸检测方式获得人脸的位置区域信息。
[0011]为了应对光照变化对检测结果造成的影响，我们首先使用了局部敏感直方图的方式对获得的脸部图像进行了处理，之后使用了dlib c++库
[36]来进行人脸的特征点进行检测。获得人脸的68个特征点位置坐标。
[0012]采用了基于梯度分析与星射线结合的方式来计算虹膜中心点的位置坐标。
[0013]通过基于梯度分析的算法我们已经初步得到了虹膜中心点的位置坐标，使用了基于星射线的算法，对初步得到的虹膜中心点的位置坐标进行更为精确的定位，以提高算法的准确性与鲁棒性。
[0014]初始虹膜中心点截取20*20像素的感兴趣区域作为星射线所发处理的图像区域。所选取的图像大致为虹膜区域以及少量的巩膜区域。
[0015]在截取到人眼的眼球虹膜巩膜的感兴趣区域之后，以初始虹膜中心c1为起点向四周每隔5
°
发射一条射线，并计算射线上点的梯度值，梯度值最大的点即可以视为是眼球的虹膜于巩膜分界线上的点。
[0016]眼部网格特征是通过人眼的内外眼角将眼部区域用方块框出来，将选中的网格区域，按照三行五列总共15个格子的方式进行划分。计算整个眼部的方块内的像素点的灰度值之和以及每个小格子内的灰度值之和。
[0017]使用POSIT算法计算头部在X,Y轴上的偏转角度。
[0018]眼动数据特征数据与屏幕的坐标点之间的映射关系是一种非线性的映射关系，并且我们采集的经过处理后的数据是一个17
×
35的矩阵数据，数据的维度较高，同时出于注视点估计系统对于实时性的要求我们需要选择一个可以处理高维度数据并且具有较快的训练速度的映射模型。在对多种映射模型进行综合比较之后我们选择使用随机森林作为两者之间的映射模型。
[0019]假设头部的运动对注视点的位置坐标距带来的影响为Δu
x
,Δu
y
[0020]通过获得的映射模型可以得到头部保持静止的初
[0021]始情况下的注视点的位置坐(u
x
,u
y
)标，通过公式我们可以计算出头部的运动造成的位置坐标的影响，因此最终的注视点的位置坐标可以通过公式：
[0022]s
x
＝u
x
+Δu
x
[0023]s
y
＝u
y
+Δu
y
附图说明
[0024]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0025]图1附图为本专利技术提供的一种基于注视点估计的屏幕保护方法的流程示意图；
[0026]图2附图为本专利技术实施例中人脸平面的上下左右偏转角度影响示意图
具体实施方式
[0027]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]一种基于注视点估计的屏幕保护方法，该方法包括：
[0029]通过设置在计算机的显示器顶部中央的一个相机采集显示器前方用户的图像。从人脸图像当中提取使用者的眼部特特征。
[0030]使用基于Adaboost加小波(Harr
‑
like)特征的人脸检测方式获得人脸的位置区域信息。
[0031]其中积分图的定义公式表示如下：
[0032][0033]使用了dlib c++库来进行人脸的特征点进行检测。获得人脸的68个特征点位置坐标。
[0034]采用了基于梯度分析与星射线结合的方式来计算虹膜中心点的位置坐标，假设c点是虹膜中心点可能的位置所在，gi是在边缘xi处的梯度向量，di是c和gi之间的位移向量。对位移向量di与梯度gi进行正则化的操作后两者具有相同的方向。我们可以对正则化操作之后的位移向量与梯度向量进行点积运算来得到梯度向量厂。对于眼球图像可以看做是一个圆形物体，对于其最优的中心点c*，其在图像的边缘处像素坐标xi处，可以表示为：
[0035][0036]其中为了能够让每个位置可以获得同样的权重值，需要对位移向量进行归一化的操作。将其长度转化到单位长度。如公式所示：
[0037][0038]引入权重w，来对不同的点做出区分。权重wc＝I*(cx，cy)，其值是对眼部的图像进行过反色处理后该点的灰度值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注视点估计的屏幕保护方法。其特征在于，包括：通过设置在计算机的显示器顶部中央的一个相机采集显示器前方用户的图像，从人脸图像当中提取使用者的眼部特特征；使用基于Adaboost加小波(Harr
‑
like)特征的人脸检测方式获得人脸的位置区域信息，其中积分图的定义公式表示如下：使用了dlib c++库来进行人脸的特征点进行检测，获得人脸的68个特征点位置坐标；使用基于梯度分析与星射线结合的方式来计算虹膜中心点的位置坐标，使用了基于星射线的算法，对初步得到的虹膜中心点的位置坐标进行更为精确的定位，以提高算法的准确性与鲁棒性，引入了眼部的网格特征来减少眼动向量在Y轴上预测精度的不足，使用POSIT算法计算头部在X,Y轴上的偏转角度；在人脸正对显示器屏幕不动的情况下，获取人眼相关参数与屏幕间的映射关系；使用求得的左右偏转角度和上下的俯仰角度，对头部的偏转量进行运动补偿，得到校准后的注视点坐标；对得到的注视点的位置坐标与电脑屏幕的坐标范围进行比较确定注视点位置坐标是否在电脑显示屏幕的范围之内，以此来确定电脑操作人员是否在浏览电脑内容，当确定电脑操作人员未使用电脑时，将启动自动锁屏程序，确保电脑信息不发生泄漏。2.根据权利要求1所述的一种基于注视点估计的屏幕保护方法，其特征在于，人脸检测所使用的算法为基于Harr
‑
like特征以及级联分类器的Adaboost算法。3.根据权利要求1所述的一种基于注视点估计的眼控辅助输入方法，其特征在于，人眼范围的确定，具体包括以下步骤：使用了dlib c++库来进行人脸的特征点进行检测，获得人脸的68个特征点位置坐标；采用了基于梯度分析与星射线结合的方式来计算虹膜中心点的位置坐标，假设c点是虹膜中心点可能的位置所在，gi是在边缘xi处的梯度向量，di是c和gi之间的位移向量。对位移向量di与梯度gi进行正则化的操作后两者具有相同的方向。我们可以对正则化操作之后的位移向量与梯度向量进行点积运算来得到梯度向量厂。对于眼球图像可以看做是一个圆形物体，对于其最优的中心点c*，其在图像的边缘处像素坐标xi处，可以表示为：其中为了能够让每个位置可以获得同样的权重值，需要对位移向量进行归一化的操作。将其长度转化到单位长度。如公式所示：引入权重w，来对不同的点做出区分。权重wc＝I*(cx，cy)，其值是对眼部的图像进行过反色处理后该点的灰度值，越往中心位置其灰度值越大，可能性也...

【专利技术属性】
技术研发人员：宋红伟，郇长芬，
申请(专利权)人：中国农业银行股份有限公司潍坊分行，
类型：发明
国别省市：