积分商城

最新搜索： 电源 ide手册 传感器 拼音输入 STM32CubeMX STM32入门教程
您现在的位置是：首页 > 技术资料 > 基于人工神经网络动态标定算法的低成本视线追踪系统
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于人工神经网络动态标定算法的低成本视线追踪系统

更新时间：2019-12-29 23:06:54 大小：1M 上传用户：IC老兵查看TA发布的资源 标签：人工神经网络 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对视线追踪系统成本高、标定算法复杂的问题,研究了一种低成本视线追踪系统.系统采用低成本网络摄像头,采集到的图像首先采用Haar-like特征与肤色结合算法来进行人脸检测,并利用主动表现模型算法和光流法定位并跟踪人脸特征点;然后利用梯度向量法进行瞳孔中心检测;为了提高系统精度和鲁棒性,提出了一种人工神经网络的动态标定算法.实验表明,视线追踪系统不仅具有很好的鲁棒性,而且具有较高的精度,在头部静止的情况下平均误差为1.34°,在头部运动的情况下平均误差为3.26°.


部分文件列表

文件名 大小
1577632007基于人工神经网络动态标定算法的低成本视线追踪系统.pdf 1M

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
第
卷
第
期
北 京 理 工 大 学 学 报  
３８  
１２  
Ｖｏｌ．３８ Ｎｏ．１２  
ꢀ
ꢀ
ꢀꢀ  
年
２０１８ １２  
月
ＴｒａｎｓａｃｔｉｏｎｓｏｆＢｅｉｉｎ ＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏ  
ꢀ ꢀ ｊ ｇ ꢀ ꢀ  
ｇｙ  
ꢀ
Ｄｅｃ．２０１８  
基于人工神经网络动态标定算法的低成本  
视线追踪系统  
，
ꢀ
，
郑戍华  
ꢀ
王向周  
张新  
（ ，  
北京理工大学 自动化学院 北京  
）
１０００８１  
ꢀ
： 、 ，  
针对视线追踪系统成本高 标定算法复杂的问题 研究了一种低成本视线追踪系统 系统采用低成本网络  
．
摘
要
ꢀ
，
摄像头 采集到的图像首先采用  
，
特征与肤色结合算法来进行人脸检测 并利用主动表现模型算法和光流  
Ｈａａｒｌｉｋｅ  
－
； ； ，  
法定位并跟踪人脸特征点 然后利用梯度向量法进行瞳孔中心检测 为了提高系统精度和鲁棒性 提出了一种人工  
， ， ，  
神经网络的动态标定算法 实验表明 视线追踪系统不仅具有很好的鲁棒性 而且具有较高的精度 在头部静止的  
．
，
在头部运动的情况下平均误差为  
１．３４°  
情况下平均误差为  
３．２６°．  
： ； ； ；  
关键词 主动表现模型 梯度向量法 人工神经网络 动态标定算法  
：
：
Ａ
：
文章编号  
１００１０６４５２０１８１２１２６３０６  
ꢀꢀꢀ  
（
）
中图分类号  
文献标志码  
ＴＰ３９１  
ꢀ ꢀꢀꢀ  
－
－
－
：
／
ＤＯＩ １０．１５９１８ ．ｔｂｉｔ１００１０６４５．２０１８．１２．００９  
ｊ
ꢀ
－
ＡＬｏｗＣｏｓｔＥｅＧａｚｅＴｒａｃｋｉｎ ＳｓｔｅｍＢａｓｅｄｏｎＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌ  
ｙ－  
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ  
ꢀ
－
ｇ ｙ  
ꢀ
ＮｅｔｗｏｒｋＤｎａｍｉｃＣａｌｉｂｒａｔｉｏｎＡｌｏｒｉｔｈｍ  
ꢀ
ｇ
ꢀ
ꢀ
ｙ
，
，
ＺＨＥＮＧＳｈｕｈｕａ  
ꢀ
ＷＡＮＧＸｉａｎ ｚｈｏｕ  
ꢀ －  
ｇ
ＺＨＡＮＧＸｉｎ  
ꢀ
ꢀ
ꢀ
－
（
，
ＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎ Ｂｅｉｉｎ ＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏ  
ｊ ｇ ｇｙ  
ꢀ ꢀ ꢀ ꢀ  
，
，
）
Ｂｅｉｉｎ １０００８１ Ｃｈｉｎａ  
ｊ ｇ  
ꢀ
ꢀ
：
Ａｂｓｔｒａｃｔ Ｉｎｏｒｄｅｒｔｏｒｅｄｕｃｅｔｈｅｃｏｓｔｏｆｅｅ ａｚｅｔｒａｃｋｉｎ ｓｓｔｅｍａｎｄｓｉｍ ｌｉｆ ｔｈｅｃｏｍ ｌｅｘｉｔ ｏｆ  
ꢀ ꢀ ꢀ ꢀｙ  
ｇ ｙ ｐ ｙ  
ꢀ
ꢀ
ꢀ
－
ｇ
ꢀ
ꢀ
ꢀ
ꢀ
ｐ
ｙ
ꢀ
ꢀ
ꢀ
，
ｔｈｅｃａｌｉｂｒａｔｉｏｎａｌｏｒｉｔｈｍ ａｌｏｗｃｏｓｔｅｅ ａｚｅｔｒａｃｋｉｎ ｓｓｔｅｍ ｗａｓｄｅｖｅｌｏｅｄ．Ｔｈｅ Ｈａａｒｌｉｋｅ  
ꢀ ｇ ꢀｙ  
ｇ ｙ  
ꢀ
ꢀ
－
－
ｇ
ꢀ
ꢀ
ꢀ
ｐ
ꢀ
－
ꢀ
ｆｅａｔｕｒｅａｎｄｓｋｉｎｃｏｌｏｒｃｏｍｂｉｎａｔｉｏｎａｌｏｒｉｔｈｍ ｗｅｒｅｕｓｅｄｔｏｄｅｔｅｃｔｔｈｅｈｕｍａｎｆａｃｅ．Ｔｈｅａｃｔｉｖｅ  
ꢀ ꢀ ｇ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ  
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
（
）
ａ ｅａｒａｎｃｅｍｏｄｅｌ ＡＡＭ ａｌｏｒｉｔｈｍａｎｄｔｈｅｏｔｉｃａｌｆｌｏｗ ｍｅｔｈｏｄｗｅｒｅｕｓｅｄｔｏｌｏｃａｔｅａｎｄｔｒａｃｋ  
ｐｐ ｇ  
ꢀｐ ꢀ ꢀ  
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ ꢀ  
ｔｈｅｆａｃｅｆｅａｔｕｒｅ ｏｉｎｔｓ．Ａｎｄｔｈｅ ｕｉｌｃｅｎｔｅｒｗａｓｄｅｔｅｃｔｅｄｂ ｔｈｅ ｒａｄｉｅｎｔｖｅｃｔｏｒｍｅｔｈｏｄ．Ａｎ  
ꢀｐ ꢀ ꢀｐ ｐꢀ ꢀ ꢀ ꢀｙ ꢀｇ ꢀ ꢀ  
ꢀ
ꢀ
ꢀ
ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｄｎａｍｉｃｃａｌｉｂｒａｔｉｏｎａｌｏｒｉｔｈｍ ｗａｓ ｒｏｏｓｅｄｔｏｉｍ ｒｏｖｅｔｈｅｔｒａｃｋｉｎ  
ꢀ ꢀｙ ꢀ ꢀ ｇ ꢀ ꢀｐ ｐ ꢀ ꢀ ｐ ꢀ ꢀ  
ｇ
ꢀ
ａｃｃｕｒａｃ ａｎｄｒｏｂｕｓｔｎｅｓｓ．Ｅｘｅｒｉｍｅｎｔｓｓｈｏｗ ｔｈａｔｔｈｅｅｅ ａｚｅｔｒａｃｋｉｎ ｓｓｔｅｍ ｎｏｔｏｎｌ ｈａｓ  
ｇ ｇ ｙ  
ꢀ ꢀ ꢀｙ－ ꢀ ꢀ  
ｙ
ꢀ
ꢀ
ｐ
ꢀ
ꢀ
ｙ
ꢀ
ꢀ
，
ｂｅｔｔｅｒｒｏｂｕｓｔｎｅｓｓ ｂｕｔａｌｓｏｈａｓｈｉｈｅｒ ｒｅｃｉｓｉｏｎ．Ｔｈｅａｖｅｒａｅｅｒｒｏｒｏｆｔｈｅｓｓｔｅｍｉｓ１．３４°ａｔ  
ｇꢀ  
ꢀ
ꢀ
ꢀ
ꢀ ｇ ꢀｐ  
ꢀ
ꢀ ꢀ ꢀｙ  
ꢀ ꢀ  
，
ｈｅａｄｒｅｓｔ ａｎｄ３．２６°ａｔｈｅａｄｍｏｖｅｍｅｎｔ．  
ꢀ
ꢀ
ꢀ
ꢀ
：
Ｋｅ ｗｏｒｄｓ ａｃｔｉｖｅａ ｅａｒａｎｃｅ ｍｏｄｅｌ ＡＡＭ  
ꢀｐｐ  
（
）；  
； ；  
ｒａｄｉｅｎｔｖｅｃｔｏｒ ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋ ｄｎａｍｉｃ  
ꢀ ꢀ ꢀ  
ｙ
ꢀ
ｇ
ｙ
ꢀ
ｃａｌｉｂｒａｔｉｏｎａｌｏｒｉｔｈｍ  
ꢀｇ  
视线追踪系统即自动获取测试者注视位置的系  
对使用者造成不便 非侵入式系统利用外部摄像机  
．
ꢀꢀ  
， 、 、  
统 在医疗 人机交互 疾病检测等领域都有着广泛  
， ，  
获取眼睛特征 再通过图像处理和分析 计算出视线  
， 、 、  
位置 具有对使用者干扰小 设备简单 使用方便等  
应用 按照系统硬件的构成划分为侵入式和非侵入  
．
，
式两种 侵入式系统需要使用特定的辅助设备 会  
．
，
特点 因此成为视线追踪系统的主流 非侵入式视  
．
：
收稿日期  
２０１７０６２３  
－ －  
ꢀꢀ  
ꢀꢀ  
ꢀꢀ  
：
作者简介 王向周  
（
１９６５  
—），  
， ， ，  
男 博士 教授  
Ｅ ｍａｉｌｗａｎｘｉａｎｚｈｏｕ ｂｉｔ．ｅｄｕ．ｃｎ．  
：
－
ｇ
ｇ
＠
：
通信作者 郑戍华  
（
１９７６  
—），  
， ， ，  
女 博士 讲师  
Ｅ ｍａｉｌｚｈｅｎｓｈｕｈｕａ ｂｉｔ．ｅｄｕ．ｃｎ．  
：
－
ｇ
＠
北 京 理 工 大 学 学 报  
第
卷
３８  
ꢀ
１２６４  
ꢀꢀ  
：
线追踪系统根据原理的不同可分为两类 有辅助光  
［
１３  
－
］
［
］
４９  
－
源的跟踪系统  
和无辅助光源的跟踪系统  
有
．
辅助光源的视线追踪系统利用额外的辅助光源进行  
， ，  
特征的提取 再通过标定算法实现视线追踪 目前视  
［］  
１
线追踪系统大都属于这一类 例如  
．
等
设计  
Ｏｈｎｏ  
，
了一种视线追踪系统 可抵抗由头部运动产生的误  
， ，  
差 由 个摄像头单元组成 精度为  
３
，
但系统组  
１．０°  
成复杂  
．
，
无光源追踪系统的特征提取较为困难 算法难  
、
度大 但无光源的跟踪系统具有组成简单 成本低  
．
［］  
５
等优点  
等
设计了一种基于单个  
．Ｗｏｃｉｅｃｈｏｗｓｋｉ  
ｊ
，
摄像头的视线追踪系统 首先 运 用 特 征  
Ｈａａｒｌｉｋｅ  
－
，
分类器定位眼睛区域 然后运用灰度处理的方法对  
图
视线追踪系统算法流程图  
１
ꢀ
Ｆｉ．１ Ａｌｏｒｉｔｈｍｆｌｏｗｃｈａｒｔｏｆｅｅ ａｘｅｔｒａｃｋｉｎ ｓｓｔｅｍ  
ꢀ ｇ ꢀ ꢀ ꢀ ꢀｙ ꢀ ｇ ｙ  
，
眼睛区域进行二值化后检测瞳孔中心 最后通过  
ｇ
－ｇ  
ꢀ
４
点标定法标定视线的位置 系统需要较高分辨率的  
．
眼睛定位模块  
１．１  
ꢀ
， ，  
摄像头 在每次运行之前都要进行标定 并且不能抵  
，
为了得到眼睛区域 首先要定位人脸 本文采  
．
［］  
６
抗头部运动对视线的影响  
等
设 计了 一  
．Ｖａｌｅｎｔｉ  
用结合 肤 色 特 征 和  
特 征 的 人 脸 检 测 算  
Ｈａａｒｌｉｋｅ  
－
，
种结合眼睛特征和头部姿态的视线追踪系统 运用  
，
法 在光线变化等情况下有效检测人脸区域  
．
、
ＣＨＭ  
模板法定位瞳孔中心  
算法检测头部姿态信  
、 ，  
要定位瞳孔中心 内眼角等特征点 首先就需在  
，
息 精度为  
，
需要复杂的头部姿态检测和标定  
２° ５°  
～
（
ａｃｔｉｖｅ  
人脸区域 中 确 定 眼 睛 位 置 主 动 表 现 模 型  
．
［］  
７
［
１０  
）
］
，
算法 每次运行时都需进行标定  
等
引
．Ｗｉｌｌｉａｍｓ  
，
ａ ｅａｒａｎｃｅｍｏｄｅｌ ＡＡＭ  
ｐｐ  
（
和 主 动 形 状 模 型  
ａｃ  
ꢀ
－
３
ꢀ
ＳＧＰ  
（
）
来推断视线  
用了稀疏半超调高斯过程模型  
，
ｔｉｖｅｓｈａｅｍｏｄｅｌ ＡＳＭ  
ｐ ꢀ  
）
是两种人脸特征提取有效  
ꢀ
， ，  
位置的算法 通过非线性标定算法标定视线位置 简  
，
实 现  
ＡＡＭ  
的方 法  
图
中 眼 睛 定 位 模 块 采 用  
．
１
，
化了采集数据的过程 视线追踪结果较为准确  
但
．
，
既包含图像物体的形状信息 又包含纹理信  
ＡＡＭ  
，
标定算法复杂 每次运行前都需要进行重新标定  
．
，
息 还可以用来检测头部三维信息  
算法经过  
．ＡＡＭ  
本文利用目前计算机上集成的低成本网络摄像  
，
模型训练与匹配两个步骤 可以准确检测人脸  
个
６６  
， ，  
头 研究视线跟踪的鲁棒性技术和动态标定方法 大  
， ： 、 、 ，  
特征点 例如 眼角位置 鼻尖 嘴角位置等 检测结  
；
幅降低系统成本 同时利用设计的人工神经网络动  
态标定算法解决每次运行时都需 要 进行 标 定 的 问  
，
果如图 所示 其中  
２
个三角形交点为特征点定位  
６６  
结果  
．
，
题 以提高系统的实用性  
．
算法设计  
１
ꢀ
，
系统硬件组成简单 只需单个低分辨率网络摄  
，
像头 采集图像分辨率为  
或
３２０×２４０ ６４０×４８０  
的
， ，  
图像 这里 如未特别说明文中用到图像分辨  
ＲＧＢ  
率为  
３２０×２４０．  
，
为视 线 追 踪 系 统 软 件 组 成 分 为 个 模  
３
图
１
，
模 块 为 眼 睛 定 位 模 块 运 用  
块
第
．
特
Ｈａａｒｌｉｋｅ  
－
１
图
头部姿态检测结果图  
ＡＡＭ  
２
ꢀ
，
ＡＡＭ  
征和肤色特征结合算法检测人脸  
算法进行  
Ｆｉ．２ Ｒｅｓｕｌｔｓｏｆｈｅａｄａｔｔｉｔｕｄｅｔｅｓｔ  
ｇ ꢀ ꢀ ꢀ ꢀ ꢀ  
；
人脸特征 点 检 测 并 定 位 眼 睛 区 域 第 模 块 为 特  
２
， 、 、  
征检测模 块 进 行 瞳 孔 中 心 内 眼 角 头 部 姿 态 参  
特征检测模块  
１．２  
ꢀ
，
如图 所示 视线追踪系统通常选用内眼角到  
３
；
数检测 第 模 块 为 提 出 的 人 工 神 经 网 络 动 态 标  
３
， 、  
瞳孔中心的向量表征视线 因此需要定位内眼角 瞳  
定模块  
．

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号