| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·视线跟踪的研究背景和意义 | 第8-9页 |
| ·国内外视线跟踪技术现状和发展趋势 | 第9-11页 |
| ·国外视线跟踪技术的现状 | 第9-10页 |
| ·国内视线跟踪技术的现状 | 第10-11页 |
| ·视线跟踪技术的发展趋势 | 第11页 |
| ·视线跟踪技术的应用现状和存在的问题 | 第11-14页 |
| ·视线跟踪技术的应用 | 第11-13页 |
| ·视线跟踪技术存在的问题 | 第13-14页 |
| ·论文的主要研究工作 | 第14-16页 |
| 第二章 视线跟踪注视点的估计方法 | 第16-36页 |
| ·人眼的构造 | 第16-17页 |
| ·视线跟踪注视点估计方法 | 第17-22页 |
| ·2D 视线跟踪注视点估计方法 | 第17-20页 |
| ·三维模型视线跟踪注视点估计 | 第20-22页 |
| ·视线跟踪的标定方法 | 第22-25页 |
| ·基于三维眼球模型的标定 | 第23页 |
| ·基于二维回归的标定 | 第23-25页 |
| ·基于瞳孔角膜矢量回归方程的研究 | 第25-28页 |
| ·注视点坐标曲面拟合 | 第25-26页 |
| ·注视点坐标回归方程建模 | 第26-28页 |
| ·基于 PCR 和支持向量回归的视线跟踪标定 | 第28-36页 |
| ·支持向量回归机概述 | 第29-30页 |
| ·SVR 模型的建立 | 第30-32页 |
| ·核函数 | 第32-33页 |
| ·算法仿真 | 第33-34页 |
| ·误差分析 | 第34-36页 |
| 第三章 基于纹理特征的支持向量回归视线估计 | 第36-48页 |
| ·图像的纹理特征 | 第36-37页 |
| ·纹理特征的概述 | 第36页 |
| ·纹理特征的定义 | 第36-37页 |
| ·纹理特征的描述方法 | 第37-38页 |
| ·统计分析方法 | 第37页 |
| ·模型分析方法 | 第37页 |
| ·信号处理分析方法 | 第37-38页 |
| ·结构分析方法 | 第38页 |
| ·局部二进制模式 | 第38-45页 |
| ·基本 LBP 算法 | 第38-40页 |
| ·Uniform LBP | 第40-41页 |
| ·旋转不变的 LBP | 第41-42页 |
| ·旋转不变的 Uniform LBP | 第42页 |
| ·LBP 纹理特征向量的提取 | 第42-45页 |
| ·基于多级 CS-LBP 特征和 SVR 的视线方向估计 | 第45-48页 |
| ·CS-LBP | 第45-46页 |
| ·多级 CS-LBP | 第46页 |
| ·算法仿真 | 第46-47页 |
| ·误差分析 | 第47-48页 |
| 第四章 基于特征融合和 SVR 的视线估计 | 第48-58页 |
| ·特征的确定 | 第48-49页 |
| ·模型特征的选取 | 第48-49页 |
| ·眼图纹理特征的选取 | 第49页 |
| ·眼睛图像特征的提取 | 第49-50页 |
| ·模型特征的提取 | 第50页 |
| ·纹理特征的提取 | 第50页 |
| ·基于融合特征的支持向量回归机视线估计 | 第50-58页 |
| ·算法设计 | 第50-52页 |
| ·实验的系统实现 | 第52-53页 |
| ·实验算法仿真 | 第53-55页 |
| ·不同算法的比较与分析 | 第55-58页 |
| 第五章 结束语 | 第58-60页 |
| 致谢 | 第60-62页 |
| 作者在读研期间的研究成果 | 第62-64页 |
| 参考文献 | 第64-67页 |