基于视频图像的瞳孔定位算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第14-23页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 选题目的和意义 | 第15-16页 |
| 1.3 国内外研究历史及现状 | 第16-19页 |
| 1.3.1 国外研究现状 | 第17-18页 |
| 1.3.2 国内研究现状 | 第18-19页 |
| 1.4 瞳孔定位的关键技术 | 第19-21页 |
| 1.5 本文主要研究内容 | 第21-22页 |
| 1.6 本章小结 | 第22-23页 |
| 2 人眼检测定位 | 第23-32页 |
| 2.1 基于Adaboost的人脸检测算法 | 第23-28页 |
| 2.1.1 Haar-like矩形特征介绍 | 第23-25页 |
| 2.1.2 积分图 | 第25-26页 |
| 2.1.3 Adaboost算法 | 第26-28页 |
| 2.2 人眼定位算法 | 第28-31页 |
| 2.3 本章小结 | 第31-32页 |
| 3 瞳孔定位算法 | 第32-54页 |
| 3.1 常用的瞳孔定位算法 | 第32-38页 |
| 3.1.1 梯度向量法 | 第32-33页 |
| 3.1.2 霍夫变换法 | 第33-35页 |
| 3.1.3 对称变换法 | 第35-36页 |
| 3.1.4 变形模板法 | 第36-38页 |
| 3.2 本文提出的瞳孔定位算法 | 第38-53页 |
| 3.2.1 人眼图像预处理 | 第38-39页 |
| 3.2.2 人眼图像边缘点提取 | 第39-43页 |
| 3.2.3 人眼图像梯度计算 | 第43-45页 |
| 3.2.4 基于区域投票的内点提取 | 第45-50页 |
| 3.2.5 基于模型约束的内点优化 | 第50-53页 |
| 3.3 本章小结 | 第53-54页 |
| 4 实验结果对比分析 | 第54-60页 |
| 4.1 实验数据 | 第54-55页 |
| 4.2 标准设定 | 第55-56页 |
| 4.3 实验对比 | 第56-58页 |
| 4.4 本章小结 | 第58-60页 |
| 5 实验系统搭建 | 第60-79页 |
| 5.1 硬件实验平台搭建 | 第60-63页 |
| 5.1.1 摄像机的选择 | 第60-62页 |
| 5.1.2 摄像机镜头选择 | 第62-63页 |
| 5.2 软件实验平台搭建 | 第63-76页 |
| 5.2.1 wxWidgets程序开发 | 第63-65页 |
| 5.2.2 OpenCV图像处理算法库 | 第65页 |
| 5.2.3 可视化图像调试器设计 | 第65-76页 |
| 5.3 实际系统测试 | 第76-77页 |
| 5.4 本章小结 | 第77-79页 |
| 6 总结和展望 | 第79-81页 |
| 6.1 总结 | 第79-80页 |
| 6.2 展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 作者简介 | 第85页 |
