基于图像处理的眼神捕捉和头部定位的研究
| 摘要 | 第3-5页 |
| abstract | 第5页 |
| 1 绪论 | 第10-12页 |
| 1.1 课题的研究背景 | 第10页 |
| 1.2 课题的研究目标 | 第10-11页 |
| 1.3 论文结构 | 第11-12页 |
| 2 研究现状 | 第12-19页 |
| 2.1 人眼结构 | 第12-13页 |
| 2.2 物体检测 | 第13-14页 |
| 2.3 视线捕捉的方法 | 第14-19页 |
| 2.3.1 动力学特性 | 第15页 |
| 2.3.2 瞳孔捕捉法 | 第15页 |
| 2.3.3 角膜-瞳孔反射法 | 第15-17页 |
| 2.3.4 基于视频分析的捕捉方法 | 第17页 |
| 2.3.5 眼球电图检查捕捉法 | 第17-19页 |
| 3 视线捕捉系统的设计 | 第19-44页 |
| 3.1 编译工具 | 第19页 |
| 3.2 摄像头和支架 | 第19-20页 |
| 3.3 脸部和眼部识别 | 第20-26页 |
| 3.3.1 类哈尔（Haar-like）特征检测 | 第20-21页 |
| 3.3.2 弱分类器 | 第21-23页 |
| 3.3.3 强分类器 | 第23页 |
| 3.3.4 级联分类器 | 第23-24页 |
| 3.3.5 积分图 | 第24-25页 |
| 3.3.6 面部和眼部识别的应用 | 第25-26页 |
| 3.4 瞳孔捕捉设计 | 第26-37页 |
| 3.4.1 二值法 | 第27-29页 |
| 3.4.2 形态学转化 | 第29-30页 |
| 3.4.3 直方图均衡化 | 第30-31页 |
| 3.4.4 循环步骤 | 第31-33页 |
| 3.4.5 主程序测试 | 第33-34页 |
| 3.4.6 算法测试 | 第34-37页 |
| 3.5 头部动态定位及预测系统的设计 | 第37-43页 |
| 3.5.1 摄像头的校准 | 第37-38页 |
| 3.5.2 方位估测 | 第38-39页 |
| 3.5.3 循环步骤 | 第39-40页 |
| 3.5.4 头部定位算法的测试 | 第40页 |
| 3.5.5 头部定位算法的测试 | 第40-41页 |
| 3.5.6 测试精度 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 引入头部运动的视线估算 | 第44-62页 |
| 4.1 算法介绍 | 第44-49页 |
| 4.1.1 参数定义 | 第44-46页 |
| 4.1.2 视线向量 | 第46-48页 |
| 4.1.3 视线点 | 第48-49页 |
| 4.2 视线点的表达 | 第49-57页 |
| 4.2.1 热点图 | 第49-50页 |
| 4.2.2 实验条件下的可靠性检验 | 第50-56页 |
| 4.2.3 实地实验校正 | 第56-57页 |
| 4.3 追踪系统实地测试 | 第57-60页 |
| 4.4 热点图结果 | 第60-61页 |
| 4.5 结论 | 第61-62页 |
| 5 基于视频的驾驶（“蒙眼”驾驶）测试 | 第62-69页 |
| 5.1 视频系统的设置 | 第62-64页 |
| 5.2 路径绘制 | 第64-66页 |
| 5.3 本章结论与探讨 | 第66-69页 |
| 6 总结与展望 | 第69-72页 |
| 6.1 总结 | 第69-70页 |
| 6.1.1 硬件与软件 | 第69页 |
| 6.1.2 捕捉系统及结论 | 第69-70页 |
| 6.1.3 基于视频驾驶的测试结果 | 第70页 |
| 6.2 未来展望 | 第70-72页 |
| 6.2.1 硬件与软件 | 第70页 |
| 6.2.2 物体捕捉方法 | 第70-71页 |
| 6.2.3 总体视线捕捉系统的准确性 | 第71页 |
| 6.2.4 基于视频驾驶（“蒙眼”驾驶）的测试 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 附录 | 第75-84页 |
| 附录I：视线捕捉代码 | 第75-78页 |
| 附录II：头部定位估测代码 | 第78-82页 |
| 附录III：主要实验设备 | 第82-84页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第84-85页 |
| 致谢 | 第85页 |
