| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外现状分析 | 第9-10页 |
| 1.2.1 国外眼震电图仪发展历史 | 第9-10页 |
| 1.2.2 国内眼震电图仪发展历史 | 第10页 |
| 1.2.3 眼震信号 | 第10页 |
| 1.3 视频眼震电图仪优缺点分析 | 第10-12页 |
| 1.4 本文研究内容与结构安排 | 第12-14页 |
| 2 眼动跟踪系统的介绍 | 第14-25页 |
| 2.1 眼动跟踪系统硬件部分 | 第14-16页 |
| 2.1.1 眼动跟踪系统的设计需求 | 第14页 |
| 2.1.2 眼动跟踪系统硬件的实现 | 第14-16页 |
| 2.1.3 眼动跟踪系统硬件部分的使用 | 第16页 |
| 2.2 眼动跟踪系统软件部分 | 第16-24页 |
| 2.2.1 图像预处理 | 第17-21页 |
| 2.2.2 瞳孔跟踪和定位 | 第21-24页 |
| 2.3 眼动跟踪系统优缺点分析 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 基于GPU的实时眼动跟踪系统的实现 | 第25-51页 |
| 3.1 GPU构造 | 第25-27页 |
| 3.1.1 GPU内部构造 | 第25-26页 |
| 3.1.2 NVIDIA板卡对CUDA编程影响 | 第26-27页 |
| 3.2 CUDAC编程语言的引进 | 第27-29页 |
| 3.2.1 CUDA编程模型的引进 | 第27-28页 |
| 3.2.2 CUDAC语言 | 第28-29页 |
| 3.3 基于GPU的眼动图像处理 | 第29-50页 |
| 3.3.1 CUDA编程常用的优化方法 | 第30-32页 |
| 3.3.2 图像分割的GPU加速 | 第32-35页 |
| 3.3.3 图像腐蚀膨胀的GPU加速 | 第35-42页 |
| 3.3.4 图像中值滤波的GPU加速 | 第42-46页 |
| 3.3.5 并行规约下的瞳孔中心跟踪定位的GPU加速 | 第46-49页 |
| 3.3.6 并行计算优化程序方法总结 | 第49-50页 |
| 3.4 本章小结 | 第50-51页 |
| 4 基于GPU眼动跟踪图像处理结果及性能分析 | 第51-59页 |
| 4.1 实验平台及方案 | 第51-53页 |
| 4.1.1 实验平台 | 第51页 |
| 4.1.2 眼动图像的获取 | 第51-52页 |
| 4.1.3 实验方案分析 | 第52-53页 |
| 4.2 实验结果对比 | 第53-57页 |
| 4.2.1 瞳孔跟踪效果的对比 | 第54-55页 |
| 4.2.2 瞳孔跟踪实时性的对比 | 第55-56页 |
| 4.2.3 硬件成本的对比 | 第56-57页 |
| 4.3 实验结论分析 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63-64页 |
| 致谢 | 第64-65页 |