头部运动与视线追踪数据融合技术的研究
摘要 | 第2-4页 |
Abstract | 第4-5页 |
1 绪论 | 第8-14页 |
1.1 视线追踪技术介绍 | 第8页 |
1.2 视线追踪与头部运动数据融合概述 | 第8-10页 |
1.2.1 视线追踪与头部运动数据融合基本参数 | 第9-10页 |
1.2.2 视线追踪与头部运动的主要测量方法 | 第10页 |
1.3 主要应用领域 | 第10-11页 |
1.4 国内外发展 | 第11-12页 |
1.4.1 国外发展情况 | 第11-12页 |
1.4.2 国内发展情况 | 第12页 |
1.5 研究内容 | 第12-13页 |
1.6 论文结构 | 第13-14页 |
2 系统设计 | 第14-19页 |
2.1 总体设计 | 第14-15页 |
2.2 硬件系统与环境配置 | 第15-17页 |
2.2.1 图像采集模块 | 第15页 |
2.2.2 头部跟踪模块 | 第15-17页 |
2.2.3 主机开发平台配置 | 第17页 |
2.3 软件系统结构 | 第17-18页 |
2.3.1 头部运动数据采集构件 | 第17页 |
2.3.2 视线跟踪数据采集构件 | 第17-18页 |
2.3.3 头部运动视线追踪数据融合构件 | 第18页 |
2.3.4 图形虚拟现实界面构件 | 第18页 |
2.4 本章小结 | 第18-19页 |
3 人脸检测与特征分析 | 第19-28页 |
3.1 Adaboost-Haar人脸识别 | 第19-23页 |
3.1.1 积分图像与Haar特征 | 第19-20页 |
3.1.2 分类器与Adaboost | 第20-23页 |
3.2 ASM人脸特征匹配 | 第23-25页 |
3.2.1 ASM训练 | 第23-24页 |
3.2.2ASM搜索与跟踪 | 第24-25页 |
3.3 近距离补偿 | 第25-26页 |
3.4 本章小结 | 第26-28页 |
4 瞳孔-普尔钦斑视线跟踪与注视提取 | 第28-36页 |
4.1 眼部图像获取与阈值处理 | 第28-29页 |
4.2 瞳孔中心与普尔钦斑识别 | 第29-31页 |
4.2.1 霍夫法瞳孔中心定位 | 第29-30页 |
4.2.2 Blob普尔钦斑识别 | 第30-31页 |
4.3 基于透视法的视线估计 | 第31-35页 |
4.3.1 四光源普尔钦斑成像原理 | 第31-32页 |
4.3.2 四光源普尔钦斑视线估计 | 第32-35页 |
4.4 本章小结 | 第35-36页 |
5 头部运动跟踪 | 第36-49页 |
5.1 基于捷联惯性技术的姿态仪头部运动跟踪 | 第36-40页 |
5.1.1 捷联惯性导航与姿态仪 | 第36-37页 |
5.1.2 空间定位法 | 第37-38页 |
5.1.3 姿态跟踪方法 | 第38-40页 |
5.1.4 系统校准与误差控制 | 第40页 |
5.2 基于头戴标记点的头部运动跟踪系统 | 第40-46页 |
5.2.1 摄像机的标定 | 第41-43页 |
5.2.2 POSIT姿态解算 | 第43-46页 |
5.2.3 速度加速度解算 | 第46页 |
5.3 传感器与摄像机观测法的数据融合 | 第46-48页 |
5.3.1 两种测量方法特点 | 第46-47页 |
5.3.2 两种测量法的数据融合 | 第47-48页 |
5.4 本章小结 | 第48-49页 |
6 数据融合技术理论研究与应用 | 第49-61页 |
6.1 数据的关系 | 第49-50页 |
6.2 数据融合技术概述 | 第50页 |
6.3 数据融合的表示 | 第50-51页 |
6.4 基于机器学习的数据融合机 | 第51-55页 |
6.4.1 基于人工神经网络的数据融合模型 | 第51-54页 |
6.4.2 数据融合系统 | 第54-55页 |
6.5 头部运动与视线追踪数据融合 | 第55-58页 |
6.5.1 头部运动的视线估计补偿 | 第55-56页 |
6.5.2 三维视线方向估计 | 第56-58页 |
6.6 头部运动与视线追踪数据融合技术应用 | 第58-60页 |
6.6.1 基于偏振投影VR技术的人机交互增强 | 第58-59页 |
6.6.2 头眼协调分析 | 第59-60页 |
6.7 本章小结 | 第60-61页 |
7 总结和展望 | 第61-63页 |
7.1 工作总结 | 第61页 |
7.2 课题展望 | 第61-63页 |
参考文献 | 第63-66页 |
攻读硕士学位期间发表的论文 | 第66-67页 |
致谢 | 第67-69页 |