首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于非侵入式的眼动跟踪研究与实现

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第11-16页
    1.1 研究背景及意义第11-12页
    1.2 国内外研究现状第12-13页
    1.3 本文研究内容第13-14页
    1.4 本文层次结构安排第14-16页
第二章 人眼检测与眼动跟踪关键技术综述第16-26页
    2.1 人眼检测方法第16-19页
        2.1.1 可见光源下非侵入式人眼检测方法第16-19页
            2.1.1.1 基于知识的人眼检测方法第16-17页
            2.1.1.2 基于统计的人眼检测方法第17-18页
            2.1.1.3 基于模板匹配的人眼检测方法第18-19页
        2.1.2 特殊设备及红外光源下侵入式人眼检测方法第19页
        2.1.3 人眼检测方法分析评估第19页
    2.2 眼动跟踪方法第19-23页
        2.2.1 基于非线性滤波理论的眼动跟踪第20-21页
        2.2.2 基于特征和模板的眼动跟踪第21页
        2.2.3 基于运动的眼动跟踪第21-22页
        2.2.4 基于眼动仪的眼动跟踪第22-23页
        2.2.5 眼动跟踪方法分析评估第23页
    2.3 眼动行为分类描述第23-25页
    2.4 本章小结第25-26页
第三章 基于优化ADABOOST算法的人眼检测第26-49页
    3.1 haar特征第26-28页
    3.2 基于AdaBoost算法分类器的训练第28-35页
    3.3 基于AdaBoost算法分类器的检测第35-37页
        3.3.1 调整检测尺度第35-36页
        3.3.2 检测流程第36-37页
    3.4 优化基于AdaBoost算法分类器第37-48页
        3.4.1 存在问题第37-38页
        3.4.2 优化基于AdaBoost算法分类器训练过程第38-42页
            3.4.2.1 优化haar特征第38-40页
            3.4.2.2 优化训练过程第40-41页
            3.4.2.3 实验结果与分析第41-42页
        3.4.3 优化AdaBoost算法分类器检测过程第42-48页
            3.4.3.1 肤色提取第42-43页
            3.4.3.2 图像预处理第43-44页
            3.4.3.3 检测结果检查第44-46页
            3.4.3.4 实验结果与分析第46-48页
    3.5 本章小结第48-49页
第四章 基于改进CAMSHIFT算法的单目眼动跟踪第49-66页
    4.1 虹膜定位第49-52页
        4.1.1 图像二值化第49-50页
        4.1.2 虹膜粗提取第50-51页
            4.1.2.1 susan算子第50-51页
            4.1.2.2 消除同色点第51页
        4.1.3 虹膜精确定位第51-52页
    4.2 传统CamShift算法第52-55页
    4.3 边界调整第55-56页
    4.4 噪声抑制第56-58页
        4.4.1 传统筛选阈值方法第56-57页
        4.4.2 改进的筛选阈值方法第57-58页
    4.5 改进的多特征融合CamShift算法第58-60页
    4.6 实验结果及分析第60-64页
        4.6.1 实验测试环境第60页
        4.6.2 实验结果第60-63页
        4.6.3 结果分析第63-64页
            4.6.3.1 速度分析第63-64页
            4.6.3.2 跟踪准确性和鲁棒性分析第64页
    4.7 本章小结第64-66页
第五章 改进CAMSHIFT结合卡尔曼的双目跟踪及视线确定第66-86页
    5.1 卡尔曼滤波运动状态估计第66-72页
        5.1.1 卡尔曼滤波第66-70页
        5.1.2 隐马尔科夫模型第70-71页
        5.1.3 贝叶斯估计第71页
        5.1.4 扩展卡尔曼滤波第71-72页
    5.2 基于卡尔曼滤波预测匀速眼动状态第72-73页
    5.3 改进的CamShift算法第73-76页
    5.4 结合卡尔曼滤波与改进CamShift的双目眼动跟踪第76页
    5.5 实验结果及分析第76-81页
        5.5.1 实验结果第76-80页
        5.5.2 结果分析第80-81页
            5.5.2.1 准确性和鲁棒性分析第80-81页
            5.5.2.2 跟踪速度分析第81页
    5.6 视线确定第81-84页
        5.6.1 建立模型第81-82页
        5.6.2 坐标映射第82-84页
        5.6.3 实验结果与分析第84页
    5.7 本章小结第84-86页
第六章 总结与展望第86-87页
致谢第87-88页
参考文献第88-93页
攻硕期间取得的研究成果第93-94页

论文共94页,点击 下载论文
上一篇:基于J2EE的旅客行李管理系统的研究与实现
下一篇:基于DSP的视频运动目标实时跟综系统研究与实现