| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 图目录 | 第10-12页 |
| 表目录 | 第12-13页 |
| 1 绪论 | 第13-26页 |
| 1.1 课题背景与意义 | 第13-14页 |
| 1.2 国内外发展现状 | 第14-23页 |
| 1.2.1 基于复杂设备的视线追踪系统 | 第15-16页 |
| 1.2.2 基于单摄像头的视线追踪技术 | 第16-23页 |
| 1.3 主要工作与贡献 | 第23-24页 |
| 1.4 本文组织结构及章节安排 | 第24-26页 |
| 2 视线检测之虹膜中心定位 | 第26-40页 |
| 2.1 有的虹膜定位方法 | 第26-29页 |
| 2.2 改进的基于梯度信息的虹膜中心定位 | 第29-34页 |
| 2.2.1 眼睛区域预处理 | 第29-30页 |
| 2.2.2 眼睛区域精细定位 | 第30-32页 |
| 2.2.3 基于梯度信息检测虹膜中心 | 第32-33页 |
| 2.2.4 改进的虹膜中心定位目标函数 | 第33-34页 |
| 2.3 实验结果 | 第34-39页 |
| 2.3.1 BioID人脸数据库 | 第34页 |
| 2.3.2 虹膜中心定位评价标准 | 第34-36页 |
| 2.3.3 算法性能比较 | 第36-39页 |
| 2.4 本章小结 | 第39-40页 |
| 3 视线检测之注视点映射 | 第40-51页 |
| 3.1 摄像机-显示器-眼睛模型 | 第40-41页 |
| 3.2 眼睛特征分析 | 第41-44页 |
| 3.2.1 有的用于注视点定位的眼睛特征 | 第41-42页 |
| 3.2.2 基于眼睛轮廓与虹膜中心的特征 | 第42-44页 |
| 3.3 基于SVM的注视点映射 | 第44-49页 |
| 3.3.1 线性可分SVM | 第45-46页 |
| 3.3.2 线性不可分SVM | 第46-47页 |
| 3.3.3 SVM的应用改进与实验结果 | 第47-49页 |
| 3.4 本章小结 | 第49-51页 |
| 4 视线检测与感兴趣区域定位系统 | 第51-68页 |
| 4.1 感兴趣区域定位流程 | 第51页 |
| 4.2 人脸特征点追踪 | 第51-58页 |
| 4.2.1 基于梯度下降方法的AAM算法 | 第52-54页 |
| 4.2.2 人脸追踪 | 第54-57页 |
| 4.2.3 人脸检测效果 | 第57-58页 |
| 4.3 基于头部运动的映射修正 | 第58-61页 |
| 4.3.1 头部姿态估计 | 第58-60页 |
| 4.3.2 基于主动外观模型与SVM的头部姿态估计 | 第60-61页 |
| 4.4 系统概述 | 第61-62页 |
| 4.5 系统整体分析与结果 | 第62-67页 |
| 4.5.1 图像与数据采集 | 第62页 |
| 4.5.2 数据处理 | 第62-63页 |
| 4.5.3 结果分析 | 第63-66页 |
| 4.5.4 应用场景 | 第66-67页 |
| 4.6 本章小结 | 第67-68页 |
| 5 总结 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 作者简历及攻读硕士学位期间的学术成果 | 第74页 |