单目视线追踪与人眼行为识别研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 侵入式视线追踪 | 第11-12页 |
| 1.2.2 非侵入式视线追踪 | 第12-14页 |
| 1.3 论文的主要工作 | 第14-15页 |
| 1.4 章节安排 | 第15-17页 |
| 第二章 预处理 | 第17-33页 |
| 2.1 图像滤波与增强 | 第17-18页 |
| 2.1.1 图像滤波 | 第17-18页 |
| 2.1.2 图像增强 | 第18页 |
| 2.2 人脸与人眼检测 | 第18-21页 |
| 2.3 眼镜提取与去除 | 第21-28页 |
| 2.3.1 数据准备与标注 | 第22页 |
| 2.3.2 图像对齐与归一化 | 第22-24页 |
| A.训练样本对齐 | 第22-23页 |
| B.灰度模型归一化 | 第23-24页 |
| 2.3.3 模型建立 | 第24-26页 |
| 2.3.4 模型拟合与搜索 | 第26-28页 |
| 2.4 人眼区域粗定位 | 第28-29页 |
| 2.5 实验结果 | 第29-31页 |
| 2.5.1 人眼检测实验结果 | 第29页 |
| 2.5.2 眼镜去除实验结果 | 第29-31页 |
| 2.5.3 人眼区域粗定位实验结果 | 第31页 |
| 2.6 本章小结 | 第31-33页 |
| 第三章 眼球中心定位 | 第33-46页 |
| 3.1 霍夫圆检测 | 第33-36页 |
| 3.1.1 Canny边缘检测 | 第33-34页 |
| 3.1.2 改进的霍夫圆检测 | 第34-36页 |
| 3.2 椭圆拟合 | 第36-38页 |
| 3.2.1 自适应二值化 | 第36-37页 |
| 3.2.2 基于最小二乘法的椭圆拟合 | 第37-38页 |
| 3.3 基于曲率信息检测眼球中心 | 第38-42页 |
| 3.3.1 等高线图曲率信息模型 | 第38-40页 |
| 3.3.2 优化的人眼中心概率分布 | 第40-41页 |
| 3.3.3 概率分布图中的模式搜索 | 第41-42页 |
| 3.4 实验结果 | 第42-45页 |
| 3.4.1 霍夫圆检测实验结果 | 第42-43页 |
| 3.4.2 椭圆拟合实验结果 | 第43-44页 |
| 3.4.3 基于曲率信息检测眼球中心 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 眼球轨迹与眼动行为识别 | 第46-58页 |
| 4.1 待检测眼动轨迹定义 | 第46-47页 |
| 4.2 轨迹识别 | 第47-54页 |
| 4.2.1 kNN算法 | 第47页 |
| 4.2.2 SVM分类器 | 第47-54页 |
| 4.3 睁、闭眼与眨眼判断 | 第54-56页 |
| 4.4 实验结果 | 第56-57页 |
| 4.4.1 眼动轨迹识别 | 第56页 |
| 4.4.2 眨眼检测 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 作者攻读学位期间发表的学术论文 | 第64页 |
