视线跟踪系统中眼睛睁闭检测算法研究.pdf

第 17卷 第 1期 电路与系统学报 Vo1．17 No．1 2012年 2月 J0URNAL0FCIRCUITSAND SYSTEMS February，2012 文章编号 ：1007—0249(2012)01—0017—07 视线跟踪系统中眼睛睁闭检测算法研究 邓宏平群， 李斌， 姚鹏 ， 吴伟， 王建宇， 庄镇泉 (中国科学技术大学 电子科学与技术系微软教育部重点实验室 ，安徽 合肥 230027) 摘要t眼睛睁闭检测在视线跟踪系统中具有重要意义。为提高检测的准确性，提出了一种基于Harris算子的检测 方法。该方法首先利用Harris算子计算图像的角点量 ，然后搜索图像中角点量最大的位置，以该位置为中心，设置一 个区域，统计该区域 内角点量总和 占整幅图像角点量总和的比例，通过将该 比例与阈值相比较来确定眼睛的状态。实 验结果表 明，本算法具有较高的鲁棒性和准确率，并能满足实时性要求 。 关键词 ：眼睛状态检测；Harris算子；角点量 中图分类号 ：TP751 文献标识码 tA 1 引言 视线跟踪技术是近年来兴起 的人机交互方式，通过分析 由摄像头获取的眼部图像，可以计算出人 眼凝视的位置，进而起到利用眼睛控制 鼠标的功能 。视线跟踪在军事、残疾人辅助、心理学研究和网 页分析等方向有着重要应用。凝视点的位置，是通过眼部图像中瞳孔中心的位置，结合瞳孔图像到场 景图像之间的映射矩阵计算出来的。瞳孔中心位置与凝视点位置之问存在一一对应关系。因此，在视 线跟踪的过程中，能否实现瞳孔中心的准确定位，将会直接决定人机交互的质量。 现实生活中，人的眼睛会有随机性的眨眼活动，当眼睛闭合时，系统将无法获取瞳孔中心的准确 位置 ，因此也无法对凝视点位置进行精确地定位 。此时，就有可能造成视线跟踪的中断，无法完成正 常的人机交互。另外，在视线跟踪系统中，通常需要凝视某一对象一定时间，才实现 鼠标单击 。在此 期间，如果出现眨眼情况，凝视点位置将会产生偏移，则有可能造成错误的单击。因此，必须能够识 别出当前帧中眼睛的状态，才可避免此种情况的发生。对于闭眼的情形，可以将前一帧图像的瞳孔中 心位置作为当前帧瞳孔中心位置，或者不作计算，从而不会影响系统的正常工作。 当前眼睛状态检测主要有以下几个难题。第一，光照的影响。不同的视线跟踪系统，采用的照明 系统可能不同，如可见光、红外光等，光源的位置也不尽相同，有前方、斜上方等。因此，采集到的 眼部图像的光照分布各有不同，即便同一幅图像 内，不同区域的亮度也有较大差别，因此在对图像进 行二值化等操作时，很难选取有效的阈值 。第二，眼睑和睫毛的干扰 。眼睑和睫毛具有很低 的灰度 。 很多基于边缘的算法会将眼睑和睫毛误认为是瞳孔边缘，从而造成误判。因此如何降低各种因素的干 扰，是提高眼睛状态检测正确率的关键 。 目前常见的眼睛状态检测方法可以分为两大类：基于图像的方法[1l_和基于学习的方法[9-15]。基于 图像的方法充分利用 了睁眼和 闭眼时，眼部特征 的差异，如是否能检测到虹膜边缘 ，眼睑的方 向是否 相同，上下眼睑的距离等。这类方法的优点是算法 比较容易实现，速度也较快，但容易受到眼睑、睫 毛和镜面反光等干扰，准确率不高。基于学习的方法把眼睛状态的检测当作一种分类 问题来处理，通 过提取特征，利用分类器进行学习，根据学习结果实现眼睛状态的检测。这类方法需要选择有效的特 征，并选择大量的样本进行训练，才能得到比较理想的分类器 。 文献[1-3]首先提取眼部图像的轮廓，然后通过Hough变换检测虹膜边缘。Hough变换轮流对图像 中的所有边缘点进行拟合，然后在参数空间中寻找最优的圆形作为虹膜的边缘。图像中边缘点的数量 收藕 日期t2010-04-23 修订 日期：2010-05．29 基金项目t获得国家 自然科学基金广东联合基金资助 (u0835002)；国家 自然科学基金资助项 目 #通信作者 E-mail：denghp@mail．ustc．edu．cn 18 电路与系统学报 第 17卷 决定了算法的速度 。在提取边缘的过程中，眼睑和睫毛的边缘很难完全滤除，容易被