專利名稱：一種基于逐步回歸分析映射模型的視線跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及視線跟蹤技術(shù)，具體涉及基于逐步回歸分析映射模型的視線跟蹤方法。
背景技術(shù)：
視線識(shí)別技術(shù)為人機(jī)交互技術(shù)的重要分支，主要研究對(duì)人眼注視點(diǎn)的檢測與識(shí)別，實(shí)現(xiàn)對(duì)其他功能系統(tǒng)控制，其研究成果在軍備開發(fā)、無人駕駛、航空航天、殘疾人輔助、 虛擬現(xiàn)實(shí)等領(lǐng)域有著廣泛的應(yīng)用前景。
視線跟蹤技術(shù)一般可以分為兩類，接觸式和非接觸式。接觸式的精度高，但用戶須佩戴特殊設(shè)備，給用戶使用帶來很大的不便。非接觸式不需用戶佩戴任何設(shè)備，不對(duì)用戶產(chǎn)生干擾。非接觸式技術(shù)是目前研究的熱點(diǎn)。在非接觸式視線跟蹤技術(shù)中，瞳孔-角膜反射向量法具有較高的精度，是目前非接觸式技術(shù)的主流。按照其原理瞳孔-角膜反射法可劃分為3維跟蹤方法和2維跟蹤方法。3維的跟蹤方法存在很大的缺陷，需要用到多個(gè)攝像機(jī)來求得眼睛3維坐標(biāo)，對(duì)硬件要求高，算法復(fù)雜耗時(shí)，實(shí)現(xiàn)難度大。在現(xiàn)今的視線跟蹤實(shí)用系統(tǒng)中大多使用2維的跟蹤方法。人眼注視點(diǎn)映射模型是2維跟蹤方法中最關(guān)鍵的問題， 現(xiàn)今的映射模型函數(shù)使用固定的參數(shù)組合，沒有考慮映射模型函數(shù)整體和各個(gè)參數(shù)的顯著性，缺乏合理性檢驗(yàn)和擬合精度不高。由于使用者生理特征參數(shù)差異性，如眼球半徑、眼球橢圓系數(shù)等，和所處的條件不同，如頭部相對(duì)與攝像頭的位置等，不同個(gè)體是有差異的，使用固定的模型參數(shù)組合并不完全適合所有情況，必須對(duì)映射模型函數(shù)整體和各參數(shù)的顯著性進(jìn)行檢測。并且現(xiàn)有絕大部分視線跟蹤方法在人眼凝視時(shí)定位注視點(diǎn)時(shí)沒有考慮眼睛抖動(dòng)的問題，使得人眼盯著一點(diǎn)看時(shí)，定位出的注視點(diǎn)還會(huì)不斷跳動(dòng)。發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有2維映射模型缺乏合理性檢驗(yàn)、擬合精度不高和缺乏考慮凝視時(shí)眼睛抖動(dòng)的缺點(diǎn)，提供一種基于逐步回歸分析映射模型的視線跟蹤方法，根據(jù)輸入的眼動(dòng)特征信息數(shù)據(jù)檢測模型整體和各參數(shù)的顯著性，自適應(yīng)調(diào)整模型參數(shù)的組合， 建立合理、高精度的、魯棒性強(qiáng)的映射模型，并且在人眼凝視時(shí)通過高斯權(quán)重平均解決眼睛抖動(dòng)的問題。該算法對(duì)硬件要求低，只需一個(gè)普通的攝像頭和兩個(gè)紅外光源，所需的計(jì)算量不大，提高了視線跟蹤的實(shí)時(shí)性。
本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn)
一種基于逐步回歸分析映射模型的視線跟蹤方法，該方法需要一個(gè)攝像頭和兩個(gè)紅外光源，包括如下步驟
(1)眼睛注視屏幕上的標(biāo)定點(diǎn)，提取眼動(dòng)特征信息；
(2)選擇初始映射模型函數(shù)利用步驟(1)所獲取的眼動(dòng)特征信息，對(duì)候選的初始映射模型函數(shù)進(jìn)行整體的顯著性檢測和初始精度檢測，若通不過這兩檢測則更換初始映射模函數(shù)重新進(jìn)行檢測，通過這兩個(gè)檢測則確定為初始映射模型函數(shù)；
(3)確定最終映射模型函數(shù)對(duì)初始映射模型函數(shù)各項(xiàng)的顯著性進(jìn)行檢驗(yàn)，剔除非顯著的項(xiàng)，在不斷地項(xiàng)剔除及重新建立映射模型函數(shù)的過程中，最終找到擬合精度最高的映射模型函數(shù)；
(4)計(jì)算注視點(diǎn)提取眼動(dòng)特征信息，當(dāng)人眼處于凝視狀態(tài)時(shí)，采用高斯權(quán)重平均法來平滑眼動(dòng)特征信息，利用最終映射模型函數(shù)進(jìn)行注視點(diǎn)計(jì)算，實(shí)現(xiàn)實(shí)時(shí)的視線跟蹤。
上述跟蹤方法中，步驟(1)的標(biāo)定點(diǎn)為屏幕的中點(diǎn)及在屏幕上4X4平均分布的16 ^fv 點(diǎn)，17 ^fv 點(diǎn)。
上述跟蹤方法中，所述步驟(1)眼動(dòng)特征信息的提取包括
a.定位出瞳孔區(qū)域，獲得瞳孔中心坐標(biāo)O3X, Py)；
b.分別定位出兩個(gè)紅外光源在眼睛角膜上的反射斑點(diǎn)區(qū)域，獲得兩個(gè)斑點(diǎn)中心坐標(biāo)，得到這兩個(gè)斑點(diǎn)中點(diǎn)連線的中點(diǎn)坐標(biāo)(Xe，Yc)，以及兩個(gè)斑點(diǎn)中點(diǎn)的歐氏距離d ；
C..獲得由瞳孔中心指向兩個(gè)反射斑點(diǎn)中點(diǎn)連線的中點(diǎn)的向量V，以兩個(gè)反射斑點(diǎn)中點(diǎn)的歐氏距離d作為修正因子，由V除以d.獲得眼動(dòng)特征信息Vmk,稱為修正瞳孔-角膜反射向量；
d.由于人眼在凝視標(biāo)定點(diǎn)時(shí)眼睛也不是完全靜止的，人眼為了獲取外界信息在不斷地小范圍抖動(dòng)，為了獲取的眼動(dòng)特征信息具有更好的魯棒性，在人眼凝視每個(gè)標(biāo)定點(diǎn)時(shí)連續(xù)取五幀圖像的修正瞳孔-角膜反射向量，然后取平均值作為標(biāo)定點(diǎn)對(duì)應(yīng)的眼動(dòng)特征信肩、ο
上述跟蹤方法中，所述步驟( 包括
a.確定初始映射模型函數(shù)把眼動(dòng)特征信息和人眼注視點(diǎn)對(duì)應(yīng)起來，映射模型函數(shù)為多項(xiàng)映射模型函數(shù)，以人眼注視點(diǎn)的坐標(biāo)為依變量，以眼動(dòng)特征信息即修正瞳孔-角膜反射向量的X軸分量和Y軸分量組合構(gòu)成的項(xiàng)作為自變量；
b.利用標(biāo)定點(diǎn)在屏幕上的坐標(biāo)信息和對(duì)應(yīng)的眼動(dòng)特征信息采用F檢驗(yàn)法檢查候選初始映射模型函數(shù)的整體顯著性，當(dāng)映射模型函數(shù)整體為非顯著時(shí)更改初始映射模型函數(shù)，通過整體顯著行檢測后，用最小二乘法確定初始映射模型函數(shù)的系數(shù)，把用該初始映射模型函數(shù)計(jì)算出的人眼注視點(diǎn)與標(biāo)定點(diǎn)進(jìn)行比較得到定位誤差，若定位誤差大于設(shè)定值則更換初始映射模型函數(shù)。
上述跟蹤方法的步驟b中，候選初始映射模型函數(shù)有6參數(shù)二次多項(xiàng)式、9參數(shù)多項(xiàng)式和12參數(shù)多項(xiàng)式，首先選擇6參數(shù)二次多項(xiàng)式作為待定初始映射模型函進(jìn)行整體的顯著性檢測和初始精度檢測，如果如果6參數(shù)二次多項(xiàng)式達(dá)通不過檢測則重新選擇9參數(shù)多項(xiàng)式作為待定初始映射模型函進(jìn)行整體的顯著性檢測和初始精度檢測，若9參數(shù)多項(xiàng)式也通不過檢測則選擇12參數(shù)多項(xiàng)式。
上述跟蹤方法中，所述步驟C3)包括
確定了初始映射模型函數(shù)后，映射模型函數(shù)的各自變量不一定與依變量的關(guān)系都是顯著的，非顯著的自變量會(huì)影響映射模型函數(shù)的準(zhǔn)確性和魯棒性，故用F檢驗(yàn)法對(duì)映射模型函數(shù)各項(xiàng)的顯著性進(jìn)行檢驗(yàn)，剔除非顯著的項(xiàng)，在不斷的項(xiàng)剔除及重新建立映射模型函數(shù)的過程中，找到最優(yōu)的函數(shù)參數(shù)組合，顯著地提高模型函數(shù)計(jì)算效率及擬合精度。
上述跟蹤方法中，所述步驟⑷包括
a.獲取每幀圖像的眼動(dòng)特征信息VP_CK;
b.根據(jù)眼動(dòng)特征信息Vp,變化量，判斷眼睛處于凝視狀態(tài)還是非凝視狀態(tài)當(dāng)前幀的眼動(dòng)特征信息VP_CR與前一幀的眼動(dòng)特征信息VP_CR比較，如果相對(duì)變化量小于1 %則判斷為眼睛處于凝視狀態(tài)，反之則處于非凝視狀態(tài)；
c.當(dāng)眼睛處于凝視狀態(tài)時(shí)，平滑眼動(dòng)特征信息Vp,由于眼睛的抖動(dòng)影響，直接采用每一幀圖像的眼動(dòng)特征信息VP_CR來計(jì)算眼睛注視點(diǎn)時(shí)，眼睛注視點(diǎn)會(huì)快速跳動(dòng)，為了克服這個(gè)困難，當(dāng)眼睛處于凝視狀態(tài)時(shí)，采用高斯分布為眼睛處于凝視狀態(tài)時(shí)獲取的連續(xù)多幀圖像的眼動(dòng)特征信息分配權(quán)重，通過權(quán)重平均來獲得平滑的眼動(dòng)特征信息；
d.當(dāng)人眼處于非凝視狀態(tài)時(shí)直接利用該幀圖像的眼動(dòng)特征信息計(jì)算注視點(diǎn)，當(dāng)人眼處于凝視狀態(tài)時(shí)利用平滑后的眼動(dòng)特征信息計(jì)算注視點(diǎn)。
與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)與積極效果在于
1.相對(duì)傳統(tǒng)的靜態(tài)的映射模型采用固定組合的多項(xiàng)式映射模型函數(shù)，該方法采用基于逐步回歸分析的方法，在構(gòu)建了初始映射模型函數(shù)后，根據(jù)眼動(dòng)特征信息檢查映射模型函數(shù)的顯著性，剔除映射模型函數(shù)不顯著的項(xiàng)，最終找到最優(yōu)的多項(xiàng)式映射模型函數(shù)，顯著地提高模型函數(shù)計(jì)算效率及擬合精度。
2.該方法在人眼凝視時(shí)采用高斯權(quán)重平均法來解決眼睛凝視時(shí)產(chǎn)生的抖動(dòng)現(xiàn)象， 當(dāng)前幀的權(quán)重最大，之前的幀的權(quán)重按高斯分布遞減，這不僅克服了眼睛的抖動(dòng)現(xiàn)象而且能快速的響應(yīng)眼睛細(xì)微運(yùn)動(dòng)。
3.該方法對(duì)硬件要求低，只需一個(gè)攝像頭及兩個(gè)光源，計(jì)算量少，實(shí)時(shí)性強(qiáng)。


圖1是本發(fā)明實(shí)施方式中顯示屏、紅外光源與攝像頭的布置示意圖。
圖2是本發(fā)明實(shí)施方式中視線跟蹤方法的流程示意圖。
圖3是本發(fā)明實(shí)施方式中標(biāo)定點(diǎn)分布圖。
具體實(shí)施方式
下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式
作進(jìn)一步說明。
如圖1，本發(fā)明需要紅外光源及攝像頭。紅外光源為安裝在顯示屏兩個(gè)側(cè)邊中點(diǎn)的 LED燈，攝像頭位于屏幕中心正下方。攝像頭實(shí)時(shí)地捕捉圖像，在兩個(gè)紅外光源的照射下，瞳孔圖像會(huì)產(chǎn)生暗瞳效應(yīng)，且會(huì)在眼睛角膜上形成兩反射斑點(diǎn)。，
如圖2，視線跟蹤算法具體實(shí)施步驟如下
步驟一眼睛注視標(biāo)定點(diǎn)，提取眼動(dòng)特征信息
步驟二 選擇初始映射模型函數(shù)
步驟三確定最終映射模型函數(shù)
步驟四注視點(diǎn)計(jì)算。
其中步驟一的具體實(shí)施步驟為
1.眼睛依次注視標(biāo)定點(diǎn)，標(biāo)定點(diǎn)分布圖如圖3所示，為屏幕的中點(diǎn)及在屏幕上 4X4平均分布的16個(gè)點(diǎn)，共17個(gè)點(diǎn)；
2.在眼睛注視標(biāo)定時(shí)提取眼動(dòng)特征信息
每個(gè)注視點(diǎn)提取連續(xù)五幀圖像的修正瞳孔-角膜反射向量的平均值作為眼動(dòng)特征信息。眼動(dòng)特征信息提取的具體實(shí)施步驟為
2. 1彩色圖像灰度化
攝像頭采集的數(shù)字圖像為具有R，G，B分量的彩色圖片，將彩色圖像灰度化，公式如下
V = O. 259R+0. 578G+0. 144B
式中V表示轉(zhuǎn)換后的灰度值，R，G，B為圖片的紅，綠，藍(lán)分量。
2. 2定位人眼區(qū)域
a.采用基于模版匹配的定位算法實(shí)現(xiàn)快速的人眼區(qū)域。采用相關(guān)系數(shù)匹配法則， 求取樣本與人眼模板之間的相關(guān)度，有最大相關(guān)值為所要定位的區(qū)域。
b.在定位人眼區(qū)域后，對(duì)人眼區(qū)域進(jìn)行去噪聲處理，采用高斯濾波器對(duì)圖像平滑預(yù)處理。
2. 3定位瞳孔獲得瞳孔信息
a.采用canny邊緣檢測算法獲取瞳孔的邊緣信息
b.采用橢圓曲線擬合瞳孔邊緣點(diǎn)
以圖像的左上角作為原點(diǎn)建立X-Y直角坐標(biāo)系，對(duì)所提取的瞳孔邊緣點(diǎn)集合進(jìn)行橢圓方程的最小二乘法擬合，然后確定瞳孔中心位置(X。，Y。)，橢圓方程取為
X2+AXY+BY2+CX+DY+E = 0
利用最小二乘法求取A、B、C、D、E參數(shù)值，
橢圓中心坐標(biāo)(Xc，Yc)計(jì)算如下Γ ν 2 B C-AD
Xr=-
2. 4定位斑點(diǎn)，獲取斑點(diǎn)信息
a. 二值化眼睛區(qū)域獲得斑點(diǎn)圖像
跟據(jù)斑點(diǎn)為一個(gè)高亮的塊的特征，對(duì)圖像進(jìn)行二值化處理，獲取二值化斑點(diǎn)圖像， 提取斑點(diǎn)輪廓。
b.采用橢圓曲線擬合斑點(diǎn)輪廓。
分別獲得兩個(gè)斑點(diǎn)中心坐標(biāo)，得到這兩個(gè)斑點(diǎn)中點(diǎn)連線的中點(diǎn)坐標(biāo)0(C，YC)，以及兩個(gè)斑點(diǎn)中點(diǎn)的歐氏距離d
2. 5.眼動(dòng)特征信息修正瞳孔-角膜反射向量
獲得由瞳孔中心(Xp，Yp)指向兩個(gè)紅外反射斑點(diǎn)中點(diǎn)連線的中點(diǎn)(Xc，Yc)的向量 V，以兩個(gè)反射斑點(diǎn)中點(diǎn)的歐氏距離d作為修正因子，由V除以d.獲得眼動(dòng)特征信息VP_CR, 公式如下
Vp_ CR = (XC"X^YC"%)
其中步驟二的具體實(shí)施步驟為
1、候選初始映射模型函數(shù)
6參數(shù)二次多項(xiàng)式映射模型函數(shù)
權(quán)利要求
1.一種基于逐步回歸分析映射模型的視線跟蹤方法，該方法采用一個(gè)攝像頭和兩個(gè)紅外光源，兩個(gè)紅外光源安裝在顯示屏兩側(cè)，攝像頭位于屏幕下方，其特征在于包括如下步驟(1)眼睛注視屏幕上的標(biāo)定點(diǎn)，提取眼動(dòng)特征信息；(2)選擇初始映射模型函數(shù)利用步驟(1)所獲取的眼動(dòng)特征信息，對(duì)候選的初始映射模型函數(shù)進(jìn)行整體的顯著性檢測和初始精度檢測，若通不過這兩檢測則更換初始映射模函數(shù)重新進(jìn)行檢測，通過這兩個(gè)檢測則確定為初始映射模型函數(shù)；(3)確定最終映射模型函數(shù)對(duì)初始映射模型函數(shù)各項(xiàng)的顯著性進(jìn)行檢驗(yàn)，剔除非顯著的項(xiàng)，在不斷地項(xiàng)剔除及重新建立映射模型函數(shù)的過程中，最終找到擬合精度最高的映射模型函數(shù)；(4)計(jì)算注視點(diǎn)提取眼動(dòng)特征信息，當(dāng)人眼處于凝視狀態(tài)時(shí)，采用高斯權(quán)重平均法來平滑眼動(dòng)特征信息，利用最終映射模型函數(shù)進(jìn)行注視點(diǎn)計(jì)算，實(shí)現(xiàn)實(shí)時(shí)的視線跟蹤。
2.根據(jù)權(quán)利要求1所述的跟蹤方法，其特征在于所述步驟(1)標(biāo)定點(diǎn)為屏幕的中點(diǎn)及在屏幕上4X4平均分布的16個(gè)點(diǎn)，共17個(gè)點(diǎn)。
3.根據(jù)權(quán)利要求1所述的跟蹤方法，其特征在于所述步驟(1)眼動(dòng)特征信息的提取包括(1. 1)定位出瞳孔區(qū)域，獲得瞳孔中心坐標(biāo)(Px，Py)；(1. 2)分別定位出兩個(gè)紅外光源在眼睛角膜上的反射斑點(diǎn)區(qū)域，獲得兩個(gè)斑點(diǎn)中心坐標(biāo)，得到這兩個(gè)斑點(diǎn)中點(diǎn)連線的中點(diǎn)坐標(biāo)(Xe，Yc),以及兩個(gè)斑點(diǎn)中點(diǎn)的歐氏距離d ；(1.3)獲得由瞳孔中心指向兩個(gè)反射斑點(diǎn)中點(diǎn)連線的中點(diǎn)的向量V，以兩個(gè)反射斑點(diǎn)中點(diǎn)的歐氏距離d作為修正因子，由V除以歐氏距離d.獲得眼動(dòng)特征信息 VP_CR,稱為修正瞳孔-角膜反射向量；(1.4)由于人眼在凝視標(biāo)定點(diǎn)時(shí)眼睛也不是完全靜止的，人眼為了獲取外界信息在不斷地小范圍抖動(dòng)，為了獲取的眼動(dòng)特征信息具有更好的魯棒性，在人眼凝視每個(gè)標(biāo)定點(diǎn)時(shí)連續(xù)取五幀圖像的修正瞳孔-角膜反射向量，然后取平均值作為標(biāo)定點(diǎn)對(duì)應(yīng)的眼動(dòng)特征信肩、ο
4.根據(jù)權(quán)利要求1所述的跟蹤方法，其特征在于所述步驟(2)中包括(2. 1)確定初始映射模型函數(shù)以將眼動(dòng)特征信息和人眼注視點(diǎn)對(duì)應(yīng)起來，映射模型函數(shù)為多項(xiàng)映射模型函數(shù)，以人眼注視點(diǎn)的坐標(biāo)為依變量，以眼動(dòng)特征信息即修正瞳孔-角膜反射向量的X軸分量和Y軸分量組合構(gòu)成的項(xiàng)作為自變量；(2. 2)利用標(biāo)定點(diǎn)在屏幕上的坐標(biāo)信息和對(duì)應(yīng)的眼動(dòng)特征信息采用F檢驗(yàn)法檢查候選初始映射模型函數(shù)的整體顯著性，當(dāng)映射模型函數(shù)整體為非顯著時(shí)更改初始映射模型函數(shù)，通過整體顯著行檢測后，用最小二乘法確定初始映射模型函數(shù)的系數(shù)，把用該初始映射模型函數(shù)計(jì)算出的人眼注視點(diǎn)與標(biāo)定點(diǎn)進(jìn)行比較得到定位誤差，若定位誤差大于設(shè)定值則更換初始映射模型函數(shù)。
5.根據(jù)權(quán)利要求4所述的跟蹤方法，其特征在于步驟(2.2)中，候選初始映射模型函數(shù)有6參數(shù)二次多項(xiàng)式、9參數(shù)多項(xiàng)式和12參數(shù)多項(xiàng)式，首先選擇6參數(shù)二次多項(xiàng)式作為待定初始映射模型函進(jìn)行整體的顯著性檢測和初始精度檢測，如果如果6參數(shù)二次多項(xiàng)式達(dá)通不過檢測則重新選擇9參數(shù)多項(xiàng)式作為待定初始映射模型函進(jìn)行整體的顯著性檢測和初始精度檢測，若9參數(shù)多項(xiàng)式也通不過檢測則選擇12參數(shù)多項(xiàng)式。
6.根據(jù)權(quán)利要求1所述的跟蹤方法，其特征在于所述步驟(3)包括確定了初始映射模型函數(shù)后，用F檢驗(yàn)法對(duì)映射模型函數(shù)各項(xiàng)的顯著性進(jìn)行檢驗(yàn)，剔除非顯著的項(xiàng)，在不斷的項(xiàng)剔除及重新建立映射模型函數(shù)的過程中，找到最優(yōu)的函數(shù)參數(shù)組合，顯著地提高模型函數(shù)計(jì)算效率及擬合精度。
7.根據(jù)權(quán)利要求1所述的跟蹤方法，其特征在于所述步驟(4)包括(4. 1)獲取每幀圖像的眼動(dòng)特征信息VP_ER ；(4. 2)根據(jù)眼動(dòng)特征信息變化量，判斷眼睛處于凝視狀態(tài)還是非凝視狀態(tài)當(dāng)前幀的眼動(dòng)特征信息VP_c;S與前一幀的眼動(dòng)特征信息^1Mr比較，如果相對(duì)變化量小于1%則判斷為眼睛處于凝視狀態(tài)，反之則處于非凝視狀態(tài)；(4. 3)當(dāng)眼睛處于凝視狀態(tài)時(shí)，平滑眼動(dòng)特征信息Vp_eR 當(dāng)眼睛處于凝視狀態(tài)時(shí)，采用高斯分布為處于凝視狀態(tài)時(shí)獲取的連續(xù)多幀圖像的眼動(dòng)特征信息分配權(quán)重，通過權(quán)重平均來獲得平滑的眼動(dòng)特征信息；(4. 4)當(dāng)人眼處于非凝視狀態(tài)時(shí)直接利用該幀圖像的眼動(dòng)特征信息計(jì)算注視點(diǎn)，當(dāng)人眼處于凝視狀態(tài)時(shí)利用平滑后的眼動(dòng)特征信息計(jì)算注視點(diǎn)。
全文摘要
本發(fā)明公開了一種基于逐步回歸分析映射模型的視線跟蹤方法，該方法首先在人眼注視標(biāo)定點(diǎn)時(shí)提取眼動(dòng)特征信息；然后選擇初始映射模型函數(shù)。選擇初始映模型射函數(shù)后，對(duì)映射模型函數(shù)各項(xiàng)的顯著性進(jìn)行檢驗(yàn)，剔除非顯著的項(xiàng)，在不斷的項(xiàng)剔除及重新建立映射模型函數(shù)的過程中，最終找到擬合精度最高的映射模型函數(shù)。最后，利用最終映射模型函數(shù)計(jì)算注視點(diǎn)，當(dāng)人眼處于凝視狀態(tài)時(shí)，采用高斯權(quán)重平均法來平滑眼動(dòng)特征信息，克服眼睛抖動(dòng)的問題。本發(fā)明魯棒性好、精度高。
文檔編號(hào)G06F3/01GK102520796SQ201110406599
公開日2012年6月27日 申請(qǐng)日期2011年12月8日 優(yōu)先權(quán)日2011年12月8日
發(fā)明者嚴(yán)偉洪, 梁銘炬, 秦華標(biāo) 申請(qǐng)人:華南理工大學(xué)