基于混合特征的注视方向判别.docxVIP

高技术通讯2011年第21卷第4期：333，338幽：lO．377刎．issll．1002埘70．2011．04．001基于混合特征的注视方向判别①葛宏志②。陈熙霖“(’哈尔滨工业大学计算机科学与技术学院哈尔滨150001)(”中国科学院智能信息处理重点实验室中国科学院计算技术研究所北京100190)摘要提出了一种基于混合特征的注视方向判别方法。混合特征由模型特征和表观特征组成。模型特征是提取的特征点间的几何向量，表观特征是从眼睛图像提取的方向二值模式(DBP)。将两种特征通过支持向量回归(SvR)算法融合起来，将组合特征一一对应于某一确定的头部姿态下的一个确定的注视方向。非特定人实验所用数据库有11个采集人，共计4089个样本。所用的样本在采集时保持头部正面面向摄像机，仅双眼注视预定的方向。实时测试时仅用一个单摄像机，输入是单帧人脸图像，输出为以摄像机坐标系计量的欧拉角度值。实验验证了混合特征的有效性，实验结果为30的测试误差。关键词视线跟踪，混合特征，表观特征，模型特征，支持向量回归(s、儇)(10calbinar)，pattem，LBP)[9]特征来代替传统的“瞳孔O引言．闪点”向量特征。本文提出了一种基于混合特征实现的检测算视线跟踪是指通过对人的头部图像特别是眼部法，该算法对单幅图像中的观察者进行视线判断。图像的分析来获得眼的注视方向。通常情况下，若在被观察者的头部保持正面朝向摄像机的情况下，照片中人的头部姿态适宜且双眼清晰可见，观察者将双眼提取的混合特征与注视方向实现有效的映可以明确地判别出眼的注视方向。利用注视方向可射。从输入计算机的单幅图像中直接获取视线和摄以实现新一代自然高效的人机交互。像机坐标坐标系的角度关系，即欧拉角值。混合特对视线的判别与跟踪的研究可以追溯到百年征算法利用主动形状模型(∞tivesh印e1110del，前。早期的研究因受到硬件的制约，实现的方式多ASM)算法提取眼中心和瞳孔中心作为模型特采用基于物理的方法，如接触镜法、眼电位法【2|。征，而表观特征计算是基于本文提出的方向二值模近些年来，随着计算机处理能力的进步以及计算机式(directio脚birlary叫tem，DBP)特征提取算法。视觉和模式识别技术的进步，采用基于图像的判别DBP算子在提取图像纹理的局部信息的同时，可以方法得到了更多的关注。按照所用特征的不同，这解析沿某一确定方向的差分信息，而且对光照鲁棒。类方法可以分为两类∞J——基于模型特征的方法和DBP在应用中，能够很好地解析巩膜和虹膜位置之基于表观特征的方法。基于模型特征的典型方法有间的相对改变，即横向和纵向上的图像纹理变化，同普金斯野像法(Pid【inie)【4·5J、异边缘跟踪法16J等。时，对光照的鲁棒性能减少眼皮反光对识别计算的这类方法的优点是具有明确的物理和几何背景，但影响。之后利用支持向量回归(suppon、僦tor陀秽．由于可用特征数量少，因而对噪声敏感。相比之下，8ion，sVR)【JlJ对注视角度进行回归分析，获得对应的基于表观特征的算法直接将眼部图像或其变换作为空间注视方向。本文提出方法有如下优点：(1)单高维特征来处理，更好地利用了统计特性，因而更加摄像机实现，系统简单；(2)对光照具有高鲁棒性，稳定。近年来，这方面的研究逐渐增多【7|。例如能在较为复杂的环境下实现；(3)通过摄像机与观蛳等b]，将分割的眼睛图像整体作为流行空间察屏幕的标定，可以容易地实现对屏幕注视点的检的一个点。b等【8J从眼睛图像提取局部二值模式测和人机交互。①863计划(2009AAOIZ317)，国家自然科学基金和北京市自然科学基金(加61001)资助项目。⑦男。19r78年生，博士生；研究方向：模式识别。计算机视觉，机器学习等；联系人，Bnlail：I·殍@idl．∽．∞。(收稿日期：20lo．03．11)一333—万方数据高技术通讯2011年4H第2I卷第4期特征提取及视线跟踪算法圜-≤霉间视线向量和摄像机坐标系向量问的3个兜堵如幽1”名‘。卜1‘‘本文提出的是基于混合特征的算法E利用特征和注视视角一一对应的笑系．从单幅图像计算空刿l所，下，台摄像机置于i州斌者的止前方摄像机实时采集人脸罔像．输八计算机处理用AsM获目2AsM算法定位特征点i意图得双眼轮哜关键点和瞳孔中心点，计算眼中心到艟扎中心问的二维向量i作为模型特征，I司时利用租I2基于方向二值模式f琊P}的表观特征限轮脯：点分割}l{烈跟区域．爿进，亍几何归一化处理，为丁获得对方向敏感的纹理特缸．本文提出了然后利用本文提出的DBP特征描述方法汁算丧观种相应的算子在灰度图像上，定义3x3的矩形特征．将这两类特征作为输入利崩训练获得的svR街(闰3)互是中心点，而相邻8个像素是zo．进行同归分析．用s帆