基于眨眼動作的低成本人機交互系統(tǒng)研究.pdf

1、人眼檢測技術作為機器視覺領域的研究方向之一一直備受關注，近年來，人眼檢測技術與人機交互技術的結合衍生了很多新的應用，如疲勞駕駛，視線跟蹤等;在實際應用中，往往需要較高的人眼定位精度，通常利用高精度相機或者紅外攝像機來實現(xiàn)這一要求，雖然通過高精度設備可以滿足需要，但成本過高，對人體存在潛在的危害則在一定程度上限制了方法的應用，為此，開發(fā)出一種低成本，安全易實現(xiàn)的系統(tǒng)成為當前主要研究任務。
　　我們結合當前最新的算法技術設計出了一種新

2、的人眼檢測系統(tǒng)，該系統(tǒng)首先利用人臉檢測技術定位人臉，然后利用人眼檢測技術確定人眼的位置，進而實現(xiàn)人眼的跟蹤。最后通過眨眼檢測技術來判斷眨眼，實現(xiàn)了眨眼控制預定翻頁的功能?；诓噬畔ⅲ谥狈綀D，基于Adaboost算法的人臉檢測技術是較為常見的幾種方法，本文系統(tǒng)采用了基于Adaboost算法的人臉檢測技術，相比其他算法，該算法具有穩(wěn)定性好，可靠性高的良好性能，而且能夠適應背景環(huán)境較復雜的情況;Roberto Valenti提出的基于等

3、照度線的算法和startburst算法是人眼檢測技術中性能較好的兩種方法，通過比較分析，我們得出Roberto Valenti所提出的算法在瞳孔特征較完整時效果明顯好于startburst方法，且成本低，符合系統(tǒng)要求;對于跟蹤問題，我們采用具有SIFT(尺度不變性)的虹膜特征作為跟蹤關鍵點，在前后幀跟蹤時采用Mean shift跟蹤算法進行跟蹤，取得較好的效果;常用的眨眼檢測方法分為三類:基于顏色分布的檢測方法，基于形狀的模板匹配方法，

4、幀差法。通過實驗對比，我們發(fā)現(xiàn)基于顏色分布的檢測方法易受光照，陰影等環(huán)境因素的影響，且嚴重依賴預先設置的閾值，閾值過大或過小都會嚴重影響判定結果;基于形狀的固定模板匹配法具有普遍存在的局限性，且魯棒性差，雖然在線模板的對環(huán)境改變的魯棒性較好，但是在線獲取的模板質(zhì)量不易控制;當頭部保持不動時，幀差法可以非常有效地檢測到眨眼，當頭部稍微移動，或者背景存在移動時則會影響最終的檢測結果，為此，我們提出一種算法，即在前一幀圖像的眼睛區(qū)域內(nèi)檢測連通