[发明专利]一种基于层级随机森林的视线控制系统与方法有效

专利信息
申请号: 201811272311.8 申请日: 2018-10-30
公开(公告)号: CN109508089B 公开(公告)日: 2022-06-14
发明(设计)人: 姚宇巍;王江锋;尹悦;丁艳红;隋秀娟;张新鹏 申请(专利权)人: 上海大学
主分类号: G06F3/01 分类号: G06F3/01;G06V40/16;G06V40/18
代理公司: 上海上大专利事务所(普通合伙) 31205 代理人: 顾勇华
地址: 200444*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 层级 随机 森林 视线 控制系统 方法
【说明书】:

发明提出一种基于层级随机森林的视线控制系统与方法,采用基于层级随机森林的计算视线落点区域的系统,利用电脑屏幕前的摄像头获取人脸视频流,并检测出视频中每一帧人脸位置,进一步提取人脸中的眼部特征信息,最后将眼部特征信息送入层级随机森林模型中计算出视线在电脑屏幕中的落点区域。本发明只需要一个网络摄像头即可计算视线在电脑屏幕上的实时落点区域,且使用前无需校准与标定,检测方法简单方便,所需硬件配置少,实施成本低。

技术领域

本发明涉及信息传感领域,具体涉及一种基于随机森林的视线控制系统与方法。

背景技术

视线追踪技术,可以应用到人机交互,产品测评,辅助驾驶,交互游戏,军事战斗,心理测试等等领域。针对不同应用,就产生了两种眼动仪:头戴式和非头戴式。其中市面上的主流头戴式产品有ASL Model H6系列眼动仪,ASL Model Eye系列等;市面上主流的非头戴式产品主要有Tobii系列眼动仪,Smart Eye系列等。

目前尚未出现一种实用可行的可以仅仅依靠网络摄像头来进行视线追踪的方法。目前除了依靠硬件设备来实现视线追踪之外,还有依赖于深度学习,神经网络来追踪视线的方法。但是这些方法往往应用于iPad等这种固定屏幕大小。正是因为固定屏幕大小,才能方便神经网络模型训练。同时目前在进行落点标定的研究中,常用的方法分为以下3种:基于非线性多项式和广义回归神经网络的视线估计方法,支持矢量回归的视线落点估计方法,基于解析头动补偿的视线估计方法等。但这些落点标定过程都比较复杂繁琐。而本发明提出的基于层级随机森林的视线控制方法拥有很好的通用性和可扩展性,可以适用于拥有网络摄像头的各种电脑,显示器,投影仪等等设备。

发明内容

本发明的技术解决问题是:可以仅仅依赖网络摄像头来实现通用的视线控制。为此本发明的目的是提供一种基于层级随机森林的视线控制系统。

为达到上述目的,本发明采用如下技术方案:

一种基于层级随机森林的视线控制系统,包括视频采集模块、特征提取模块、特征分析模块和显示模块;所述视频采集模块、特征提取模块模块、特征分析模和显示模块块依此连接;

所述视频采集模块,用于采集人脸视频流;

所述特征提取模块,用于从采集到的人脸视频流中提取每一帧,在每一帧图片中提取人脸位置,并且进一步提取人脸中的眼部特征;

所述特征分析模块,用于将上述特征提取模块中的眼部特征进行分析,计算出视线在频幕上的落点位置;

所述显示模块,用于将用户在屏幕上 的视线落点显示出来。

所述视频采集包括视频采集单元与指示单元;所述视频采集单元用于采集人脸视频流,并将采集到的视频流传输至特征提取模块;所述指示单元用于指示目前视频采集单元处于工作状态或者非工作状态。

所述特征提取模块包括头部位置测量单元与眼部特征提取单元;所述头部位置测量单元用于测量被测人头部与上述采集模块的相对位置;眼部特征提取单元用于提取上述眼球轮廓特征,眼球轮廓特征为眼球轮廓在视频中的相对位置;所述的头部与采集模块的相对位置与眼球轮廓特征将被传输至特征分析模块。

所述特征分析模块包括随机森林模型单元、模型选择单元与视线落点预测单元;所述随机森林模型单元存有预先训练好的不同头部相对位置与眼球轮廓特征的随机森林模型;模型选择单元用与将上述特征提取模块传递的头部相对位置与上述随机森林模型单元中的每一个模型进行比较,寻找最相似的模型;视线落点预测单元则使用上述模型选择单元选择的最佳模型,将上述特征提取模块传递的眼球轮廓特征进行分析,得出视线落点,并将所得视线落点传递至显示单元。

所述显示模块包含指示光标单元;指示光标将显示在显示模块上,代表用户视线的落点位置。

一种基于层级随机森林的视线控制方法,具体操作步骤如下:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海大学,未经上海大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811272311.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top