[发明专利]高龄老人眼动机器视觉跟踪方法及装置

权利要求书

1.一种高龄老人眼动机器视觉跟踪方法，其特征在于，包括如下步骤：

步骤S1，识别人脸特征点，利用眉毛和眼睛的特征点快速提取眼部区域；

步骤S2，采用基于图像梯度的虹膜中心定位算法定位虹膜中心，利用FAST快速的定位内眼角点作为眼动特征的参考点；

步骤S3，利用多项式拟合算法建立眼动特征的图像坐标系和屏幕注视点的摄像机视场坐标系之间的映射模型，将眼动特征数据转换为屏幕注视点坐标。

2.根据权利要求1所述的高龄老人眼动机器视觉跟踪方法，其特征在于，所述步骤S1中包括步骤S11，采用单目摄像头进行视频图像采集，对采集到的图像采用加权平均法来将图像进行灰度化，灰度化的公式为Gray＝0.3R+0.59G+0.11B (1.1)；

步骤S12，采用基于Adaboost算法进行人脸检测；

步骤S13，采用基于深度卷积神经网络的人脸特征点检测算法提取人眼区域。

3.根据权利要求2所述的高龄老人眼动机器视觉跟踪方法，其特征在于，所述步骤S13中使用基于深度卷积神经网络的人脸特征检测算法，该算法的DCNN网络由三个卷积层、非权值共享层和全连接层组成，在每个卷积层后连接了一个最大值池化层，每个卷积层会对输入图像运用过滤器，并输出相应的响应。

4.根据权利要求3所述的高龄老人眼动机器视觉跟踪方法，其特征在于，所述输出的响应值为

其中，I表示卷积层的输入，F和B是可调参数；

所述人眼区域的点的公式为：v_n＝x_n4-x_n1 (1.4)

x_left＝x_n1-βv_n (1.5)

其中，β取值范围为(0,1)。矩形区域的长度L与宽度W计算公式如下：

L＝σ_v (1.6)

W＝λ(y_n1-y_left) (1.7)

其中，σ、λ均为常数。根据计算得到的点M坐标以及L、W值，即可提取人眼区域。

5.根据权利要求1所述的高龄老人眼动机器视觉跟踪方法，其特征在于，所述步骤S2包括

步骤S21，利用图像中的人的眼睛相比较于其他区域灰度值要小的特点，通过寻找积分函数的特征点粗略估算虹膜中心；

步骤S22，利用延展星射线方法进行虹膜边界特征点提取；

步骤S23，根据步骤S22的初定位结果对内眼角点周围区域进行细化，获取一个内眼角点ROI区域，获取到ROI区域后，采用FAST特征点检测算法进行角点检测。

6.根据权利要求5所述的高龄老人眼动机器视觉跟踪方法，其特征在于，所述步骤S21中，所述虹膜中心灰度分布情况公式如下：

所述步骤S22中，利用延展星射线方法进行虹膜边界特征点提取方法如下，以粗略中心为起点，向周围360°发射星射线，根据星射线会在图像梯度明显变化处中断这一特性可以提取虹膜边缘，假设星射线夹角为θ，夹角越大，射线的数量则会越小，假设星射线的数量为n条，可以根据下式来判断是否存在特征点：

式中，I_k表示射线上某一点k的灰度值，那么I_k+1则表示按照射线方向下一点的灰度值，d则表示两点的间距，△I则表示在射线方向上的灰度梯度变化；设定阈值σ，当△Iσ时点k是特征点，若△Iσ则按照射线方向继续搜索，直到图像边缘，此时可以判定此射线方向上不存在梯度明显变化的特征点，利用延展星射法获取了虹膜ROI区域，运用如下公式计算出虹膜中心，

7.根据权利要求1所述的高龄老人眼动机器视觉跟踪方法，其特征在于，所述FAST特征点检测算法公式如下：

式中，t表示设定的阈值，S_p→x表示p点像素与其周围像素点的像素值之差。