[发明专利]高龄老人眼动机器视觉跟踪方法及装置

说明书

本发明涉及视觉跟踪技术领域，尤其涉及一种高龄老人眼动机器视觉跟踪方法及装置。一种高龄老人眼动机器视觉跟踪方法，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。本发明采用单目摄像头实时拍摄老人的视频序列，利用机器视觉跟踪技术从该视频序列中快速提取并跟踪老人的眼动行为特征，通过该眼动特征来识别老人的需求。

技术领域

本发明涉及视觉跟踪技术领域，尤其涉及一种高龄老人眼动机器视觉跟踪方法及装置。

背景技术

长期卧床的高龄老人，由于口齿不清、行动不便等原因导致其不能清楚直观的表达生活照护需求，如二便、进食、用药等，因此需要其他更为方便的表达方式。

眼动追踪技术指通过一定技术方法获取用户的眼动信息，进而分析用户意图。早期由于设备条件有限，常采取侵入式方式获取眼动信息，如机械记录法、电磁记录法等，这些方法都需要将信息采集器附着在使用者的眼部周围，造成用户不适。后来随着图像处理技术的迅速发展，人们开始采用非侵入式方式获取眼动信息。该方式通过相机采集人眼图像，然后使用图像处理技术提取眼动信息，并选取合适的方法将眼动信息换算成人眼视线方向或落点位置。由于非侵入式方式不对用户产生干扰，满足人们对用户体验的高要求，同时具备较高的系统精度与较好的鲁棒性，因此非侵入式方法俨然成为眼动追踪技术研究的热点。

非侵入式方式中，最重要的一步是提取瞳孔中心作为眼动特征的动点。常见的瞳孔定位方法有阈值法、霍夫变化法、椭圆选择法等。但是在普通光照下，瞳孔与虹膜颜色接近，它们的边缘界线不明显，很难准确提取瞳孔特征。而在虹膜定位研究中，国外研究学者Wilders等人根据人眼虹膜的类圆性采用Hough变换进行圆形检测从而实现虹膜定位，该方法易受睫毛、眼睑等影响。基于图像梯度向量法进行人眼中心定位，易受头部运动影响。

在自然光下，常用的虹膜中心定位算法是基于图像梯度的虹膜中心定位算法，但该算法易受干扰区域的影响而出现误定位情况，而且该算法需要对人眼区域每个像素点进行操作，可是人的眼球所占区域不是很大，因此遍历计算人眼区域的所有像素点不仅会增大计算量，还会引入眼睑、睫毛等干扰因素。

发明内容

本发明的目的是提出一种改进型的基于图像梯度的虹膜中心定位算法，该算法不仅降低计算量，提高算法实时性，而且具备较高的准确率与鲁棒性，实现适用于高龄老人眼动机器视觉跟踪。基于该目的，本发明采用的技术方案如下：

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。

进一步地，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。