注视点估计(二维法)
来源:互联网 发布:网页代码编写软件 编辑:程序博客网 时间:2024/05/19 21:16
1、注视点估计二维法
思路:主要是利用瞳孔和角膜反射光斑的向量和屏幕上的注视点进行拟合
实验环境:在有近红外灯的前提下进行实验,850-860nm的波长,这种红外灯在瞳孔进行反射,在角膜上形成一个反射亮斑,
1、首先进行瞳孔的检测,得到瞳孔的坐标
2、进行反射亮斑的位置检测,得到亮斑的坐标
3、根据在屏幕上的注视点的位置和瞳孔与亮斑之间的向量的关系进行函数拟合
注视点的位置信息和瞳孔与亮斑之间的向量拟合方式主要有这几种:
1、多项式拟合
设(x,y)为注视点的坐标,(x1,y1)为瞳孔与亮斑之间的向量,多项式拟合的关系
x=a+a1*x1+a2*y1+a3*x*y+a4*x1^2+a5*y1^2;
y=b+b1*y1+b2*x1+b3*x1*y1+b4*x1^2+b5*y1^2;
校正的过程就是求解未知参数的过程:
未知参数a------a5,b---------------b5
通过对九个注视点进行实验,得到相应的注视点的位置信息和瞳孔与亮斑之间的向量,
使用最小二乘法或者SVD方法,进行求解a------a5,b---------------b5
这样就可以得到注视点的位置信息和瞳孔与亮斑之间的向量之间的关系。。
在实验中,只需要检测出瞳孔与亮斑之间的向量,根据得到的关系函数,就可以得到在屏幕上的注视点的坐标。
2、SVR(支持向量回归)
支持向量回归(SVR)的思路和多项式回归的方法原理一样,
首先在校正的过程中得到注视点的位置信息和瞳孔与亮斑之间的向量,得到回归函数,
在实验中,只需要检测出瞳孔与亮斑之间的向量,根据得到的关系函数,就可以得到在屏幕上的注视点的坐标。
3、神经网络的方法
神经网络的输入是瞳孔与亮斑之间的向量坐标值,输出是屏幕上的注视点坐标值,
一般使用BP神经网络,或者高维上处理的RBF*(径向神经网路)进行训练得到二者之间的关系
在实验中,只需要检测出瞳孔与亮斑之间的向量,根据得到的关系函数,就可以得到在屏幕上的注视点的坐标。
4、随机森林回归(random forest regression)
思路跟支持向量回归一样
二维注视点估计的方法,一般只能处理头部静止的条件下进行的实验,有很大的限制,
一般在三维坐标系进行注视点的估计
- 注视点估计(二维法)
- 点估计
- PMP考试--三点估计法
- 浅谈点估计概论(邓慧怡)
- R语言与点估计学习笔记(EM算法与Bootstrap法)
- R语言与点估计学习笔记(EM算法与Bootstrap法)
- Unity3D:详解注视旋转(Quaternion.LookRotation)
- 参数估计--点估计
- 注视未来
- 代码注视
- 018 参数估计之点估计法:矩估计法、最大似然估计
- R语言与点估计学习笔记(矩估计与MLE)
- R语言与点估计学习笔记(刀切法与最小二乘估计)
- OpenCV 根据对应的三维点估计刚体变换的旋转平移矩阵(RT矩阵)
- OpenCV 根据对应的三维点估计刚体变换的旋转平移矩阵(RT矩阵)
- 数理统计中的点估计
- [PRML] Point Estimation 点估计
- 参数的点估计问题
- Android ListView中使用CheckBox等的混乱问题
- Git 使用规范流程
- 高性能网站建设指南---前端工程师技能精髓--小记1
- the first day C++中结构体的使用
- 安卓更新界面问题
- 注视点估计(二维法)
- Android主题和样式之系统篇
- java synchronized详解
- 【Android】2015.08.29 安卓官方文档学习:Day2 Count:2
- 标准C++中的STL容器类简介
- 一个创业失败者的忠告:请不要再参加创业活动
- node.js 针对不同的请求路径(url) 做出不同的响应
- 未读消息橡皮动画
- iOS多个视频拼接合成为一个视频