警告:此页面是自动(机器)翻译,如有任何疑问,请参阅原始英文文档。不便之处,敬请原谅。
TrackEye
TrackEye评论
- 技术名称: TrackEye
- 链接: http://www.codeproject.com/Articles/26897/TrackEye-Real-Time-Tracking-Of-Human-Eyes-Using-a
- 价钱: 自由
- 人气: 在“ 2008年6月最佳C ++ / MFC文章”竞赛中获得冠军。
- 最低物理要求: 病人必须能够自由移动眼睛。
详细说明:
眼睛是人脸最重要的特征。因此,在各种人机应用领域中都可以有效地利用眼球运动作为用户至计算机界面中的一种通信技术。
眼睛跟踪和眼睛特征提供的信息有可能成为人机交互(HCI)系统中与计算机通信的有趣方式。因此,出于这种动机,设计一个实时的眼睛特征跟踪软件是该项目的目标。
该项目的目的是实现具有以下功能的实时眼睛特征跟踪器:
- 具有比例和旋转不变性的实时人脸跟踪
- 单独跟踪眼睛区域
- 跟踪眼功能
- 目光定向
- 使用眼球运动进行远程控制
运行和重建TrackEye的说明
提取TrackEye_Executable.zip文件。在运行TrackEye_636.exe之前,请将两个文件SampleHUE.jpg和SampleEye.jpg复制到C:\文件夹中。这两个文件用于CAMSHIFT和模板匹配算法。
用户没有其他步骤可以运行该软件。没有DLL依赖性,因为该软件是使用静态包含的DLL构建的。
要进行良好跟踪的设置
面部和眼睛检测的设置
Under TrackEye Menu --> 跟踪器设置。
- 输入源:视频
- 单击选择文件,然后选择.. \ Avis \ Sample.avi
- 人脸检测算法:Haar人脸检测算法
- 选中“也跟踪眼睛”复选框
- 眼睛检测算法:自适应PCA
- 取消选中“差异检查”
- 数据库图像数:8
- 本征眼数:5
- 距眼睛空间的最大允许距离:1200
- 脸宽/眼模板宽度比:0.3
- PCA期间要使用的ColorSpace类型:CV_RGB2GRAY
- 学生检测设置
选中“详细跟踪眼睛”,然后选中“也检测眼睛的瞳孔”。点击“调整参数”按钮:
- 输入“ 120”作为“阈值”
- 点击“保存设置”,然后点击“关闭”
- 蛇的设置
选中“使用活动的蛇指示眼睛边界”。点击“蛇的设置”按钮:
- 选择要使用的ColorSpace:CV_RGB2GRAY
- 选择简单阈值并输入100作为“阈值”
- 点击“保存设置”,然后点击“关闭”
- 背景
- 到目前为止,在眼睛检测方面已经进行了大量工作,在该项目开始之前,对以前的方法进行了仔细的研究,以确定所采用的方法。我们可以将与眼睛相关的研究分为以下两个主要类别。
基于特殊设备的方法
这些类型的研究使用必要的设备,该设备将发出某种信号,该信号与眼睛在眼眶中的位置成比例。当前使用的各种方法是眼电描记术,红外眼描记术,巩膜搜索线圈。这些方法完全超出了我们的项目。
基于图像的方法
基于图像的方法对图像执行眼睛检测。大多数基于图像的方法尝试使用眼睛的特征来检测眼睛。到目前为止使用的方法是基于知识的方法,基于特征的方法(颜色,渐变),简单模板匹配,外观方法。另一个有趣的方法是“可变形模板匹配”,该方法基于通过最小化几何模型的能量来匹配眼睛图像上的几何眼睛模板。
实施TrackEye
已实施的项目分为三个部分:
- 人脸检测:执行尺度不变的人脸检测
- 眼睛检测:通过此步骤检测到两只眼睛
- 眼睛特征提取:在此步骤结束时提取眼睛特征
- 人脸检测
该项目实施了两种不同的方法。他们是:
- 连续自适应均值漂移算法
- Haar人脸检测方法
- 连续自适应均值漂移算法
- 自适应均值漂移算法用于跟踪人脸,它基于用于爬升密度梯度的鲁棒非参数技术,以找到概率分布的模式(峰值),称为均值漂移算法。当在视频序列中跟踪人脸时,均值平移算法将被修改以处理动态更改颜色概率分布的问题。该算法的框图如下:
哈尔脸检测方法
第二种面部检测算法基于使用Haar-Like特征的分类器(即,使用类似Haar的特征的增强分类器的级联)。首先,使用数百张人脸的样本视图对其进行训练。训练分类器后,可以将其应用于输入图像中的感兴趣区域。如果该区域可能显示人脸,则分类器输出“ 1”,否则输出“ 0”。要在整个图像中搜索对象,可以在图像上移动搜索窗口,并使用分类器检查每个位置。设计分类器,以便可以轻松地“调整大小”,以便能够找到不同大小的感兴趣对象,这比调整图像本身的大小更有效。