导读:本文包含了人眼特征论文开题报告文献综述及选题提纲参考文献，主要关键词:眼动跟踪,目视瞄准,人眼检测,混合加权
人眼特征论文文献综述
王建中,张广月,王虹[1]（2019）在《人眼检测的混合加权特征方法》一文中研究指出基于眼动跟踪的目视瞄准技术可使无人武器的目标跟踪瞄准操控摆脱对肢体的需求,是未来无人武器的重要操控方式.提出一种混合加权特征方法,通过Gabor算子滤波、计算积分图、引入局部区域方差作为权重对混合特征编码进行加权运算并与级联分类器训练结合,获得人眼区域检测.试验结果表明,本文方法优于常用的Haar-like、LDP方法,并且随着级数的增加误检率呈下降趋势.该方法可提高人眼检测率、降低误检率,为满足无人武器目视瞄准对实时性和准确率的要求提供可能的技术途径.(本文来源于《北京理工大学学报》期刊2019年08期）
史久琛,孙美君,王征,张冬[2]（2019）在《基于时-空特征的全卷积网络用于视频人眼关注预测的研究》一文中研究指出视频人眼关注预测是在视频中标注能够吸引人眼关注的感兴趣显着区域,对于自动提取大量视频的语义信息有着重要的应用.该研究从目前显着性处理主流算法全卷积网络的局限性出发,提出了一种基于时间-空间特征的深度学习模型用于预测视频中的人眼关注区域.首先,采用全卷积网络提取视频帧图像的空间特征,光流方法用于提取相邻帧之间的时间运动特征,通过长短期记忆网络处理当前帧与其前6帧的空间特征与时间特征,得到最终的人眼关注区域预测图.使用INB和IVB两个人眼关注视频数据库进行计算.实验结果表明,在地球移动距离、受试者工作特征曲线下面积、标准化扫描路径显着性、线性相关性等4个性能评估标准分别取得了0.375 1、0.818 6、2.024 1、0.745 7和0.413 7、0.785 6、1.964 5、0.734 9的结果,预测性能优于5种对比算法,表明本文方法在视频人眼关注预测上能够取得较准确的结果.(本文来源于《天津大学学报(自然科学与工程技术版)》期刊2019年10期）
苏海明,侯振杰,梁久祯,许艳,李兴[3]（2019）在《使用人眼几何特征的视线追踪方法》一文中研究指出目的视线追踪是人机交互的辅助系统,针对传统的虹膜定位方法误判率高且耗时较长的问题,本文提出了一种基于人眼几何特征的视线追踪方法,以提高在2维环境下视线追踪的准确率。方法首先通过人脸定位算法定位人脸位置,使用人脸特征点检测的特征点定位眼角点位置,通过眼角点计算出人眼的位置。直接使用虹膜中心定位算法的耗时较长,为了使虹膜中心定位的速度加快,先利用虹膜图片建立虹膜模板,然后利用虹膜模板检测出虹膜区域的位置,通过虹膜中心精定位算法定位虹膜中心的位置,最后提取出眼角点、虹膜中心点等信息,对点中包含的角度信息、距离信息进行提取,组合成眼动向量特征。使用神经网络模型进行分类,建立注视点映射关系,实现视线的追踪。通过图像的预处理对图像进行增强,之后提取到了相对的虹膜中心。提取到需要的特征点,建立相对稳定的几何特征代表眼动特征。结果在普通的实验光照环境中,头部姿态固定的情况下,识别率最高达到98. 9%,平均识别率达到95. 74%。而当头部姿态在限制区域内发生变化时,仍能保持较高的识别率,平均识别率达到了90%以上。通过实验分析发现,在头部变化的限制区域内,本文方法具有良好的鲁棒性。结论本文提出使用模板匹配与虹膜精定位相结合的方法来快速定位虹膜中心,利用神经网络来对视线落点进行映射,计算视线落点区域,实验证明本文方法具有较高的精度。(本文来源于《中国图象图形学报》期刊2019年06期）
罗元,云明静,王艺,赵立明[4]（2019）在《基于人眼信息特征的人体疲劳检测》一文中研究指出人眼状态是反映疲劳程度的重要指标,头部姿势变化、光线等因素对人眼定位造成很大影响,从而影响人眼状态识别以及疲劳检测的准确性,为此提出了一种利用级联卷积神经网络通过检测人眼6个特征点来识别人眼状态进而识别人体疲劳的方法。首先,一级网络采用灰度积分投影结合区域—卷积神经网实现人眼的检测与定位;然后,二级网络将人眼图片进行分割后采用并联子卷积系统进行人眼特征点回归;最后,利用人眼特征点计算人眼开闭度识别当前人眼状态,并根据单位时间闭眼百分比(PERCLOS)准则判断人体疲劳状态。实验结果表明,利用所提方法实现了在归一化误差为0.05时,人眼6特征点的平均检测准确率为95.8%,并根据模拟视频帧的PERCLOS值识别疲劳状态验证了该方法的有效性。(本文来源于《计算机应用》期刊2019年07期）
李淑[5]（2019）在《人眼特征检测的疲劳驾驶算法研究》一文中研究指出经济的腾飞带动了交通运输业的快速发展,汽车数量的不断攀升使得国家恶性道路交通事故的发生率急剧增加并呈现上升趋势,对社会和家庭带来的损失都是不可忽视的。事后调查显示,疲劳驾驶导致的事故占总交通事故的比率居高不下。所以,针对驾驶员疲劳检测的研究具有很大的价值和现实意义。随着计算机软硬件的不断升级,以及神经网络技术的兴起,使得基于计算机视觉的疲劳驾驶研究因为其非接触式的特点成为了疲劳检测中的热点,并且在驾驶员所有的外部特征中,人眼的状态特征能够很好的反应疲劳情况,其有效性已得到证明,因此本文基于计算机视觉技术,提取驾驶员的眼部特征,根据眼睛的状态来判定疲劳。为研究出一套使用方便且兼具实时性与准确性的疲劳驾驶识别算法,本文研究的主要内容如下:1.交通事故的发生往往在毫秒之间,系统对实时性的要求很高。为有效的提高检测速度,本文采取在对待检测图像进行人眼定位之前,先对其进行人脸检测的方法。通过获取人脸区域一定程度的减少眼睛检测的搜索区域,进而有效的缩短检测时间。在大量阅读和研究常用技术的基础上,本文最终选取基于Haar-Like特征的Adaboost算法检测人的面部区域,该技术能够兼顾准确率和实时性。2.为了能在人眼定位之前有效的减少待检测图像的范围,提高检测速率和准确性,在检测到人脸后,结合“叁庭五眼”的面部先验知识和水平积分投影法对人眼进行粗略的定位,有效的排除了干扰信息并减少了目标区域的检测范围,提高了检测率和检测速度。之后结合Sobel算子边缘检测与Adaboost算法在人眼定位中的优缺点,对两种方法进行结合用于检测人眼,该检测方法准确率高。3.人的眼睛闭合程度在一定条件下能够反映驾驶员的疲劳状态,而人眼的外部形状符合椭圆特征,所以在定位到人眼后,本文选取椭圆拟合的方式对提取到的眼睛轮廓信息进行拟合,最小二乘法的椭圆拟合能够通过建立椭圆方程拟合出方程参数,而椭圆长短轴的比值能够很好的反映人眼睛闭合程度。在判定了人眼开闭状态之后,选取PERCLOS算法中P80准则以及眨眼频率两项指标判定驾驶员是否疲劳。最后,本文通过实验,对LFW人脸库图片和拍摄的视频图像进行测试,结果显示本文采用算法准确率高,检测速度快。但对于人脸偏转角度过大和眼睛遮蔽等情况依然存在不足,提出了下一步的改进意见。(本文来源于《长江大学》期刊2019-04-01）
,顾钢[6]（2018）在《外向还是内向？你的个性AI能“看穿”》一文中研究指出科技日报柏林8月20日电 （顾钢）德国马普计算机科学研究所与澳大利亚弗林德斯大学合作，开发出了一种通过眼球运动判断人物性格的软件。研究人员借助人工智能（AI）可以基本确定被观察对象是否属于神经质、友好、外向、认真和好奇等性格特征。将计算机科学(本文来源于《科技日报》期刊2018-08-22）
叶修强[7]（2018）在《基于局部特征的人眼检测》一文中研究指出人眼检测是虹膜识别、人脸识别、人眼状态估计、疲劳驾驶检测、眼动跟踪等技术的必要步骤,近年来它是计算机视觉与模式识别的一个研究热点,具有重要的学术研究价值。随着人工智能的迅速发展,人眼检测的应用前景越来越广泛,包括心理学、视频监控、虚拟现实、增强现实、人机交互等。人眼检测常受到光照变化、人眼附属物或遮挡、复杂的背景等因素的影响,因此,研究提取什么样的特征既能够尽量降低以上不利因素所带来的影响、又能够保证实时高效的检测速度,具有极其重要的意义。本论文主要针对在光照变化、佩戴眼镜、闭眼、眼镜眩光遮挡等因素的影响下的实时高效的人眼检测问题,所做的创新性研究成果包括以下几个方面:(1)为了能够快速准确定位人眼,提出了一种改进的局部特征描述子:多尺度局部块LBP直方图特征。此特征计算速度快,具有较强地描述人眼图像局部特征的能力,尤其适合训练基于连续AdaBoost算法的级联分类器;(2)提出了一种基于多尺度局部块LBP直方图特征的人眼检测算法。首先将作为训练样本的人眼图像进行大小归一化预处理,然后提取多尺度局部块LBP直方图特征来表述人眼,并利用连续AdaBoost算法训练级联分类器,最后得到的分类器能够在归一化后人脸图像中检测出人眼区域;(3)在基于多尺度局部块LBP直方图特征的人眼检测算法上进行拓展,提出了一种融合多尺度局部块LBP直方图与Co-HOG特征的人眼检测算法。Co-HOG特征更加细化地表达了人眼图像形状的信息,同时在光照变化和形变下具有强鲁棒性。本文在公用的人脸数据库上进行了广泛的实验,实验结果表明:本文提出的基于局部特征的人眼检测算法明显优于其他最优的方法,其具有精度高、检测速度快、以及鲁棒性强的优点。(本文来源于《南昌大学》期刊2018-06-06）
田全,王蕴哲[8]（2018）在《基于图像灰度特征的人眼定位及状态识别》一文中研究指出针对眉毛和眼镜框等区域对人眼定位造成较大影响的问题,根据人眼周围区域各部位灰度值变化特征,提出了一种新的人眼定位及开闭状态识别算法。该算法利用Ada Boost算法对人眼进行粗定位,通过图像水平积分法,根据积分极值点特征完成人眼特征的精确定位,实现人眼部位条状区域的分割。最后利用投影法得出人眼的开闭状态。实验结果表明,该文提出的方法能够有效准确的实现人眼部位的精确定位,对人眼开闭状态识别率能够满足实际需求,且对图像中的各种干扰因素具有较强的鲁棒性。(本文来源于《电脑知识与技术》期刊2018年03期）
刘丽[9]（2017）在《基于结构特征和人眼视觉特征结合的图像质量评价方法》一文中研究指出视觉信号在采集、压缩、存储、处理、传输和再现的过程中会受到各种各样的失真的影响导致感知质量退化,因此图像质量评价在当今的视觉信号处理中起着非常重要的作用。由于人类视觉系统(HVS)是视觉信息的接收者,主观图像质量评价方法是最可靠的方法,但耗时费力,成本高,因此已经开发并广泛应用于实际应用的是客观图像质量评价方法。均方误差(MSE),峰值信噪比(PSNR)等基于像素的客观图像评价方法与主观评价一致性较差,开发更准确的客观图像质量评价方法对未来的视觉信息处理和通信应用有重要的意义。基于图像结构和基于人眼视觉特征的图像质量评价方法成为近些年的研究的热点,一系列新的算法陆续被提出。本文提出两种基于图像结构和人眼视觉特征结合的图像质量评价方法。其中一种是基于边缘和Log-Gabor特征的图像质量评价方法。不同于仅用梯度反映边缘特征的方法,该方法还考虑了边缘强度,边缘强度考虑了 0°、45°、90°、135°四个方向,能更好的检测边缘。此外本方法使用log-Gabor滤波器的带通滤波响应来反映图像显着区域,结合了图像的结构特征及人眼的视觉特性;另一种则是基于结构对比度及频域特征的图像质量评价方法。结构对比度能有效的反映图像纹理的复杂性和人类视觉系统(HVS)的掩模效应,频域特征反映了人眼的对比度敏感函数,该方法同样结合了图像结构特征和人眼视觉特征,两种方法最终通过特征融合最终得到图像客观质量分数。通过在TID2013和LIVE图像数据库以及单个图像数据库不同失真类型的进一步实验,并与其他7种方法进行对比,相较于现有的单纯基于图像结构的或人眼视觉特性的方法,这两种方法都取得了较高的计算精度,与人眼主观评价有更好的一致性,优于目前的主流算法。(本文来源于《西安理工大学》期刊2017-06-30）
徐艺[10]（2016）在《面向路段交通冲突辨识的驾驶人眼动特征研究》一文中研究指出随着我国汽车保有量的激增,道路交通安全成为备受关注的问题。交通冲突技术作为一种无需交通事故样本的交通安全评价技术已显示出诸多优势,因而成为当前道路交通安全评价的主流方法。由于当前的交通冲突辨识方法未充分考虑驾驶人的认知情况,导致冲突辨识结果不能较好地与驾驶人认知达成一致,从而使交通冲突技术与道路交通安全评价方法的发展受到了一定程度的制约。交通领域的驾驶人眼动特征研究证明驾驶人认知与眼动特征存在较为密切的关系,为探索与驾驶人认知一致性较高的交通冲突辨识方法提供了新的方向。为探索与驾驶人认知具有较高一致性的交通冲突辨识指标与辨识方法,本文通过分析国内外交通冲突技术与交通领域驾驶人眼动研究的现状,探究了当前交通冲突技术存在的问题及可能的解决方法。针对现存问题分析眼动指标并设计路段交通冲突试验,为研究冲突辨识指标与方法提供基础数据。使用推断性统计方法和描述性统计方法,研究了驾驶人瞳孔直径、眨眼动作、视线点分布等眼动指标特征。根据路段交通冲突下驾驶人眼动特点,进行了寻优算法与分类模型的选择,提出使用GSA与SVM并以驾驶人眼动指标为输入的路段交通冲突辨识方法,并对本文提出的路段交通冲突辨识方法进行了效果验证。论文的具体研究工作如下:1)分析了国内外交通冲突技术与交通领域驾驶人眼动研究的现状。通过分析交通冲突技术研究现状发现,由于未基于驾驶人认知选择交通冲突辨识指标,致使交通冲突辨识结果与驾驶人对冲突的认知不一致,认为需要从驾驶人认知角度探索冲突辨识指标与辨识方法。通过分析交通领域驾驶人眼动研究现状发现,虽已在驾驶人眼动与认知关系、眼动指标选择等方面积累了一定的研究基础,但未涉及交通冲突技术,认为可将驾驶人眼动与认知负荷、心理压力的密切关系作为支撑,从交通参与者间关系较为简单的路段交通冲突入手,探索基于眼动特征的路段交通冲突辨识方法。2)分析了驾驶人眼动指标并设计了路段交通冲突试验。为获取研究冲突辨识指标与冲突辨识方法所需的基础数据,面向可操作、可量化的研究需求,充分考虑了路段交通冲突发生时道路交通环境与驾驶人状态的变化,对眼动基本指标进行了分析并筛选出了试验采集指标。遵循对照性原则、单因子变量原则、平行重复原则,针对各试验变量的变化特点,设计了路段交通冲突试验,并针对试验数据特点使用EMD等方法进行了数据预处理。3)研究了路段交通冲突下的驾驶人眼动特征。首先根据驾驶人瞳孔直径、眨眼动作指标的数据特征定义了瞳孔直径均值、瞳孔直径标准差、眨眼间隔、眨眼时刻,分析了驾驶人视线点数据特征,认为常规聚类方法所划分的边界生硬且易陷入局部最优,因而使用基于密度的DBSCAN聚类方法进行了驾驶人AOI划分。然后使用推断性统计方法明确了路段交通冲突环境下照度、踏板操作、冲突时段、冲突严重程度、冲突类型等变量对瞳孔直径、眨眼动作、视线点分布叁类眼动指标的影响。进而基于推断性统计结果对眼动指标进行了描述性统计分析,得到了各相关眼动指标随路段交通冲突类型、路段交通冲突严重程度变化的大致规律。最后通过分析描述性统计结果,明确了各相关眼动指标的变化特点,为基于眼动指标的冲突时段定位、冲突严重程度辨识与冲突类型辨识奠定了基础。4)研究了基于驾驶人眼动特征的路段交通冲突辨识方法。针对驾驶人眼动数据量较大的实际情况,根据路段交通冲突下眼动特征变化规律,定义了使用眼动指标表征的冲突关键点,提出了基于眼动特征并借鉴GSA寻优策略的路段交通冲突快速定位方法;针对眼动特征无先验知识的现状以及无明显线性规律的特点,分析了SVM对无先验知识数据进行监督学习并生成非线性模型的优势,提出了以冲突时段定位为基础并使用SVM的冲突严重程度与冲突类型辨识方法,完成了冲突辨识方法中输入输出变量的设计、核函数参数的选取与惩罚因子的选取,最终提出了结合冲突定位方法和冲突辨识方法的基于驾驶人眼动特征的路段交通冲突综合辨识方法;使用本文提出的冲突辨识方法对实车试验数据进行了冲突时段定位、冲突严重程度辨识、冲突类型辨识,选择生产者精度、用户精度、总体分类精度以及Kappa系数四种监督学习模型分类精度的主要评价指标,对冲突辨识结果进行评价,验证了本文提出的冲突辨识方法的冲突时段定位效果、冲突严重程度辨识效果以及冲突类型辨识效果。(本文来源于《吉林大学》期刊2016-06-01）
人眼特征论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
视频人眼关注预测是在视频中标注能够吸引人眼关注的感兴趣显着区域,对于自动提取大量视频的语义信息有着重要的应用.该研究从目前显着性处理主流算法全卷积网络的局限性出发,提出了一种基于时间-空间特征的深度学习模型用于预测视频中的人眼关注区域.首先,采用全卷积网络提取视频帧图像的空间特征,光流方法用于提取相邻帧之间的时间运动特征,通过长短期记忆网络处理当前帧与其前6帧的空间特征与时间特征,得到最终的人眼关注区域预测图.使用INB和IVB两个人眼关注视频数据库进行计算.实验结果表明,在地球移动距离、受试者工作特征曲线下面积、标准化扫描路径显着性、线性相关性等4个性能评估标准分别取得了0.375 1、0.818 6、2.024 1、0.745 7和0.413 7、0.785 6、1.964 5、0.734 9的结果,预测性能优于5种对比算法,表明本文方法在视频人眼关注预测上能够取得较准确的结果.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人眼特征论文参考文献
[1].王建中,张广月,王虹.人眼检测的混合加权特征方法[J].北京理工大学学报.2019
[2].史久琛,孙美君,王征,张冬.基于时-空特征的全卷积网络用于视频人眼关注预测的研究[J].天津大学学报(自然科学与工程技术版).2019
[3].苏海明,侯振杰,梁久祯,许艳,李兴.使用人眼几何特征的视线追踪方法[J].中国图象图形学报.2019
[4].罗元,云明静,王艺,赵立明.基于人眼信息特征的人体疲劳检测[J].计算机应用.2019
[5].李淑.人眼特征检测的疲劳驾驶算法研究[D].长江大学.2019
[6].,顾钢.外向还是内向？你的个性AI能“看穿”[N].科技日报.2018
[7].叶修强.基于局部特征的人眼检测[D].南昌大学.2018
[8].田全,王蕴哲.基于图像灰度特征的人眼定位及状态识别[J].电脑知识与技术.2018
[9].刘丽.基于结构特征和人眼视觉特征结合的图像质量评价方法[D].西安理工大学.2017
[10].徐艺.面向路段交通冲突辨识的驾驶人眼动特征研究[D].吉林大学.2016