基于改进的SIFT算子和SVM分类器的瞳孔中心定位

田耘; 甄雯; 赵海军

doi:10.3788/YJYXS20173206.0499

您当前的位置：

首页 >

文章列表页 >

基于改进的SIFT算子和SVM分类器的瞳孔中心定位

图像处理 | 更新时间：2020-07-07

- 基于改进的SIFT算子和SVM分类器的瞳孔中心定位
- Accurate pupil center location with SIFT descriptor and SVM classifier
- 液晶与显示 2017年32卷第6期页码：499-505
- 作者机构：
  
  北京电子科技职业学院, 北京 100176
- 作者简介：
  
  [ "田耘(1963-), 女, 北京人, 学士, 副教授, 1987年毕业于北京联合大学获学士学位, 主要从事机械设计制造, CAD/CAM, 计算机视觉, 图像处理。Email:zhitu2004@163.com" ]
  [ "甄雯(1983-), 女, 北京人, 硕士, 讲师, 2012年毕业于天津职业技术与师范大学获得硕士学位, 主要从事机械设计制造, CAD/CAM, 计算机视觉, 图像处理。Email:zhenwen_1101@163.com" ]
  [ "赵海军(1961-), 男, 北京人, 高级技师, 2009年毕业于北京市委党校, 主要从事机械设计制造, 机械加工, 计算机视觉, 图像处理。Email:zhaohj21@126.com" ]
- 基金信息：
- DOI：10.3788/YJYXS20173206.0499
  中图分类号： TP391.4
- 收稿日期：2016-10-28，
  
  录用日期：2017-2-13，
  
  纸质出版日期：2017-06-05
- 稿件说明：
移动端阅览
田耘, 甄雯, 赵海军. 基于改进的SIFT算子和SVM分类器的瞳孔中心定位[J]. 液晶与显示, 2017,32(6):499-505.

Yun TIAN, Wen ZHEN, Hai-jun ZHAO. Accurate pupil center location with SIFT descriptor and SVM classifier[J]. Chinese journal of liquid crystals and displays, 2017, 32(6): 499-505.
田耘, 甄雯, 赵海军. 基于改进的SIFT算子和SVM分类器的瞳孔中心定位[J]. 液晶与显示, 2017,32(6):499-505. DOI： 10.3788/YJYXS20173206.0499.

Yun TIAN, Wen ZHEN, Hai-jun ZHAO. Accurate pupil center location with SIFT descriptor and SVM classifier[J]. Chinese journal of liquid crystals and displays, 2017, 32(6): 499-505. DOI： 10.3788/YJYXS20173206.0499.

摘要

瞳孔定位的精确度很大程度取决于图片质量，但实际应用中通常要在低质量图片下进行瞳孔定位。我们的目标是在图片质量不佳的情况下进行精确的瞳孔中心定位。对于这个目标，本文提出一种基于改进SIFT特征和SVM分类器的瞳孔中心初始定位方法，并通过一个大小可变的修正矩形框得到最终瞳孔中心位置。实验结果表明，相比于其他国内外先进方法，本文的方法可以在低质量（光照不均、表情变化等）图片上拥有更高的瞳孔定位精度，定位结果在瞳孔区域内的精度为87.32%。

Abstract

The accuracy of gaze tracking largely depends on the quality of images

but additional constraints and large amount of calculation make gaze tracking impractical on high-resolution images. Our aim is to get the accurate localization of pupil center on low-resolution image. To this aim

we proposed a simple but effective method which can accurately locate pupil center in real time. The method first gets initial eye center based on improved SIFT descriptor and SVM classifier

and then gets final position of the pupil center through a size variable correction rectangular block. In this paper

comparing with the reported state-of-the-art methods

the experimental results demonstrate that our system can achieve a more accurate result on low-resolution images

the precision of positioning result in the pupil area was 87.32%.

关键词

Keywords

references

DUCHOWSKI A. Eye Tracking Methodology: Theory and Practice [M]. London: Springer, 2007.

SUGANO Y, MATSUSHITA Y, SATO Y. Appearance-based gaze estimation using visual saliency [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(2): 329-341.

CAMPADELLI P, LANZAROTTI R, LIPORI G. Precise eye localization through a general-to-specific model definition [C]//Proceedings of the British Machine Vision Conference. Edinburgh, Scotland: BMVC, 2006: 187-196.

TIMM F, BARTH E. Accurate eye centre localisation by means of gradients [C]//Proceedings of the Sixth International Conference on Computer Vision Theory and Applications. Vilamoura, Algarve, Portugal: VISAPP, 2011: 125-130.

VALENTI R, GEVERS T. Accurate eye center location through invariant isocentric patterns [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012, 34(9): 1785-1798.

MARKUŠ N, FRLJAK M, PANDŽIĆ I S, et al. Eye pupil localization with an ensemble of randomized trees [J]. Pattern Recognition, 2014, 47(2): 578-587.

KOTHARI R, MITCHELL J L. Detection of eye locations in unconstrained visual images [C]//Proceedings of International Conference on Image Processing. Lausanne: IEEE, 1996, 3: 519-522.

KROON B, HANJALIC A, MAAS S M P. Eye localization for face matching: is it always useful and under what conditions[C]//Proceedings of the 2008 International Conference on Content-based Image and Video Retrieval. New York, NY, USA: ACM, 2008: 379-388.

MIKOLAJCZYK K, SCHMID C. A performance evaluation of local descriptors [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2005, 27(10): 1615-1630.

H E X F, CAI D, HAN J W. Learning a maximum margin subspace for image retrieval [J]. IEEE Transactions on Knowledge and Data Engineering, 2008, 20(2): 189-201.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据