双重级联回归的虹膜中心递进定位方法

发布时间：2021-05-24 08:05

　　虹膜中心精确定位是实现视线跟踪,人机交互,注意力检测,虹膜认证等应用的重要前置环节,具有广泛的应用价值。日常场景采集到的眼睛图像常常会因为拍摄角度,光照变化,镜片反射等因素的影响,而存在图像噪声或虹膜遮挡,使得对眼睛图像中的虹膜进行精确定位具有极大的挑战。为了适应广泛的应用需求,针对基于图像处理的虹膜中心定位方法的关键技术,论文研究了眼睛区域的提取,虹膜中心的定位和虹膜中心的修正。论文的主要研究内容如下:1.眼睛区域提取是虹膜中心定位算法的基础,提取眼睛的准确性极大地影响着虹膜中心定位算法的整体性能。基于对前人相关方法的研究和分析,本文建立了基于眼角点和人眼比例估计的眼睛区域提取方法。以级联回归森林检测的眼角点为参考点,依据人眼结构比例关系自适应地估计了眼睛区域边界和眼角点之间的偏移,从而提取出准确的双眼区域。在公开数据BioID上进行眼睛区域提取效果的验证,检测到人脸的1515张样本中,有1514张样本能提取出包含完整双目的眼睛区域。2.论文研究并总结了虹膜中心定位的现有方法和相关理论,在分析前人方法的基础上采用多阶段方案递进地定位虹膜中心,以结合多种方法的优点。本文选择以对头部姿态... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
1 绪论
    1.1 研究意义及背景
    1.2 国内外研究现状
    1.3 研究目的和研究内容
        1.3.1 研究目的
        1.3.2 论文创新点
    1.4 章节安排
2 人眼定位
    2.1 引言
    2.2 眼球结构
    2.3 眼睛图像提取流程
        2.3.1 人脸检测和眼部特征点定位
        2.3.2 眼角点与人眼区域边界
        2.3.3 眼睛区域提取
    2.4 实验结果
    2.5 本章小结
3 虹膜中心定位
    3.1 引言
    3.2 虹膜中心定位的流程
    3.3 级联回归森林
        3.3.1 级联回归森林算法
        3.3.2 模型的训练
    3.4 眼睛状态检测
        3.4.1 相关工作
        3.4.2 眼睛状态识别
    3.5 虹膜中心精定位
        3.5.1 灰度加权质心
        3.5.2 虹膜中心质量评估
        3.5.3 加权snakuscule迭代修正
    3.6 本章小结
4 实验与分析
    4.1 数据集
        4.1.1 训练样本
        4.1.2 测试样本
    4.2 评价指标
    4.3 参数优化
        4.3.1 级联回归森林参数
        4.3.2 眼睛状态识别阈值
        4.3.3 Snakuscule经验参数
    4.4 实验结果
        4.4.1 算法时间性能
        4.4.2 算法定位准确性
    4.5 分析与讨论
    4.6 本章小结
5 总结与展望
    5.1 论文总结
    5.2 工作展望
参考文献
作者简介
作者攻读硕士学位期间发表的论文



本文编号：3203864