论文部分内容阅读
面向智能头显的眼动跟踪技术的研究对于提高智能头显的自然交互性以及普及推广具有重要意义。目前的智能头显普遍存在着价格昂贵、分辨率低、交互不够自然等问题,而眼动跟踪技术就是解决这一系列问题的关键所在。当智能头显与眼动跟踪技术结合时,首先用户可以在用眼睛代替鼠标进行一系列的交互操作,增加人机交互的自然性。其次,可以利用人眼视觉原理对注视点周围区域进行渲染提高其分辨率,并降低远离注视点区域的分辨率,从而降低智能头显的昂贵价格。本文重点研究了智能头显下眼动跟踪技术的相关算法,主要工作如下:(1)重点介绍眼动跟踪技术中的眼动特征提取算法与注视点估计算法。在整个眼动跟踪技术流程中,眼动特征提取和注视点估计是最重要的两步。眼动特征提取算法提取人眼图像中与人眼视线方向相关联的眼动特征,注视点估计算法根据人眼几何结构或者已知标定点,结合已提取的眼动特征估算出人眼视线方向。(2)与深圳市掌网公司合作开发了一款用于智能头显的实时眼动跟踪系统。掌网公司提供了硬件设备智能头显,本文则根据掌网公司所提供的设备,研发了一款实时眼动跟踪系统,它具有高效、便捷、低成本,可移植等特性。在研发该系统的过程中,本文首先对智能头显设备的硬件结构进行了详细的分析,根据智能头显的硬件特性,把整个系统设计成注视点核心模块与Unity插件模块。其次,在系统的整体结构与各功能模块设计好之后,通过大量文献阅读,选取了多个符合智能头显硬件特性的眼动跟踪算法,并对算法性能进行实验对比分析,最终确定了本系统所采用的眼动跟踪算法。实验表明,本文开发的实时眼动跟踪系统,瞳孔特征提取算法的精度经测试为96%,检测时平均帧速为63帧/秒,满足智能头显对实时眼动跟踪系统的指标需求,可以将本系统直接应用在智能头显上。