李擎等：视线追踪中一种新的由粗及精的瞳孔定位方法 1491 表2瞳孔定位算法速度比较 研究分析，改进光源的效果以提高瞳孔定位算法 Table 2 Comparison pupil localization speeds between algorithms 速度与精度. 时间开销/ms 示例 参考文献 文献[9]方法 本文方法 Fig.20(a) 13 6 [1]Zhang C,Chi J N,Zhang Z H,et al.Gaze estimation in a gaze Fig.20(c) 14 公 tracking system.Scientia Sinica Informationis,2011,41(5):580 (张闯，迟健男，张朝晖，等.视线追踪系统中视线估计方法研究 眼进行了图像采集，每只眼睛的瞳孔图像挑选了 中国科学：信息科学，2011,41(5)：580) [2] Zhu B,Chi J N,Zhang T X.Gaze point compensation method 40幅，共400幅图像，并对图像按质量分为中和低 under head movement in gaze tracking system.J Higlnway 2类，其中，中等质量的图像200幅，低质量的图像 Transportation Res Dev,2013,30(10):105 200幅.中等质量的图像没有离焦模糊和运动模 (朱博，迟健男，张天侠.视线追踪系统头动状态下的视线落点 糊，清晰度较高，儿乎不受眼睑和睫毛等的影响； 补偿方法.公路交通科技，2013,30(10)：105) 低等质量的图像清晰度一般，有部分的睫毛或眼 [3]Chi J N,Zhang C,Qin Y J,et al.Pupil tracking method based on particle filtering in gaze tracking system.Int J Phys Sci,2011, 睑遮挡等影响.表3给出了文献[9)算法对不同质 6(5):1233 量图像进行瞳孔边界定位的处理精度，通过典型 [4]Jarjes AA,Wang K Q,Mohammed G J.Iris localization: 算法对不同质量图像的实验结果分析可知：就定 Detecting accurate pupil contour and localizing limbus 位精度而言，对于中等质量的瞳孔图像，本文提出 boundaryll2nd International Asia Conference on Informatics in 的瞳孔定位算法与文献[9]算法都能准确地进行 Control,Automation and Robotics.Wuhan,2010:349 瞳孔边界定位，对于低等质量的瞳孔图像，本算法 [5]Tian Z C.Qin H B.Real-time driver's eye state detection//IEEE International Conference on Vehicular Electronics and Safety. 的瞳孔定位精度要高于文献[9算法.综上所述， Xan,2005:285 文献[9]提出的算法对瞳孔图像质量要求高，本文 [6]Kallel I K,Masmoudi D S,Derbel N.Fast pupil location for better 提出的算法对图像质量要求低，且处理精度更高， iris detection//6th International Multi-Conference on Systems. 能够较好地定位瞳孔，尤其是有部分遮挡的瞳孔. Signals and Devices.Djerba,2009:1 [7]Nair P S,Saunders Jr A T.Hough transform based ellipse 表3瞳孔定位算法精度比较 detection algorithm.Pattern Recognit Len,199,17(7):777 Table 3 Comparison of pupil localization accuracies between algorithms [8] Wang Y H,Zhu Y,Tan T N.Biometrics personal identification based on iris patter.Acta Autom Sinica,2002,28(1):1 定位精度% 算法 (王蕴红，朱勇，谭铁牛基于虹膜识别的身份鉴别.自动化学报 一般质量图片 低质量图片 2002,28(1):1) 文献[9]方法 92.0 67.5 [9] Wang JN.Liu T,He D.et al.Pupil center localization algorithm 本文方法 96.0 78.5 used for the IR head-mounted eye tracker.J Xidian Univ Nat Sci, 2011,38(3):7 4结论 (王军宁，刘涛，何迪，等.红外头盔式眼动仪的瞳孔中心定位算 法.西安电子科技大学学报（自然科学版），2011,38(3)：7) 本文采用了由粗及精的瞳孔定位的思想，提 [10]Liu Y,Gong W G,Li W H.Robust classifier based two-layer 出了一种高精度的瞳孔定位算法，依次使用改进 Adaboost for precise eye location.Comput Appl,08,28(3): 的OT$U自适应阈值分割，瞳孔粗定位，瞳孔边缘 801 点提取和亚像素精确定位.通过实验验证，证明了 (刘艺，龚卫国，李伟红.双层结构Adaboost健壮分类器用于人眼 该算法是一种实现简单、定位精确的算法.对于 精确定位.计算机应用，2008,28(3)：801) 暗光照下的瞳孔、部分遮挡的瞳孔，本文方法均具 [11]Xu P,Tong G,Qu J.Face detection in video based on AdaBoost 有良好的鲁棒性和较高的精度 algorithm and eye location.Video Eng,2011,35(9):114 实验过程中同时发现，当遮挡超过瞳孔椭圆 (徐品，童癸，瞿静，基于AdaBoost算法和人眼定位的动态人脸 检测.电视技术，2011,35(9)：114) 面积的一半时，本文的方法无法精确检测.因此， [12]Long L M.Research on Face Detection Method and Eye 如何在遮挡面积比较大的情况下，进行瞳孔参数 Localization Algorithm Based on Adaboost[Dissertation]. 的精确检测是今后工作的重点.另外，今后还需要 Chengdu:University of Electronic Science and Technology of 进行大规模的实验样本（包括不同种族的人群）的 China.2008眼进行了图像采集，每只眼睛的瞳孔图像挑选了 40 幅，共 400 幅图像，并对图像按质量分为中和低 2 类，其中，中等质量的图像 200 幅，低质量的图像 200 幅. 中等质量的图像没有离焦模糊和运动模 糊，清晰度较高，几乎不受眼睑和睫毛等的影响； 低等质量的图像清晰度一般，有部分的睫毛或眼 睑遮挡等影响. 表 3 给出了文献 [9] 算法对不同质 量图像进行瞳孔边界定位的处理精度，通过典型 算法对不同质量图像的实验结果分析可知：就定 位精度而言，对于中等质量的瞳孔图像，本文提出 的瞳孔定位算法与文献 [9] 算法都能准确地进行 瞳孔边界定位，对于低等质量的瞳孔图像，本算法 的瞳孔定位精度要高于文献 [9] 算法. 综上所述， 文献 [9] 提出的算法对瞳孔图像质量要求高，本文 提出的算法对图像质量要求低，且处理精度更高， 能够较好地定位瞳孔，尤其是有部分遮挡的瞳孔. 4    结论 本文采用了由粗及精的瞳孔定位的思想，提 出了一种高精度的瞳孔定位算法，依次使用改进 的 OTSU 自适应阈值分割，瞳孔粗定位，瞳孔边缘 点提取和亚像素精确定位. 通过实验验证，证明了 该算法是一种实现简单、定位精确的算法. 对于 暗光照下的瞳孔、部分遮挡的瞳孔，本文方法均具 有良好的鲁棒性和较高的精度. 实验过程中同时发现，当遮挡超过瞳孔椭圆 面积的一半时，本文的方法无法精确检测. 因此， 如何在遮挡面积比较大的情况下，进行瞳孔参数 的精确检测是今后工作的重点. 另外，今后还需要 进行大规模的实验样本（包括不同种族的人群）的 研究分析，改进光源的效果以提高瞳孔定位算法 速度与精度. 参    考    文    献 Zhang  C,  Chi  J  N,  Zhang  Z  H,  et  al.  Gaze  estimation  in  a  gaze tracking system. Scientia Sinica Informationis, 2011, 41（5）: 580 （张闯, 迟健男, 张朝晖, 等. 视线追踪系统中视线估计方法研究. 中国科学: 信息科学, 2011, 41（5）：580 ） [1] Zhu  B,  Chi  J  N,  Zhang  T  X.  Gaze  point  compensation  method under  head  movement  in  gaze  tracking  system. J Highway Transportation Res Dev, 2013, 30（10）: 105 （朱博, 迟健男, 张天侠. 视线追踪系统头动状态下的视线落点 补偿方法. 公路交通科技, 2013, 30（10）：105 ） [2] Chi J N, Zhang C, Qin Y J, et al. Pupil tracking method based on particle  filtering  in  gaze  tracking  system. Int J Phys Sci,  2011, 6（5）: 1233 [3] Jarjes  A  A,  Wang  K  Q,  Mohammed  G  J.  Iris  localization: Detecting  accurate  pupil  contour  and  localizing  limbus boundary//2nd International Asia Conference on Informatics in Control, Automation and Robotics. Wuhan, 2010: 349 [4] Tian  Z  C,  Qin  H  B.  Real-time  driver's  eye  state  detection//IEEE International Conference on Vehicular Electronics and Safety. Xi'an, 2005: 285 [5] Kallel I K, Masmoudi D S, Derbel N. Fast pupil location for better iris  detection//6th International Multi-Conference on Systems, Signals and Devices. Djerba, 2009: 1 [6] Nair  P  S,  Saunders  Jr  A  T.  Hough  transform  based  ellipse detection algorithm. Pattern Recognit Lett, 1996, 17（7）: 777 [7] Wang  Y  H,  Zhu  Y,  Tan  T  N.  Biometrics  personal  identification based on iris pattern. Acta Autom Sinica, 2002, 28（1）: 1 （王蕴红, 朱勇, 谭铁牛. 基于虹膜识别的身份鉴别. 自动化学报, 2002, 28（1）：1 ） [8] Wang J N, Liu T, He D, et al. Pupil center localization algorithm used for the IR head-mounted eye tracker. J Xidian Univ Nat Sci, 2011, 38（3）: 7 （王军宁, 刘涛, 何迪, 等. 红外头盔式眼动仪的瞳孔中心定位算 法. 西安电子科技大学学报(自然科学版), 2011, 38（3）：7 ） [9] Liu  Y,  Gong  W  G,  Li  W  H.  Robust  classifier  based  two-layer Adaboost  for  precise  eye  location. J Comput Appl,  2008,  28（3）: 801 （刘艺, 龚卫国, 李伟红. 双层结构Adaboost健壮分类器用于人眼 精确定位. 计算机应用, 2008, 28（3）：801 ） [10] Xu P, Tong G, Qu J. Face detection in video based on AdaBoost algorithm and eye location. Video Eng, 2011, 35（9）: 114 （徐品, 童癸, 瞿静. 基于AdaBoost算法和人眼定位的动态人脸 检测. 电视技术, 2011, 35（9）：114 ） [11] Long  L  M. Research on Face Detection Method and Eye Localization Algorithm Based on Adaboost[Dissertation]. Chengdu:  University  of  Electronic  Science  and  Technology  of China, 2008 [12] 表 2    瞳孔定位算法速度比较 Table 2    Comparison pupil localization speeds between algorithms 示例 时间开销/ms 文献[9]方法 本文方法 Fig.20(a) 13 16 Fig.20(c) 14 17 表 3    瞳孔定位算法精度比较 Table 3    Comparison of pupil localization accuracies between algorithms 算法 定位精度/% 一般质量图片 低质量图片 文献[9]方法 92.0 67.5 本文方法 96.0 78.5 李    擎等： 视线追踪中一种新的由粗及精的瞳孔定位方法 · 1491 ·