基于图像处理的眼神捕捉和头部定位的研究
发布时间：2020-10-22 12:30
在林业作业中,集材机广泛用于收集、牵引木材。然而在操作集材机时,操作员在驾驶的同时必须留意各类驾驶室外部的物体、对象以保障自身及他人人身安全,例如其他林业工作者、机械、路径、地貌地形,并且他们还需要操作集材机拟定合适的行进路线以便工作计划的进行。由于注意力长期不集中可能导致工作效率低下,甚至人员伤亡、车辆器械的损毁。确定操作员如何驾驶集材机,他们的视线分布和为什么集中在特定区域来完成相关任务,对于提高集材机的使用效率和安全性是不可或缺的。为了获取集材机操作员的视线,一种基于图像处理的计算机算法以及空间向量的运算被运用到此次研究中。通过视频处理,将采集到的操作员面部图像处理后得到操作员眼部的空间向量。通过估测头部后方图形的空间方位从而逆推操作员的头部运动,随后将眼部和头部的空间向量叠加,生成投影到前挡风玻璃的虚拟视线点。本次研究设计了一个在前部装有固定支架以放置摄像机,而在后部放有供捕捉图形的安全帽。在实验过程中,三个GoPro运动摄像机负责建立视线的3D模型。第一个GoPro相机连接到安全帽前面的支架上,以获得操作员的视线。第二个GoPro相机安装在驾驶室的后方,以便在操作员前视期间捕获头部运动。第三个GoPro相机安装在驾驶室的左前侧,使头部动作在向后观察或者操作抓钩的过程中可以跟踪头部方位。然后用计算机进行图像处理,恢复重构操作员的视线点。通过计算注视行为的密度并生成由虚拟透视的注视热点图,从热点图的色块分布可以得出操作员在林业作业过程中的视线集中区域。为了降低操作事故率和长时间在驾驶室采伐木材引发的疲劳,以及提高多任务执行效率等目标,本次研究还测试了远程遥控驾驶的可行性。由于现有的技术条件以及资金配备,不具有直接进行远程遥控驾驶的软硬件条件,本次研究以一种模拟远程驾驶的方式进行了实验。集材机的驾驶室内设置了基于视频的驱动系统以此测试遥控驾驶的可行性。广角摄像头安装在集材机的前端,根据之前得到的视线点热点图,校正了摄像头的方位。一个显示器安装在方向盘以上的区域,另一台笔记本电脑与相机和显示器相连接,负责快速处理并传输实时视频。实验中,集材机的可视窗口均被遮蔽,操作者仅凭由摄像头传输到显示器上的实时画面进行驾驶操作,完成一段标准的林业作业路径。同时,研究人员也采集了集材机的实时位置以及对应的速度。实验的结果表明,基于实时视频的远程控制是可行的。
【学位单位】：上海海洋大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：S776.32;TP391.41
【部分图文】：
3图 2.1 人眼结构Figure 2.1 Human eye structure白色部分）、虹膜（有色部分）和位于虹膜中心的瞳孔是眼睛在部分。覆盖虹膜的角膜是一层负责保护血管的透明膜。位于虹称为瞳孔。瞳孔通过不断调整大小控制进入眼睛的光线。位于体，它通过改变形状使物体的图像清晰聚焦到视网膜。然而，睛背部的光敏细胞组成的一层膜。角膜和晶状体之间的区域由晶状体和视网膜之间的空间由透明的凝胶状玻璃体组成。视网为视网膜中心凹，其中包含大部分颜色敏感细胞并负责收集场被定义为眼睛的光轴，而视线显示为从视网膜中心凹到瞳孔中心决定一个人的视觉注意力，但凝视点可以估计物体的信息以及的关系。表 2.1 总结了从角膜到视网膜的光路中位于边界表面的
图 2.2 浦肯野图像Figure 2.2 Purkinje image红外瞳孔-角膜反射捕捉是基于可见光、瞳孔中心以及角膜反射点协同完膜的反射点在不影响视线的情况下保障眼部区域的亮度，因着近红外光源对瞳孔图像造成侵蚀。infield 设计了一个低成本头戴式视线捕捉器，通过一个混合算法将特征捕相结合。角膜反射和瞳孔均通过可调节的特征捕捉技术定位。其结果显示纯考虑瞳孔中心的方法，当应用瞳孔中心和角膜反射中心的向量差来校，错误率显著降低[12]。此外，结果指出需要通过标准的图像处理方法来个画面边缘存在的形变，从而获取更为精确的结果。近红外瞳孔-角膜反随后不断改进加强，其原理是通过设定一个近红外的阈值来区分目标点点。同时，近红外光的反射也简化了瞳孔中心定位的过程。这个方法缩的耗时以及增加了瞳孔定位的准确度[13]。然而，实验过程中依然会有其和噪点存在，因此在复杂环境下计算视线点较为困难。15 年 Parada 设计发明了一个低成本开源的软硬件检测包。这个开源软件
图 3.1 类哈尔特征Figure 3.1 Haar-like features在检测过程中，整个图像中各种组合的类哈尔特征都需被计算以得在一定区域内特征的高度吻合显示了该特征的正确性，比如眉毛在然而，以面部为例，单一特征的相似性不足以区分判断一个区域，证才能有较高的准确度判断该区域的图像。于是，两个阶段的验证，它们分别是弱分类器和强分类器，强分类器实际上是多个弱分类弱分类器常来说，由于有预设的分类值，弱分类器的输出相比于完全随机的高的关联性。应用于图像处理中的弱分类器的数学形式如下：h(x, f, p, θ) = 1 当 pf(x) < pθ0 当 pf(x) ≥ pθ( , , , )包括了一个子窗口图像 x，一个特征 f，不等
【参考文献】
本文编号：2851601
【学位单位】：上海海洋大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：S776.32;TP391.41
【部分图文】：
3图 2.1 人眼结构Figure 2.1 Human eye structure白色部分）、虹膜（有色部分）和位于虹膜中心的瞳孔是眼睛在部分。覆盖虹膜的角膜是一层负责保护血管的透明膜。位于虹称为瞳孔。瞳孔通过不断调整大小控制进入眼睛的光线。位于体，它通过改变形状使物体的图像清晰聚焦到视网膜。然而，睛背部的光敏细胞组成的一层膜。角膜和晶状体之间的区域由晶状体和视网膜之间的空间由透明的凝胶状玻璃体组成。视网为视网膜中心凹，其中包含大部分颜色敏感细胞并负责收集场被定义为眼睛的光轴，而视线显示为从视网膜中心凹到瞳孔中心决定一个人的视觉注意力，但凝视点可以估计物体的信息以及的关系。表 2.1 总结了从角膜到视网膜的光路中位于边界表面的
图 2.2 浦肯野图像Figure 2.2 Purkinje image红外瞳孔-角膜反射捕捉是基于可见光、瞳孔中心以及角膜反射点协同完膜的反射点在不影响视线的情况下保障眼部区域的亮度，因着近红外光源对瞳孔图像造成侵蚀。infield 设计了一个低成本头戴式视线捕捉器，通过一个混合算法将特征捕相结合。角膜反射和瞳孔均通过可调节的特征捕捉技术定位。其结果显示纯考虑瞳孔中心的方法，当应用瞳孔中心和角膜反射中心的向量差来校，错误率显著降低[12]。此外，结果指出需要通过标准的图像处理方法来个画面边缘存在的形变，从而获取更为精确的结果。近红外瞳孔-角膜反随后不断改进加强，其原理是通过设定一个近红外的阈值来区分目标点点。同时，近红外光的反射也简化了瞳孔中心定位的过程。这个方法缩的耗时以及增加了瞳孔定位的准确度[13]。然而，实验过程中依然会有其和噪点存在，因此在复杂环境下计算视线点较为困难。15 年 Parada 设计发明了一个低成本开源的软硬件检测包。这个开源软件
图 3.1 类哈尔特征Figure 3.1 Haar-like features在检测过程中，整个图像中各种组合的类哈尔特征都需被计算以得在一定区域内特征的高度吻合显示了该特征的正确性，比如眉毛在然而，以面部为例，单一特征的相似性不足以区分判断一个区域，证才能有较高的准确度判断该区域的图像。于是，两个阶段的验证，它们分别是弱分类器和强分类器，强分类器实际上是多个弱分类弱分类器常来说，由于有预设的分类值，弱分类器的输出相比于完全随机的高的关联性。应用于图像处理中的弱分类器的数学形式如下：h(x, f, p, θ) = 1 当 pf(x) < pθ0 当 pf(x) ≥ pθ( , , , )包括了一个子窗口图像 x，一个特征 f，不等
【参考文献】
相关期刊论文 前5条
1 黄海英;胡桂明;贺金戈;;一种改进的基于几何特征的人眼定位方法[J];广西大学学报(自然科学版);2006年S1期
2 徐艳;陈孝威;;人脸检测中的眼睛定位算法研究[J];计算机与信息技术;2006年09期
3 张敏;陶亮;;人脸图像中人眼的检测与定位[J];光电工程;2006年08期
4 冯建强,刘文波,于盛林;基于灰度积分投影的人眼定位[J];计算机仿真;2005年04期
5 沈殊璇,薄亚明;适合于科学计算的脚本语言Python[J];微计算机应用;2002年05期
本文编号：2851601
本文链接：https://www.wllwen.com/nykjlw/nygclw/2851601.html
