陈加徐,陆永华,赵采仪,梁立鹏
南京航空航天大学 机电学院,江苏 南京 210016
在开发一套基于眼球驱动与控制的电动病床位姿调节系统中,最重要的是将眼球的图像转化为可读的信息,即利用图像处理的方法实现对眼动数据的精确测量[1-5]。
近年来,随着深度学习在图像处理领域得到了广泛的应用,一些新的算法不断涌现。但是就眼动测量、注视点估计领域而言,精度与传统方法差距较大,目前还不具有实际应用价值[6-8],未来将在这方面开展进一步的研究。
国外眼动测量设备采用的方法主要是“瞳孔中心-角膜反射法”(pupil center corneal reflection,PCCR)[9]。该方法利用近红外光源照射人眼,结合亮暗瞳孔效应,进一步获取瞳孔区域并确定瞳孔中心位置。在对眼球状态的量化过程中,一般需要一个动点(随视线变化的点)和一个静点(在视线改变过程中保持不变的点)。PCCR 法的动点为瞳孔中心,静点为光源在角膜反射的光斑。
这种方法对硬件要求高,设备昂贵,并且通常需要一个安装有近红外光源的专用头盔。而本文需要开发一套针对瘫痪病人及老年人方便使用的系统。
本文采用优化的“虹膜中心-眼角点向量法”实现对眼动数据的测量。动点选取为虹膜中心点,静点选取内眼角点,由于系统面向的对象是四肢瘫痪病人,所以静点选取为内眼角点是合理且可行的。由于四肢瘫痪病人的特殊性,他们在眼球运动过程中,眼角点相对于脸部是一个绝对静止的点。该方法在系统的复杂度上要远远低于PCCR 法,仅需要一台带电荷耦合器件(charge coupled device,CCD)相机的笔记本即可实现自然光源下对眼动的测量。……