于根據(jù)所述觀測(cè)區(qū)域，通過(guò)調(diào)整卡爾曼增益公式來(lái)修正所述預(yù)測(cè)區(qū) 域，得到所述目標(biāo)區(qū)域，所述卡爾曼增益公式為：
[0060]
[0061] 其中，所述Kk為當(dāng)前時(shí)刻的濾波增益矩陣，所述Pk,k_i為上一時(shí)刻到當(dāng)前時(shí)刻的一 步預(yù)測(cè)誤差方差矩陣，所述Hk為當(dāng)前時(shí)刻的觀測(cè)區(qū)域?qū)?yīng)的觀測(cè)矩陣，所述///為當(dāng)前時(shí)刻 的觀測(cè)矩陣的轉(zhuǎn)置矩陣，所述Rk為當(dāng)前時(shí)刻的過(guò)程誤差協(xié)方差矩陣，所述rk為當(dāng)前時(shí)刻的 調(diào)整因子，所述k為當(dāng)前時(shí)刻，所述k-1為上一時(shí)刻。
[0062] 可選的，所述第一確定單元，包括：
[0063]第一采集模塊，用于采集待測(cè)人臉圖像；
[0064]第一獲取模塊，用于獲取所述待測(cè)人臉圖像對(duì)應(yīng)的虹膜圖像；
[0065]第二獲取模塊，用于根據(jù)所述待測(cè)人臉圖像對(duì)應(yīng)的虹膜圖像獲取目標(biāo)視覺(jué)特征參 數(shù)；
[0066]第=處理模塊，用于向所述目標(biāo)模型輸入所述目標(biāo)視覺(jué)特征參數(shù)，得到所述目標(biāo) 模型輸出的參數(shù)；
[0067] 第四處理模塊，用于將所述目標(biāo)模型輸出的參數(shù)作為待測(cè)試虹膜圖像的虹膜中屯、 所在的觀測(cè)區(qū)域。
[0068] 可選的，所述裝置還包括：
[0069]采集單元，用于采集n個(gè)人臉圖像；
[0070]第二獲取單元，用于獲取每個(gè)所述人臉圖像對(duì)應(yīng)的虹膜圖像，得到所述n個(gè)虹膜 圖像。
[0071] 可選的，所述第二確定單元，包括：
[0072]第四確定模塊，用于根據(jù)所述目標(biāo)區(qū)域確定目標(biāo)視線方向；
[0073]第五確定模塊，用于根據(jù)所述目標(biāo)視線方向和預(yù)設(shè)的坐標(biāo)系，確定人眼注視的屏 幕落點(diǎn)位置，所述坐標(biāo)系用于記錄人眼和屏幕落點(diǎn)位置的位置關(guān)系。
[0074] 可選的，所述虹膜呈楠圓狀，
[0075]所述視覺(jué)特征參數(shù)為虹膜在所述虹膜圖像中的位置坐標(biāo)、所述虹膜的長(zhǎng)軸與水平 方向的夾角、所述虹膜的長(zhǎng)軸的長(zhǎng)度和所述虹膜的短軸的長(zhǎng)度中的任一特征參數(shù)。
[0076]本發(fā)明提供了一種視線追蹤方法及裝置，能夠采用根據(jù)目標(biāo)參數(shù)和極限學(xué)習(xí)機(jī)器 神經(jīng)網(wǎng)絡(luò)得到目標(biāo)模型確定待測(cè)試虹膜圖像的虹膜中屯、所在的觀測(cè)區(qū)域，再采用觀測(cè)區(qū)域 修正預(yù)測(cè)區(qū)域，得到目標(biāo)區(qū)域，最后根據(jù)目標(biāo)區(qū)域確定人眼注視的屏幕落點(diǎn)位置，相較于相 關(guān)技術(shù)，用于修正預(yù)測(cè)區(qū)域的觀測(cè)區(qū)域的準(zhǔn)確率更高，因此，提高了確定人眼注視的屏幕落 點(diǎn)位置的精確度和速度。
[0077]應(yīng)當(dāng)理解的是，W上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不 能限制本發(fā)明。
【附圖說(shuō)明】
[0078] 為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使 用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于 本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可W根據(jù)該些附圖獲得其他 的附圖。
[007引圖1-1是相關(guān)技術(shù)中的視線追蹤方法的示意圖；
[0080] 圖1-2是本發(fā)明各個(gè)實(shí)施例設(shè)及的一種實(shí)施環(huán)境示意圖；
[0081] 圖1-3是本發(fā)明實(shí)施例提供的一種視線追蹤方法的流程圖；
[0082] 圖2-1是本發(fā)明實(shí)施例提供的另一種視線追蹤方法的流程圖；
[0083] 圖2-2是本發(fā)明實(shí)施例提供的一種預(yù)設(shè)參考圖像中劃分的視覺(jué)區(qū)域的示意圖；
[0084] 圖2-3是一種ELM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖；
[00財(cái)圖2-4是本發(fā)明實(shí)施例提供的一種確定ELM神經(jīng)網(wǎng)絡(luò)的目標(biāo)參數(shù)的流程圖；
[0086]圖2-5是本發(fā)明實(shí)施例提供的一種確定待測(cè)試虹膜圖像的虹膜中屯、所在的觀測(cè) 區(qū)域的流程圖；
[0087] 圖2-6是本發(fā)明實(shí)施例提供的一種修正預(yù)測(cè)區(qū)域得到目標(biāo)區(qū)域的流程圖；
[0088] 圖2-7是本發(fā)明實(shí)施例提供的一種確定人眼注視的屏幕落點(diǎn)位置的流程圖；
[0089] 圖3是本發(fā)明實(shí)施例提供的一種視線追蹤裝置的結(jié)構(gòu)示意圖；
[0090] 圖4-1是本發(fā)明實(shí)施例提供的另一種視線追蹤裝置的結(jié)構(gòu)示意圖；
[0091]圖4-2是本發(fā)明實(shí)施例提供的一種第一確定單元的結(jié)構(gòu)示意圖；
[0092] 圖4-3是本發(fā)明實(shí)施例提供的一種處理單元的結(jié)構(gòu)示意圖；
[0093] 圖4-4是本發(fā)明實(shí)施例提供的一種第二確定單元的結(jié)構(gòu)示意圖；
[0094] 圖4-5是本發(fā)明實(shí)施例提供的一種第S確定單元的結(jié)構(gòu)示意圖；
[0095] 圖4-6是本發(fā)明實(shí)施例提供的一種第四確定單元的結(jié)構(gòu)示意圖。
[0096] 通過(guò)上述附圖，已示出本發(fā)明明確的實(shí)施例，后文中將有更詳細(xì)的描述。該些附圖 和文字描述并不是為了通過(guò)任何方式限制本發(fā)明構(gòu)思的范圍，而是通過(guò)參考特定實(shí)施例為 本領(lǐng)域技術(shù)人員說(shuō)明本發(fā)明的概念。
【具體實(shí)施方式】
[0097] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明實(shí)施方 式作進(jìn)一步地詳細(xì)描述。
[0098] 圖1-1示出了相關(guān)技術(shù)中的視線追蹤方法的示意圖，如圖1-1所示，該方法先通 過(guò)攝像機(jī)采集人的圖像，然后對(duì)人的圖像進(jìn)行處理，獲取人臉圖像，再利用頭部輪廓的對(duì)稱 性，縮小人臉圖像的范圍，檢測(cè)人眼的潛在區(qū)域，獲取人眼的視覺(jué)特征參數(shù)。然后通過(guò)卡爾 曼濾波方法進(jìn)行視線追蹤，確定人眼的視線方向，獲取人眼注視的屏幕落點(diǎn)位置。其中，視 覺(jué)特征參數(shù)主要是依賴于人眼構(gòu)造的一些光學(xué)特性，該些人眼構(gòu)造可W為角膜周圍與鞏膜 部分、黑色的瞳孔、白色的鞏膜和楠圓形的虹膜等。
[0099] 圖1-2示出了本發(fā)明各個(gè)實(shí)施例設(shè)及的一種實(shí)施環(huán)境示意圖，該實(shí)施環(huán)境可W包 括；攝像機(jī)01、電視機(jī)02、中央處理模塊03和用戶04。
[0100] 用戶04注視電視機(jī)02的屏幕，攝像機(jī)01獲取用戶04的人臉圖像，并將人臉圖像 發(fā)送至電視機(jī)02內(nèi)的中央處理模塊03,中央處理模塊03對(duì)人臉圖像通過(guò)圖像處理，獲取視 覺(jué)特征參數(shù)，根據(jù)視覺(jué)特征參數(shù)確定人眼注視的屏幕落點(diǎn)位置，完成視線追蹤過(guò)程。
[0101] 本發(fā)明實(shí)施例提供了一種視線追蹤方法，如圖1-3所示，該方法包括：
[0102] 步驟101、根據(jù)目標(biāo)模型確定待測(cè)試虹膜圖像的虹膜中屯、所在的觀測(cè)區(qū)域，該目標(biāo) 模型為根據(jù)目標(biāo)參數(shù)和極限學(xué)習(xí)機(jī)器（英文；Extreme Learning Machine;簡(jiǎn)稱；ELM)神 經(jīng)網(wǎng)絡(luò)得到的模型，該目標(biāo)參數(shù)是向ELM神經(jīng)網(wǎng)絡(luò)輸入n個(gè)視覺(jué)特征參數(shù)后得到的參數(shù)， n個(gè)視覺(jué)特征參數(shù)為預(yù)設(shè)的n個(gè)虹膜圖像中每個(gè)虹膜圖像對(duì)應(yīng)預(yù)設(shè)參考圖像中同一視覺(jué)區(qū) 域的視覺(jué)特征參數(shù)，該預(yù)設(shè)參考圖像劃分為至少兩個(gè)面積相等的視覺(jué)區(qū)域，n為大于1的整 數(shù)。
[0103] 步驟102、采用觀測(cè)區(qū)域修正預(yù)測(cè)區(qū)域，得到目標(biāo)區(qū)域，該預(yù)測(cè)區(qū)域是通過(guò)卡爾曼 濾波方法確定的待測(cè)試虹膜圖像的虹膜中屯、所在的區(qū)域。
[0104] 步驟103、根據(jù)目標(biāo)區(qū)域確定人眼注視的屏幕落點(diǎn)位置。
[0105] 綜上所述，本發(fā)明實(shí)施例提供的視線追蹤方法，能夠根據(jù)目標(biāo)參數(shù)和ELM神經(jīng)網(wǎng) 絡(luò)得到目標(biāo)模型，再確定待測(cè)試虹膜圖像的虹膜中屯、所在的觀測(cè)區(qū)域，再采用觀測(cè)區(qū)域修 正卡爾曼濾波方法得到的預(yù)測(cè)區(qū)域，得到目標(biāo)區(qū)域，最后根據(jù)目標(biāo)區(qū)域確定人眼注視的屏 幕落點(diǎn)位置，相較于相關(guān)技術(shù)，用于修正預(yù)測(cè)區(qū)域的觀測(cè)區(qū)域的準(zhǔn)確率更高，因此，提高了 確定人眼注視的屏幕落點(diǎn)位置的精確度和速度。
[0106] 可選的，在步驟101之前，該方法還包括；獲取預(yù)設(shè)的n個(gè)虹膜圖像中每個(gè)虹膜圖 像對(duì)應(yīng)預(yù)設(shè)參考圖像中同一視覺(jué)區(qū)域的視覺(jué)特征參數(shù)，得到n個(gè)視覺(jué)特征參數(shù)；通過(guò)向ELM 神經(jīng)網(wǎng)絡(luò)輸入n個(gè)視覺(jué)特征參數(shù)，確定ELM神經(jīng)網(wǎng)絡(luò)的目標(biāo)參數(shù)；根據(jù)目標(biāo)參數(shù)與ELM神經(jīng) 網(wǎng)絡(luò)，確定目標(biāo)模型。
[0107] 其中，目標(biāo)參數(shù)為ELM神經(jīng)網(wǎng)絡(luò)的輸出權(quán)值。通過(guò)向ELM神經(jīng)網(wǎng)絡(luò)輸入n個(gè)視覺(jué) 特征參數(shù)，確定ELM神經(jīng)網(wǎng)絡(luò)的目標(biāo)參數(shù)，包括：
[010引將n個(gè)視覺(jué)特征參數(shù)作為ELM神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)；
[0109] 將同一視覺(jué)區(qū)域?qū)?yīng)的坐標(biāo)矩陣作為ELM神經(jīng)網(wǎng)絡(luò)的輸出參數(shù)；
[0110] 根據(jù)輸入?yún)?shù)、輸出參數(shù)、ELM神經(jīng)網(wǎng)絡(luò)的輸入權(quán)值和闊值，確定ELM神經(jīng)網(wǎng)絡(luò)的 輸出權(quán)值，輸入權(quán)值為ELM神經(jīng)網(wǎng)絡(luò)的輸入結(jié)點(diǎn)到隱層結(jié)點(diǎn)的權(quán)值，闊值為隱層結(jié)點(diǎn)的闊 值；
[011。 相應(yīng)的，根據(jù)目標(biāo)參數(shù)與ELM神經(jīng)網(wǎng)絡(luò)，確定目標(biāo)模型，包括：根據(jù)ELM神經(jīng)網(wǎng)絡(luò)的 輸入權(quán)值、闊值和輸出權(quán)值確定目標(biāo)模型。
[0112] 步驟102包括；檢測(cè)觀測(cè)區(qū)域的中屯、與預(yù)測(cè)區(qū)域的中屯、的距離；根據(jù)距離，確定調(diào) 整因子的值，調(diào)整因子的值與距離正相關(guān)；根據(jù)觀測(cè)區(qū)域，通過(guò)調(diào)整卡爾曼增益公式來(lái)修正 預(yù)測(cè)區(qū)域，得到目標(biāo)區(qū)域。該卡爾曼增益公式為：
[011引
[0114] 其中，Kk為當(dāng)前時(shí)刻的濾波增益矩陣，Pk，k_i為上一時(shí)刻到當(dāng)前時(shí)刻的一步預(yù)測(cè)誤 差方差矩陣，Hk為當(dāng)前時(shí)刻的觀測(cè)區(qū)域?qū)?yīng)的觀測(cè)矩陣，///為當(dāng)前時(shí)刻的觀測(cè)矩陣的轉(zhuǎn)置 矩陣，T表示矩陣的轉(zhuǎn)置符號(hào)，如at表示矩陣A的轉(zhuǎn)置矩陣，R巧當(dāng)前時(shí)刻的過(guò)程誤差協(xié)方 差矩陣，rk為當(dāng)前時(shí)刻的調(diào)整因子，k為當(dāng)前時(shí)刻，k-1為上一時(shí)刻。
[0115] 步驟101包括；采集待測(cè)人臉圖像；獲取待測(cè)人臉圖像對(duì)應(yīng)的虹膜圖像；根據(jù)待測(cè) 人臉圖像對(duì)應(yīng)的虹膜圖像獲取目標(biāo)視覺(jué)特征參數(shù)；向目標(biāo)模型輸入目標(biāo)視覺(jué)特征參數(shù)，得 到目標(biāo)模型輸出的參數(shù)；將目標(biāo)模型輸出的參數(shù)作為待測(cè)試虹膜圖像的虹膜中屯、所在的觀 測(cè)區(qū)域。