单视觉红外视线追踪：眼部特征检测与非线性建模

本文主要探讨了视线追踪系统中眼部特征检测及视线方向计算的一种创新方法，针对单视觉主动红外光源系统进行了深入研究。在眼部特征检测阶段，该方法利用投影法来定位人脸，这是通过捕捉和解析面部结构，特别是根据人脸的对称性和五官布局的预设知识，来准确识别并划定瞳孔可能存在的区域。这一过程至关重要，因为瞳孔是视线的重要指示点。接着，作者进行精细的人眼特征分割，进一步提高检测的精度。 视线方向建模是核心环节，首先在头部静止的状态下，作者采用非线性多项式来建立从平面视线参数（如视线角度、倾斜度等）到视线实际落点的映射模型。这种非线性映射能够更真实地模拟人眼观察物体时视线的移动路径。然而，实际应用中，头部位置的变化可能导致视线偏移。因此，文章引入了广义回归神经网络（Generalized Regression Neural Network，GRNN），通过学习和补偿不同头部位置对视线的影响，使得非线性映射函数能够适应各种头部姿势，增强了系统的鲁棒性和准确性。 实验结果表明，这种方法在处理人脸转动、头部姿态变化等情况下的视线追踪性能优越，能够有效地追踪和计算出用户的视线方向。这种技术对于交互式图形用户界面（GUI）系统尤其有价值，因为它能提升用户体验，例如在虚拟现实、游戏控制、人机交互等领域中，准确的视线追踪有助于实现更加自然和高效的交互方式。 这篇论文贡献了一个综合运用投影法、非线性数学模型和机器学习算法的视线追踪系统设计，其有效性已经在实际应用中得到了验证。这对于推进视线追踪技术的发展，尤其是在需要高精度和动态适应性的场景中，具有重要的理论和实践意义。