50、基于运动向量方差的眨眼检测方法

基于运动向量方差的眨眼检测方法

1. 基于序列的眨眼检测

在某些研究中，利用眼睑运动来检测眨眼。具体做法是每5帧进行一次眼睛检测，使用FAST算法检测特征，并通过KLT跟踪器进行特征跟踪。特征会根据其位置分为面部、左眼和右眼。基于这些特征来跟踪眼睛和面部区域，同时计算区域在强度梯度方向上的法向流。由于眼睑运动可能包含头部运动，所以需要根据已提取的头部运动进行补偿。通过方向直方图提取各个类别的局部运动向量的主导方向，从而实现对眼睛方向的部分不变性。为了过滤眼睑运动，只考虑与两眼之间线段垂直方向的流，计算该线段与水平线的夹角并相应地变换流向量，最后使用校正和归一化后的流来计算眼睛区域的平均流大小。主导流方向通过一个有36个区间（每个区间代表10度）的直方图来识别，法向流的方向和大小作为状态机的输入参数。

2. 基于运动向量方差的眨眼检测方法

该方法假设已经定位了面部和眼睛区域。在实验中，使用OpenCV实现的Viola - Jones类型算法（使用正面人脸和眼睛对的级联文件）来检测眼睛区域。将检测到的眼睛区域（双眼）在高度上放大1.5倍，大约为两眼间距的一半，以覆盖更大的区域，补偿眼睛区域检测的不准确性。如果未检测到眼睛，则跳过该帧。将区域分成两半以分离出单个眼睛区域，该方法分别对每只眼睛运行。在规则网格上放置一群KLT跟踪器（网格间距为区域尺寸的1/15，总共约225个跟踪器，具体数量取决于区域大小）。然后提取局部运动向量并根据其位置进行平均，上6个运动向量垂直分量的平均方差作为状态机的输入，用于检测眨眼。

2.1 眼睛区域

被跟踪的人可能会前后移动，导致眼睛的大小和位置发生变化。首先获取初始眼睛区域，并在其上规则地放置跟踪器。在下次重新初始化之前，