35、无约束环境下的眼睛检测技术探索

无约束环境下的眼睛检测技术探索

1. 引言

在识别领域，相关性研究已有大量成果，同时特征检测也有重要进展。相关性滤波器能容忍姿态和表情变化，在检测和识别问题中颇具吸引力。不过，现有方法多在标准数据集上测试，对于更具挑战性的图像，还需进一步探索。

2. 传感器与光学选择

为减少困难条件的影响，我们选择 EMCCD 传感器以实现更快的快门速度。对于光学元件，自适应光学（AO）模型受到关注，但目前在户外生物识别系统中的应用还存在诸多问题。

2.1 AO 模型的局限性

• 天文与生物识别场景差异 ：天文学有自然和人造的“点源”用于引导 AO 过程，且天文成像为垂直方向，畸变类型和空间特征与生物识别不同。水平地面大气湍流更大且空间更复杂，增加了处理难度。
• 波前畸变假设的限制 ：对于可见光和近红外光，等晕角约为 2 弧秒。超出等晕角的运动违反了 AO 校正所需的波前模型，AO 系统对静止目标的微运动可能有补偿作用，但对于行走运动的应用尚不明确。

3. 机器学习方法

3.1 核心概念

机器学习检测方法的核心是使用滑动窗口搜索目标特征，提取窗口内的图像特征并应用分类器进行分类。针对不同的困难环境，可以学习不同的分类器。

3.2 学习技术

• 监督学习 ：旨在从训练数据集估计分类函数 f。训练数据集由输入值 X 和期望输出 Y 组成，常见输出为输入对象的标签。