1、注視點估計二維法

思路：主要是利用瞳孔和角膜反射光斑的向量和屏幕上的注視點進行擬合

實驗環境：在有近紅外燈的前提下進行實驗，850-860nm的波長，這種紅外燈在瞳孔進行反射，在角膜上形成一個反射亮斑，

1、首先進行瞳孔的檢測，得到瞳孔的坐標

2、進行反射亮斑的位置檢測，得到亮斑的坐標

3、根據在屏幕上的注視點的位置和瞳孔與亮斑之間的向量的關系進行函數擬合

注視點的位置信息和瞳孔與亮斑之間的向量擬合方式主要有這幾種：

1、多項式擬合

設（x,y）為注視點的坐標，（x1,y1）為瞳孔與亮斑之間的向量，多項式擬合的關系

x=a+a1*x1+a2*y1+a3*x*y+a4*x1^2+a5*y1^2;

y=b+b1*y1+b2*x1+b3*x1*y1+b4*x1^2+b5*y1^2;

校正的過程就是求解未知參數的過程：

未知參數a------a5,b---------------b5

通過對九個注視點進行實驗，得到相應的注視點的位置信息和瞳孔與亮斑之間的向量，

使用最小二乘法或者SVD方法，進行求解a------a5,b---------------b5

這樣就可以得到注視點的位置信息和瞳孔與亮斑之間的向量之間的關系。。

在實驗中，只需要檢測出瞳孔與亮斑之間的向量，根據得到的關系函數，就可以得到在屏幕上的注視點的坐標。

2、SVR（支持向量回歸）

支持向量回歸（SVR)的思路和多項式回歸的方法原理一樣，

首先在校正的過程中得到注視點的位置信息和瞳孔與亮斑之間的向量，得到回歸函數，

在實驗中，只需要檢測出瞳孔與亮斑之間的向量，根據得到的關系函數，就可以得到在屏幕上的注視點的坐標。

3、神經網絡的方法

神經網絡的輸入是瞳孔與亮斑之間的向量坐標值，輸出是屏幕上的注視點坐標值，

一般使用BP神經網絡，或者高維上處理的RBF*(徑向神經網路）進行訓練得到二者之間的關系

在實驗中，只需要檢測出瞳孔與亮斑之間的向量，根據得到的關系函數，就可以得到在屏幕上的注視點的坐標。

4、隨機森林回歸（random forest regression）

思路跟支持向量回歸一樣

二維注視點估計的方法，一般只能處理頭部靜止的條件下進行的實驗，有很大的限制，

一般在三維坐標系進行注視點的估計

總結

以上是生活随笔為你收集整理的注视点估计（二维法）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。