基于强度和图像梯度的瞳孔中心定位

摘要

瞳孔中心是眼动追踪、人脸识别等计算机视觉领域中的精细参数，实现瞳孔中心自动检测具有广泛的应用价值。论文结合Faster RCNN模型，提出一种细分虹膜形状特征与图像梯度法的人眼瞳孔定位算法。首先，对图像进行光照补偿预处理，在此基础上，利用改进的ResNet50作为Faster RCNN模型的骨干网络来检测人脸和眼睛；其次，通过几何约束对眼睛区域进行选择，采用积分图像法实现虹膜区域检测；最后，通过图像梯度算法进行瞳孔中心定位。实验结果表明：该算法在GI4E数据集及自建的面部数据集上能够较精确地实现瞳孔中心定位，并且在归一化误差0.2阈值内，分别达到了100%和99.46%的定位精度，具有较好的鲁棒性和实时性。

关键词

瞳孔中心定位 / Faster RCNN / 图像梯度 / ResNet50 / 积分图像