張琴

　　( 廣東技術(shù)師范學(xué)院，廣東 廣州 510665 )

　　摘要：設(shè)計(jì)了一款基于瞳孔定位技術(shù)的視覺跟蹤系統(tǒng)。該系統(tǒng)通過安裝在眼鏡上的攝像頭采集人眼球瞳孔運(yùn)動圖像，并利用硬件電路分離視頻同步信號，然后將信息傳送至S3C6410嵌入式處理器，處理器利用圖像處理算法計(jì)算出人的瞳孔運(yùn)動軌跡，從而得到人眼瞳孔的實(shí)時定位信息。該系統(tǒng)具有較為廣泛的應(yīng)用前景，可以通過人眼睛的轉(zhuǎn)動來實(shí)現(xiàn)對各種智能化設(shè)備的控制，能夠應(yīng)用于殘疾人智能護(hù)理、病床智能護(hù)理等實(shí)際領(lǐng)域。

　　關(guān)鍵詞：瞳孔定位；視覺跟蹤；圖像處理；嵌入式系統(tǒng)

0引言

　　視覺跟蹤（Visual Tracking）技術(shù)是計(jì)算機(jī)視覺領(lǐng)域中的一個重要問題。所謂視覺跟蹤，就是指對圖像序列中的運(yùn)動目標(biāo)進(jìn)行檢測、提取、識別和跟蹤，獲取運(yùn)動目標(biāo)的運(yùn)動參數(shù)（如位置、速度、加速度等）以及運(yùn)動軌跡，從而進(jìn)行深入一步的處理與分析，實(shí)現(xiàn)對運(yùn)動目標(biāo)的行為理解，以完成更高一級的任務(wù)［1］。由于視覺跟蹤技術(shù)在很多領(lǐng)域有著廣泛的應(yīng)用前景，視覺跟蹤技術(shù)已經(jīng)成為人工智能領(lǐng)域一項(xiàng)熱門的研究課題。

　　本文設(shè)計(jì)了一款基于瞳孔定位技術(shù)的視覺跟蹤系統(tǒng)。系統(tǒng)基本結(jié)構(gòu)如下：在一款普通樹脂眼鏡的右上角部位安裝微型攝像頭，用以采集眼球活動數(shù)據(jù)，并由數(shù)據(jù)線將圖像傳輸至微處理器，再由微處理器對眼球圖像數(shù)據(jù)進(jìn)行算法計(jì)算，得出眼睛瞳孔的準(zhǔn)確運(yùn)動方向。微處理器模塊由于機(jī)械尺寸較大，暫時無法固定在普通樹脂眼鏡之上，因此目前采用外置方式。

　　系統(tǒng)原理結(jié)構(gòu)圖如圖1所示。

1系統(tǒng)各功能模塊

　　1.1微型攝像頭模塊

　　攝像頭是采集人眼球活動數(shù)據(jù)的基本設(shè)備，它的采集精度和準(zhǔn)確性對系統(tǒng)的質(zhì)量有著關(guān)鍵的影響。經(jīng)過綜合考慮，本系統(tǒng)選擇了OV7960攝像頭模塊，該模塊尺寸較小，最大尺寸只有9 mm，具有480TVL的水平清晰度，可以滿足眼球瞳孔定位追蹤的精度要求。

　　1.2視頻同步分離模塊

　　為了能夠?qū)Σ杉降囊曨l信號進(jìn)行數(shù)字化處理，必須首先對采集到的彩色視頻信號進(jìn)行視頻同步分離，以獲取視頻中的彩色圖像數(shù)據(jù)，這就需要視頻同步分離電路來完成。為了減少處理器的負(fù)荷，本文采用硬件方法對視頻信號進(jìn)行同步分離，電路采用專用的視頻分離芯片LM1881N完成分離功能，其電路如圖2所示。

　　1.3微處理器模塊

　　本系統(tǒng)采用S3C6410嵌入式芯片作為微處理器。S3C6410 采用ARM1176JZFS 的內(nèi)核，主頻可以達(dá)到533 MHz/667 MHz ，最大支持到8 bit 糾錯， 實(shí)現(xiàn)了MMU、AMBA BUS 和Harvard 高速緩沖體系結(jié)構(gòu)［2］。

2瞳孔追蹤原理及算法

　　系統(tǒng)通過跟蹤人瞳孔實(shí)時運(yùn)動軌跡來實(shí)現(xiàn)視覺跟蹤的目的，需要較為復(fù)雜的圖像處理算法完成瞳孔識別與追蹤的工作。其中第一步是實(shí)現(xiàn)對視頻圖像信息的采集任務(wù)，這可以在S3C6410處理器上運(yùn)行圖像采集程序?qū)崿F(xiàn)。圖3圖像處理算法流程圖

　　在一般情況下，系統(tǒng)采集到的眼部圖像存在著背景光線干擾、光線反射變化、眼部運(yùn)動變化等多種復(fù)雜的環(huán)境影響，因此圖像的質(zhì)量并不高，難以獲得精確的瞳孔運(yùn)動數(shù)據(jù)。因此必須通過專業(yè)的圖像處理算法才可以提取到清晰的眼部瞳孔圖像， 系統(tǒng)采用的圖像處理算法流程圖如圖3所示。

　　2.1圖像的灰度化處理

　　為加強(qiáng)圖像目標(biāo)區(qū)域的對比度，本文采用了一種有選擇性的灰度化方法［3］，該方法將常規(guī)的R、G、B數(shù)值映射到新的坐標(biāo)空間Rn、Gn、Bn。以Rn為例，其計(jì)算過程由式（1）、式（2）確定。

　　當(dāng)Rs≥128時，Rn的數(shù)值由式（1）給出：

　　按照以上方法得到的灰度圖像可以產(chǎn)生比傳統(tǒng)方法更好的灰度化效果，使瞳孔部分的灰度效果在背景圖像中表現(xiàn)得更加突出。

　　2.2圖像的濾波處理

　　本系統(tǒng)選擇了模糊矢量濾波算法。當(dāng)采集到的圖像存在一定的噪聲干擾的情況下，濾波器難以區(qū)分目標(biāo)圖形的邊緣與噪聲圖像之間的界線，使得目標(biāo)圖像識別率降低，而模糊濾波理論可以解決以上問題［4］。圖像模糊濾波算法的核心是構(gòu)造一個模糊加權(quán)均值濾波器，其計(jì)算過程由式（3）確定［5］：

　　其中，wk是對應(yīng)于圖像像素點(diǎn)x(l)k的歸一化權(quán)值，它的數(shù)值由下列條件限定：

　　而圖像像素點(diǎn)的歸一化權(quán)值wk數(shù)學(xué)形式由式（5）定義：

　　2.3圖像的閾值分割

　　運(yùn)用圖像閾值分割技術(shù)可以從已經(jīng)濾波的圖像中提取所需的跟蹤目標(biāo)信息，常用的圖像閾值分割方法有最大類間方差法和最大熵法等［6］。本文選擇最大熵法進(jìn)行閾值分割。最大熵法的最佳閾值由式（6）確定［7］：

　　T*=argMax［Hf(t)+Hb(t)］（6）

　　2.4軌跡特征提取

　　系統(tǒng)采用選擇最小二乘法來實(shí)現(xiàn)瞳孔運(yùn)動軌跡的直線擬合。最小二乘法的原理非常簡單，可以用式（7）來實(shí)時地描述每一條運(yùn)動軌跡：

　　Y=kx+b（7）

　　其中，k表示直線的斜率，b表示直線的截距。只要求解出k和b的數(shù)值，就可以得到圖像的運(yùn)動軌跡，而根據(jù)最小二乘法原理，k、b的值由式（8）、式（9）確定［8］：

　　按上述方法，可以把瞳孔的運(yùn)動軌跡擬合成若干段直線的組合形式，既能夠減小處理器的計(jì)算量，同時也不影響對瞳孔運(yùn)動方向的判斷，符合系統(tǒng)對運(yùn)動軌跡判決精度的要求。

3實(shí)驗(yàn)及性能分析

　　使用該系統(tǒng)，對人雙眼的瞳孔運(yùn)動軌跡進(jìn)行了多次的跟蹤實(shí)驗(yàn)與判斷。實(shí)驗(yàn)過程如下：系統(tǒng)在進(jìn)行視覺追蹤時，由算法自動設(shè)定眼球正中位置為初始位置，當(dāng)人的眼球轉(zhuǎn)動時，瞳孔的相對位置及運(yùn)動軌跡發(fā)生改變，通過跟蹤瞳孔的運(yùn)動軌跡，系統(tǒng)可以判斷出瞳孔的相對位置，并給出判斷后的二進(jìn)制數(shù)值。瞳孔的位置真值表如圖4所示。　　

　　對系統(tǒng)進(jìn)行了多次實(shí)驗(yàn)及測試，得到的實(shí)測數(shù)據(jù)如表1、表2所示。 

　　由表1、表2數(shù)據(jù)可知，系統(tǒng)對人眼瞳孔軌跡追蹤的實(shí)時響應(yīng)時間較快，左眼平均響應(yīng)時間為23 ms，右眼平均響應(yīng)時間為23.5 ms，數(shù)據(jù)接近，可以滿足一般情況下對系統(tǒng)實(shí)時性的要求。在測試中發(fā)現(xiàn)，系統(tǒng)對于瞳孔水平方向運(yùn)動軌跡的跟蹤準(zhǔn)確度較高，正確率達(dá)到93.13%，而對垂直方向的瞳孔運(yùn)動追蹤準(zhǔn)確度稍低，正確率為86%。分析原因，這是因?yàn)槿梭w的眼球圖像近似于一個水平放置的橢圓，左右方向的軸距較長，上下方向的軸距較短，所以在進(jìn)行軌跡追蹤時，垂直方向的瞳孔運(yùn)動軌跡距離較短，采集到的像素點(diǎn)較少，因此系統(tǒng)容易造成誤判；而水平方向的運(yùn)動軌跡較長，采樣到的數(shù)據(jù)點(diǎn)較多，系統(tǒng)擬合出的直線軌跡較為精確，因此判決正確率較高。

4結(jié)論

　　在一般應(yīng)用條件下，本文所提出的系統(tǒng)已經(jīng)可以滿足視覺跟蹤技術(shù)對于實(shí)時性和準(zhǔn)確度的要求，但在更高要求的場合應(yīng)用時，系統(tǒng)的性能還需要進(jìn)一步提高，這可以通過采用更高性能的硬件處理器以及設(shè)計(jì)更高效的軟件算法來實(shí)現(xiàn)，這些工作可以在下一步的研究中繼續(xù)優(yōu)化與改進(jìn)。

參考文獻(xiàn)

　　［1］ BABU R V, PEREZ P， BOUTHEMY P. Robust tracking with motion estimation and local kernelbased color modeling［J］. Image and Vision Computing, 2007(25):12051216.

　　［2］ 徐媛媛,匡斐,鐘璐遠(yuǎn)，等.基于ARM11平臺和GPRS遠(yuǎn)程無線圖像報(bào)警系統(tǒng)的研究［J］.微型機(jī)與應(yīng)用,2015,34(2):3840.

　　［3］ 周金和，彭福堂.一種有選擇的圖像灰度化方法［J］.計(jì)算機(jī)工程，2006,32(10):198200.

　　［4］ SHEN Y， BARNER K E. Fast adaptive optimization of weighted vector median filters［J］.IEEE Transactions on Signal Processing, 2006, 54(7): 24972510.

　　［5］ LUKAC R, PLATANIOTIS K N, VENETSANOPOULOS A N, et al. A statisticallyswitched adaptive vector median filter［J］. Journal of Intelligent and Robotic Systems: Theory and Applications,2005, 42(4): 361391.

　　［6］ Qi Zhengwei, You Jinyuan. Formalization of P systems by Maude ［J］ . Journal of Shanghai Jiaotong University (Science), 2005, 10(3):260264.

　　［7］ MORILLAS S, GREGORI V, PERISFAJARNES G, et al. A fast impulsive noise color image filter using fuzzy metrics［J］. RealTime Imaging, 2005, 11(56): 417428.

　　［8］ GHEORGHE P. P systems with active membranes: attacking NP complete problems［J］ . Journal of Automata Languages and Combinatorics, 2001(6): 7590.