刘 富, 刘 星, 康 冰

(吉林大学 通信工程学院, 长春 130022)

0 引 言

视线估计是预测视线方向、 定位注视点位置的过程。该领域研究者经常用眼球跟踪(Eye Tracking)、 视线跟踪(Gaze Tracking)和视线估计(Gaze Estimation)等术语相互替换。近几十年, 视线估计都是比较活跃的研究课题, 已经开始应用于人机交互、 虚拟现实、 生理心理疾病诊断等方面[1]。

由于视线估计方法主要基于对相关信号的检测, 因此对硬件条件和使用环境的要求很严格。随计算机视觉和相关算法理论的进步, 研究人员开始对基于表观的方法进行研究, 通过对图像的分析实现视线估计。其中, 结合卷积神经网络(CNN： Convolutional Neural Network)的研究成为了一个新兴领域[2]。

卷积神经网络是以卷积层为基本操作的深度神经网络, 由于卷积层、 池化层和全连接层之间有不同的组合方式, CNN发展出了多种结构, 基于CNN的视线估计算法可避免大量的预处理和显性特征提取过程, 但准确性还不能满足实际需求。为提升算法的准确性, 研究主要分为两个不同方向。一个是在数据层面进行改进, 如提高图像质量, 细分图像的种类和数量等, 通过增加数据的精确度提高视线估计的准确度。由Krafka等[3]提出的可用于移动终端进行视线估计的iTracker软件, 就是基于这一方向的改进。另一个方向则是在算法结构层面进行改进, 提升算法本身的性能。Zhang等[4]提出的基于LeNet-5结构的算法是该研究方向的代表算法之一。相比之下, 前者仍旧存在对硬件的严重依赖, 而后者显然更适用于实际环境。……