王向周， 朱璐璐， 郑戍华， 南若愚

(北京理工大学 自动化学院，北京 100081)

无人机系统驾驶员远程控制飞机进行搜寻、救援等作业，通常需要关注大量信息并及时处理紧急情况，驾驶员注意力状态直接关系到无人机的安全及任务完成度. 驾驶员处于疲劳或紧张状态时，其瞳孔大小就会出现较大的波动，因此可以通过实时监测将瞳孔大小作为判断驾驶员是否疲劳的关键参数之一.

瞳孔实时精准检测常依赖于专用设备直接采集高精度眼部图像，但是高分辨率图像对设备的算力也提出了较高的要求. 李新辰[1]针对视频眼震电图仪采集眼部图像的处理算法进行改进，同时提高了程序处理效率和瞳孔定位速度，相对于CPU运行速度提升了5～20倍. SANTINI 等[2]采用PuRe构造函数对使用头戴式眼动仪采集的眼部图像进行检测，在120 fps检测速度的情况下将最新算法的精度提高了10%. 以上方法针对图像采集摄像头与头部位置保持相对不变状态进行的，虽然取得了高精度和实时性，但实际应用时受到一定限制.

PTZ(Pan/Tilt/Zoom)摄像机通过云台全方位转动摄像机并控制变焦，根据目标实际位置与理想位置的差异调整PTZ 摄像机参数，使目标以较大尺度处于图像中心位置，但由于瞳孔尺寸较小，PTZ摄像机很难同时满足大视场和高分辨率图像以保证瞳孔检测的高精度和实时性[3]. 为了解决瞳孔图像的清晰程度与大视场下的跟踪速度之间的矛盾，NI等[4]采用了同型号且位置固定……