利用类 Haar 特征与统计学习在一秒内完成千次瞳孔分割
图像与视频处理
2021-02-04 v1 计算机视觉与模式识别
摘要
本文提出一种瞳孔分割新方法。它可被非常高效地计算与训练，非常适用于高速眼动仪在线使用以及移动眼动追踪中的节能瞳孔检测。该方法受 BORE 与 CBF 算法启发，并通过 Haar 特征推广二值比较。由于这些特征本身极易受噪声与波动光照条件影响，我们将其与条件性瞳孔形状概率结合。此外，我们还依据各特征在确定瞳孔形状中的重要性对其进行排序。我们方法的另一优势是使用非常高效甚至可在线使用的统计学习。https://atreus.informatik.uni-tuebingen.de/seafile/d/8e2ab8c3fdd444e1a135/?p=%2FStatsPupil&mode=list
引用
@article{arxiv.2102.01921,
title = {1000 Pupil Segmentations in a Second using Haar Like Features and Statistical Learning},
author = {Wolfgang Fuhl},
journal= {arXiv preprint arXiv:2102.01921},
year = {2021}
}