APPD：基于轮廓梯度熵的自适应精确瞳孔边界检测
计算机视觉与模式识别
2018-08-10 v2
摘要
眼动追踪广泛应用于从眼科学、辅助技术到游戏和虚拟现实等众多领域。精确检测瞳孔的轮廓和中心是许多此类任务的首要步骤，因此需要被准确地执行。尽管当瞳孔完全可见时，其检测是一个简单的问题；但遮挡和倾斜视角会使该问题复杂化。在本研究中，我们提出了 APPD，这是一种自适应且精确的瞳孔边界检测方法，它能够通过一种以计算高效的方式估计轮廓形状的启发式方法，推断整个瞳孔是否完全清晰可见。因此，在假设无遮挡的情况下，可以执行更快的检测。如果该启发式方法失败，则会在提取的图像特征中执行更全面的搜索以保持准确性。此外，该算法能够判断是否存在瞳孔，这对许多应用而言是有用的信息。我们提供了一个包含来自 12 名受试者的 3904 张高分辨率眼部图像的数据集，并进行了大量实验，以获取在准确性、定位和耗时方面的定量结果。所提方法优于另外三种最先进的算法，在标准笔记本电脑上对 720p 图像进行单线程处理的平均执行时间约为 5 ms。
引用
@article{arxiv.1709.06366,
title = {APPD: Adaptive and Precise Pupil Boundary Detection using Entropy of Contour Gradients},
author = {Cihan Topal and Halil Ibrahim Cakir and Cuneyt Akinlar},
journal= {arXiv preprint arXiv:1709.06366},
year = {2018}
}
备注
Demo video: https://www.youtube.com/watch?v=cPLmmVLGrdQ&t=5s