文件名称：matlab人头检测的代码-EyeposeOptimization:Matlab和Cpp联合优化的瞳Kong跟踪和屏幕到脸的距离估计
文件大小：974KB
文件格式：ZIP
更新时间：2024-06-12 22:43:02
系统开源
matlab人头检测的代码眼动追踪，用于计算机与用户的交互 该存储库是Matlab在瞳Kong跟踪和屏幕到脸部距离估计上进行联合优化的实现。 优化可以实时执行。 眼睛跟踪数据来自。 研究问题 如何恢复由眨眼引起的异常值？ 如何在保持真实运动的同时对眼睛的姿势进行降噪？ 如何估算人脸与屏幕之间的距离？ 该项目的成果 设计了一个“中值过滤器”（在median_filter.m中实现），可以精确地检测出异常值并有效地对其进行恢复。 为了计算离群值检测的阈值，要考虑一些物理限制，例如最佳眼睛旋转和平均眨眼时间（可以在load_parameters.m中找到）。 以下是从（左）的原始数据和来自median_filter（右）所过滤的数据。 受保留了图像结构信息的“总方差”范式的启发，采用了一种优化算法来估计眼睛的姿势，同时保持瞳Kong的运动。 为了共同优化屏幕到面部的距离和眼睛的姿势，摄像机的透视几何也被视为损失函数的一部分。 485个姿势数据的优化平均时间为0.1秒。 下面的左图是来自原始眼睛的姿势，而右图是联合优化后的眼睛姿势。 由于数据来自，所以提供了优化的“流”版本，可以逐个优化数据。
【文件预览】：
EyeposeOptimization-master
----Cpp_implementation()
--------src()
--------CMakeLists.txt(2KB)
--------include()
----main.m(3KB)
----repair_outliers.m(928B)
----load_parameters.m(2KB)
----compute_loss.m(1KB)
----compute_gradient.m(2KB)
----LICENSE(34KB)
----main_streaming.m(3KB)
----README.md(5KB)
----TV_reconstruction.m(1KB)
----data()
--------raw_eyepose.png(73KB)
--------Loss_optimization.png(25KB)
--------jointlyoptimal_eyepose_streaming_0_07s.png(80KB)
--------abs_pupil_pose_static.txt(9KB)
--------jointly_optimal_y.png(74KB)
--------jointlyoptimal_interpupillary_distance_streaming.png(52KB)
--------jointlyoptimal_eyepose_streaming_0_05.png(81KB)
--------jointly_optimal_x_streaming.png(56KB)
--------abs_pupil_pose_rect.txt(13KB)
--------original_data.png(66KB)
--------jointlyoptimal_eyepose_0_11s.png(58KB)
--------jointlyoptimal_eyepose_streaming_0_38sCpp.png(47KB)
--------jointly_optimal_x.png(58KB)
--------jointlyoptimal_screenface_distance.png(48KB)
--------jointlyoptimal_interpupillary_distance.png(70KB)
--------jointly_optimal_y_streaming.png(57KB)
--------original_eyepose.png(85KB)
--------jointlyoptimal_eyepose_streaming_0_1sCpp.png(49KB)
--------deoutlier_data.png(70KB)
----median_filter.m(2KB)
----joint_filter.m(2KB)