题目：基于神经网络的视线跟踪技术研究

桌面式视线跟踪系统跟踪精度决定于特征点的提取精度和凝视点的定位精度，国内外学者针对两个核心技术问题，展开了大量的研究，通常采用基于交比不变原理的线性修正方法来减小凝视点定位的非线性误差，但是很难补偿桌面式视线跟踪系统中存在的各种复杂非线性因素所带来的误差。 论文的研究内容为桌面式视线跟踪系统的热点问题：人眼图像特征点的提取方法和凝视点的定位方法研究。对于特征点的提取方法：采取了瞳孔中心粗定位与精确定位相结合的方法，提高了瞳孔中心定位精度；结合阈值分割和几何分析的方法提取4个红外光点以及内外眼睑坐标位置，识别率达到95%以上；采用图像预处理和几何分析方法，提高了特征点定位的鲁棒性。对于凝视点的定位方法：研究了神经网络的输入参数、模型的结构和训练方法，确定网络输入参数为4个红外光点坐标、瞳孔中心坐标等；网络模型选择双隐层和80个隐层结点，连接函数为线性purelin和非线性logsig的组合；采用批训练方法以及训练次数为14次的重复训练方式以获得模型的最快的收敛速度和最佳的泛化能力；采用线标定的方法来代替点标定来简化标定方法，建立了正确的非线性映射模型。 最后，论文通过静动态试验验证了系统的正确性。实验结果表明：系统静态实验在屏幕分辨率为1280×1024像素的情况下的定位平均误差小于30个像素，标准偏差小于25个像素；系统动态实验显示系统处理一帧的时间小于250ms，基本满足实际应用的需求。