基于fpga与投影算法的快速眼动跟踪系统实现-邹云海.pdf

《基于fpga与投影算法的快速眼动跟踪系统实现-邹云海.pdf》由会员分享，可在线阅读，更多相关《基于fpga与投影算法的快速眼动跟踪系统实现-邹云海.pdf（7页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、第48卷第3期 四川大学学报(工程科学版) vol_48 N032016年5月 J0uRNAL 0F SICHUAN UNIVERsITY(ENGINEERING SCIENCE EDITl0N) May 2016文章编号：10093087(2016)03m100_07 DOI：1015961jjsuese201603叭3基于FPGA与投影算法的快速眼动跟踪系统实现邹云海1，关蒲骏2，杨 波1，龚启勇2，幸浩洋2+(1成都信息工程大学电子实验中心，四川成都610225；2四川大学华西医院磁共振研究中心，四川成都610064)摘要：以视觉刺激的方式给被测者眼动任务，并使用高速摄像系统来跟踪被测对

2、象的眼动轨迹，可以获知其心理行为，在心理研究领域具有非常重要的作用。介绍了一种基于FPGA硬件和投影算法的眼动跟踪系统，通过LuPA300高速cMOs图像传感器采集眼动图像，利用FPGA实现投影算法从连续的视频帧中获取人眼瞳孔与反射斑的坐标。为提高跟踪的准确程度，包括二值化与数学形态学腐蚀膨胀运算被用于预处理，最终实现了快速瞳孔与反射斑的定位。结果表明，FPGA执行快速投影跟踪算法，可以获得可靠的跟踪准确性，在跟踪算法中利用FPGA对图像首先进行二值化及腐蚀膨胀预处理，可以达到更好的效果。系统构成简单，实现了实时跟踪，结果准确，为高速眼动跟踪提供了一种新的有效实现方法。关键词：眼动；FPGA；

3、运动跟踪；投影算法；腐蚀；膨胀中图分类号：TP391 文献标志码：ARapid Eye MoVement Tracking System Based on FPGA and Projection AlgorithmZoU Y氆讹0GUAN P嘲耐，YANG Boj，GoNG Qbongi，Xl秘G Hooylgz(1Chengdu Univof Inf0 Techn01，Center For Electronics E1pe订ment，Chengdu 610225，chin8；2Magnetic Resonance Ima奢鸭Research cen溆，west chin8 Ho印ital，s

4、iehuan univ，chen酣u 6l0064，china)Abstract：Assigning an eye task with visual stimulation and tracking the eye movement is a channel to acquire the examineespsychological behaviors，which plays a critical part in che fields of psychological reseaIhIn this study，an eyetracking system based on FPGAhardwar

5、e and p玎0jection algorithm was pmposed，which captures video via LUPA300 highspeed CMOS and obtains the motion of eyepupil and bright spot thmugh the continuous video frames by using a FPGA implememed p玎ojection algorithmTb obtain a reIiable tracking accuracy，a binarization and mathematical morpholog

6、y operation(conosion and expansion)were adopted as a preprocession stepThe results showed that FPGA can implement p玎0jection algorithm to track eye motion with high 8peed，and the binarization and coHDsion expansion pretreatment can improve the tracking accuracy efflectivelyThe system is easy to achi

7、eve the real time tracking，and pmvides a new method for eye movement tmcking at high speedKey words：eye movement；FPGA；motion trackir峪；pmjection algorithm；corrosion；expansion眼动跟踪(eye tracking)，是指通过测量眼睛的注视点的位置或者眼球相对头部的运动而实现对眼球运动的跟踪。眼动仪是一种能够跟踪测量眼球位置及眼球运动信息的一种设备，在视觉系统、心理学、认知语言学的研究中有广泛的应用。目前眼动跟踪有多种方法，其中最

8、常用的无创手段是通过视频拍摄设备从每帧图像的眼睛瞳孑L与反射斑位置来获取眼动(视线)信息。眼球运动是一个非常高速的过程。在一般的研究过程中，眼球运动的描述一般以01 s为单位，进行生理学和病理学研究。然而，当取样率低于362 Hz时，很可能会错过重要的眼跳或者眨眼信息，或者将不同的运动混淆心。3 J。采用无创手段完整地捕获眼跳信息，可通过提高视频拍摄设备的帧率且实时计算出瞳孔与反射斑位置对眼动进行高速跟踪。收稿日期：2叭5一1030基金项目：国家自然科学基金仪器专项资助项目(81227002)作者简介：邹云海(1982一)，男，讲师，硕士研究方向：信息与数字信号处理E-mail：zyhcuit

9、educn通信联系人E-mail：“yscueducnhttp：jsuesescueducn万方数据第3期 邹云海，等：基于FPGA与投影算法的快速眼动跟踪系统实现 101提出一种一体化高速眼动跟踪方法，该方法采用FPGA直接控制高速图像传感器，以500帧s的速度拍摄眼球的位置，并直接对图像数据进行去干扰及投影运算，确定瞳孔与反射斑中心坐标，通过对连续帧的不间断运算，完成眼动的高速跟踪。同时，用FPGA直接构建千兆以太网，将拍摄的眼动视频及跟踪数据直接传送到终端PC机上进行相应分析与处理。本方法充分利用FPGA并行逻辑处理的优势，运算速度快、跟踪准确、系统构成简单、可实时跟踪，能够很好地满足在

10、视觉刺激眼动任务中对眼球运动进行实时分析的需求。1 眼动跟踪系统构成本系统硬件系统核心由现场可编程门阵列(field programmable gate anay，FPGA)处理器、LUPA300图像传感器及千兆以太网数据链路构成。高速图像传感器LUPA300最高帧率可达500帧s，足以捕获快速的眼动过程。内部自带ADc，可直接将像素灰度数值转换为10位的数字图像数据流输出，FPGA通过10位的并行数据总线接收高速视频流，经过一定的暂存及运算处理，使用投影算法提取出眼动中心坐标后，将原数据流与中心坐标进行数据封包，传输到PC机进行存储及实时动态显示。由于FPGA为纯硬件逻辑电路，可以并行地对数

11、据流进行必要缓冲及相关运算处理，大大简化了系统的外围设计，仅需要使用FPGA及高速图像传感器即可实现系统所需的全部功能，而不需额外使用微处理器来进行相关处理。在系统后端，直接使用FPGA逻辑时序控制干兆以太网接口芯片88e1111，建立了高速、稳定的数据后向通道，FPGA统一控制图像数据的采集、处理及传输过程，整体系统构成简单、高效、可靠。在系统前端，高速图像传感器LuPA300需要通过FPGA对其进行分辨率、采集帧率、灰度值、亮度值等初始化配置，使其工作在设定的模式下。Lu-PA300进人工作模式后，FPGA使用同步时钟，从图像传感器获取连续的视频数据流。FPGA硬件逻辑的并行高速特性可以保

12、证对视频数据进行不问断的连续采集，并实时对图像数据使用投影算法进行跟踪，采集系统的构成如图1所示。图 ：d干兆数据链路逻辑b 以像 人 命匦数 FPGA核心处理器 网据 爿跟踪算法逻鞋 P接流 口图1 FPGA高速图像采集系统构成Fig1 Stmcture of lliglI-speed vidptIlre systembased on FPGA图像传感器LuPA300在FPGA的控制下，将单个像素的灰度值转化为10位数字量，为了降低传输带宽，在不降低图像质量的前提下，FPGA将10位数据截取高8位接收。在分辨率为480320和帧率为500帧s时，传输带宽为：B伽=4803208500=614

13、4 Mbs(1)为了保证高速数据流的可靠传输，首先将图像数据按帧封包，再通过千兆以太网接口向终端计算机传输实时视频帧数据包，终端计算机接收到数据后，将数据保存在磁盘上并按像素分布将数据转换为视频图像进行显示。在进行千兆数据链路传输的同时，FPGA将视频数据流按帧同步存入FPGA自带的M4K存储器块作为缓存。系统所使用的EP4CEll5F29C7 FPGA具有3 981 312 bit的存储能力，足以满足本系统缓存的需要。由于帧数据流是连续的，并且投影运算需要完整的数据帧才能进行，为了保证存入和运算的不间断进行，FPGA将M4K存储空间分为奇数帧及偶数帧进行缓存，当奇数帧正在写入数据时，偶数帧进

14、行投影运算；当偶数帧开始写入数据时，奇数帧开始进行投影运算，即进行的乒乓操作。乒乓操作是FPGA特有的逻辑运算，通过FPGA的高速并行逻辑进行处理，视频帧数据流可视为不存在任何“延迟”，形成连续视频流。图2给出一副图像帧进行乒乓操作的流程，通过数据缓冲模块及输出数据流选择单元实现乒乓切换。图2数据帧FPGA乒乓操作流程Fig2 FPGA pmcedure of table tennis opemtion on、rideo fr锄e首先，输人数据流通过“输人数据选择单元”将 可以为任何存储模块，比较常用的存储单元为双口数据流等时分配到2个数据缓冲区，数据缓冲模块 RAM(DPRAM)、单口RAM

15、(SPRAM)、FIF0等。在万方数据102 四川大学学报(工程科学版) 第48卷第1个缓冲周期，将输入的数据流缓存到“数据缓冲模块1”；在第2个缓冲周期，通过“输人数据选择单元”的切换，将输入的数据流缓存到“数据缓冲模块2”，同时将“数据缓冲模块1”缓存的第1个周期数据通过“输出数据选择单元”的选择，送到“数据流运算处理模块”进行运算处理；在第3个缓冲周期通过“输入数据选择单元”的再次切换，将输入的数据流缓存到“数据缓冲模块1”，同时将“数据缓冲模块2”缓存的第2个周期的数据通过“输出数据选择单元”切换，送到“数据流运算处理模块”进行运算处理，如此循环。乒乓操作可以保证连续帧的投影运算不问断

16、进行，也可以最高效地利用M4K存储器块资源。与微处理器构成的数据处理系统相比，使用FPGA控制LUPA300，所构成的眼动跟踪系统具有采集实时、处理速度快、时效性好、可靠性高的优点。2 图像的预处理及投影运算在8位灰度图像中，每个像素的数值范围为o255，数值越大，颜色越浅(即越白)，数值越小，颜色越深(即越黑)，数值为0时，为黑色，数值为255时，为白色。从图3(a)可以看出，眼部瞳孔占据了较大部位的圆形黑色区域，左侧存在一小块白色亮斑。由于眼窝部位睫毛、暗光及眼球边缘大量深色像素的影响，对寻找瞳孔所在位置存在较多干扰。同样，定位亮斑所在坐标时，由于皮肤受灯光照射等高光因素的影响，直接进行投

17、影运算所获得的的亮斑中心坐标也不准确一。因此，为了避免相似像素数值对投影坐标造成偏差，必须对灰度原图图像进行预处理，去除干扰，才能准确定位瞳孑L中心坐标及眼球亮斑中心坐标pl。在对图像进行投影运算之前，腐蚀与膨胀算法是较为常用的预处理算法，用于消除离散的干扰色点，在眼部的瞳孑L或亮斑识别中可以用来有效地消除睫毛、眼窝、高光等小片非规则形状的干扰。首先，将图片进行二值化处理，眼部瞳孑L及亮斑与其他部位有较大的色差，选取适当的阈值即可有效保留有用区域。图3(a)为通过LuPA300获取的一幅眼部灰度图像，分辨率为480320。图3(b)与(c)将其分别按上限阈值及下限阈值进行了二值化处理，从图中可

18、以看出，瞳孔区域及较大的亮斑区域均得以保留。(b)卜限闽值为40的二：值化图像 (c)卜限闽值为150的：值化图像图3眼图像二值化处理Fig3 Binarization process of an eye image通过对多个场景所拍摄的图像进行分析，确定 进行膨胀运算后，图像中小块的白色区块会被逐次在二值化时，下限阈值设为30能够较好地保留瞳孔 消除，图像呈现黑多白少。区域，并能大量滤除眼窝、睫毛等处的干扰值，上限 在图像处理中，投影算法是将预处理后的图像阈值设为150能够较好地保留眼球的亮斑区域，并 沿各行及各列的像素值分别进行求和，获得各行沿能有效滤除眼球、皮肤等处的高光。总之，只要通过

19、 x方向的像素值总和及沿y方向的像素值总和，再二值化能够使目标区域面积较大于其他离散色块， 求取各行及各列的平均值，即得到各行及各列在x、便可通过腐蚀或膨胀处理消除这些离散色块。 l，方向上的投影数据6 o。然后将各行的像素平均值腐蚀运算是对二值化图像中的每个像素点，将 沿y轴方向用曲线表示，即为图像中各行的投影曲邻近像素值与其进行比较，如全部相同，则该像素值 线；将各列的像素平均值沿x轴方向用曲线表示，即不变，如不完全相同，则将该像素值置为白色，进行 为图像中各列的投影曲线。因为黑色瞳孔区域的像腐蚀运算后，图像中小块的黑色区块会被逐次消除， 素数值最小，行投影曲线的最小值就是瞳孑L中心的图像

20、呈现白多黑少。膨胀运算同理，不同的是膨胀 y坐标，列投影曲线的最小值就是瞳孔中心的x坐运算对于像素不完全相同时将该像素值置为黑色， 标。白色亮斑区域的像素数值最大，行投影曲线的最万方数据第3期 邹云海，等：基于FPGA与投影算法的快速眼动跟踪系统实现 103大值就是亮斑中心的l，坐标，列投影曲线的最大值就是亮斑中心的x坐标。图4(a)(c)分别对二值化图像、二值化后的腐蚀图像、原图中心坐标定位进行了对比。可以明显看出，直接对二值化图像做投影运算并不能准确的找到瞳孔中心坐标，受到眼窝处大面积色块的影响，中心偏离很大；而把二值化图像进行一定次数的腐蚀运算，去除周边干扰，完整地保留了明显的瞳孔区域，

21、通过投影运算后就能准确地定位瞳孔的中心j0 100 l 50 20()250 300 350 40J 45fJ、+(a)一：值化图像瞳孔一】心U l()0 】j()20()2j L】j()U 3j(】、(e)膨胀3次后图像亮斑-I坐标。图4(d)(f)分别对二值化图像、二值化后的膨胀图像、原图中心坐标定位进行了对比。可以明显看出，直接对二值化图像做投影运算仍然不能准确的找到眼球亮斑中心坐标，受到皮肤高光等局部色块的影响，导致坐标中心出现很大偏离；而把二值化图像进行一定次数的膨胀运算，消除高光色块区域，再进行投影运算就能准确地定位眼球亮斑的中心坐标。、(b)腐蚀12：久后图像瞳孔小心(n完斑I-

22、心往原图位置图4 二值化及腐蚀膨胀后的投影运算中心坐标Fig4 Coordi舱t憾of the center after binarization。corrosion and expa吣i蛐进行眼动跟踪时，通过不断地定位各帧图像中 使用DsP Builder工具载人此工程，从而大大提高了瞳孑L或亮斑的中心坐标，即形成了眼球的运动轨迹。 逻辑设计的效率和正确性。在高速图像构成的视频前期论证时，使用Matlab首先对运算处理的各个环 流中，保证定位运算的连续性及准确性至关重要。节进行了设计验证，使用Matlab提供的simuLink工 FPGA的并行逻辑处理能力具有快速的重复运算能具一1生成相应的

23、HDL工程，在FPGA开发平台上， 力，足以保证图像投影运算的不间断进行。OOOO0n，m”如巧1蜘伽D姗m姗獭瑚一删瑚俐啪小了|晷恻|蠡一雌丽帅墨懈|墨。一如00OOOO，m巧如巧如k万方数据104 四川大学学报(工程科学版) 第48卷3 图像处理的FPGA实现系统中的所有图像处理运算均由FPGA实现，FPGA芯片采用Altera公司的CycloneIV系列的EP4C40E，开发环境为QuartusIIl31，在FPGA内部的数据处理任务实质上就是大量的复杂逻辑运算。QuartusII开发环境为开发者提供了丰富的LPM(参数化宏单元)与IP(知识产权)核，可以通过这些内建逻辑模块的组织来实现

24、高效的复杂逻辑运算，使用Verilog硬件描述语言描述特殊的逻辑行为，并合理组织LPM参数化宏单元与IP核，最终实现整体逻辑系统8。FPGA实现投影算法由图像二值化逻辑块、腐蚀与膨胀运算逻辑单元及投影运算逻辑块组成。31 图像的二值化实现图像二值化的过程是通过数值比较器逻辑单元来实现的。运算时，将图像中的各像素分别与设定阈值进行比较，大于设定阈值，比较器输出1，将原像素对应的位元置为1，代表白色；小于设定阈值，比较器输出0，将原像素对应的位元置为0，代表黑色。二值化运算后，原图像中每个用8位灰度值表示的像素值均被转化为对应的位元值0或1，从而获得分辨率结构与原图一致的位元阵列，这样可以大幅度减

25、少FPGA内部的存储逻辑资源。32腐蚀与膨胀逻辑实现腐蚀运算是用来将瞳孔周边的黑色杂散色块用白色填充，运算时，需要判断处理像素与其邻近像素的位元值，若全部都为0，即有效的瞳孑L区域，保留该像素的值，若不完全相同或全为1，即为边界区域或无关区域，将该像素的值置为1，在FPGA中，通过或逻辑门直接对处理像素进行腐蚀运算。一帧480320像素的图像，一次腐蚀共需进行153 600次或逻辑运算。通过FPGA进行上述或逻辑运算是与像素时钟同步进行的，为了实现相邻像素的或逻辑运算，需要延后两行的数据再将相邻像素位元送人或逻辑门进行腐蚀运算，行程并行流水逻辑。使用VerilogHDL语句表达5输入或逻辑门，

26、逻辑语言描述如下：begin：bitassign Pixouti=PixIn：Il PixIni11|PixIni+1|PixIni一4801|PixIni+480；end上述程序中，i为当前像素序号，为防止溢出，初值取480，中间变量PixIn为总位宽为153 600的原二值图像位元数据串，经过与邻近像素或运算的位元值对应存人中间变量PixOut。编译所生成的部分RTL逻辑结构见图5，图中给出了一个255位的逻辑阵列块示意图，每个像素引入一个5输人或门实现腐蚀过程，各像素的腐蚀运算是并行的，FPGA通过大规模的并行或逻辑单元完成高效的腐蚀运算。图5 FPGA并行腐蚀运算RTL逻辑结构Rg5

27、RTL logil st州cture of FPGA paralleI cormsion图4(a)所示的二值化图像存在较大区域的杂散色块，一次腐蚀运算并不能充分消除，需进行多次腐蚀，在FPGA中，引入计数器逻辑单元控制腐蚀次数，设定为12次循环操作，能够实现很好的杂散色块消蚀效果。膨胀运算是用来将眼球亮斑周边的白色杂散色块用黑色填充。运算时，逐个判断处理像素与其邻近像素的位元值，若全部都为1，即有效的亮斑区域，保留该像素的值，若不完全相同或全为0，即为边界区域或无关区域，将该像素的值置为0，在FPGA中，通过与逻辑门直接对处理像素进行膨胀运算，一幅图像进行完一次膨胀的与运算次数与腐蚀运算的或运

28、算相同。相关与逻辑实现膨胀运算的关键语句表达如下：begin： bitaussi印P：ixOuti=Pi)(Ini&PixIni一1&Pi)【Ini+1&PixIni一480&Pi】(Ini+480；end由于亮斑区域较小，使用计数器逻辑单元控制膨胀次数时，设定为3次循环并行与逻辑即可。在进行多次腐蚀或膨胀运算时，中心像素与相邻像素进行与、或逻辑运算时，并行逻辑结果存人PixOut，为了保证前次运算数据不被覆盖，需在第2次运算开始时，将Pixout转存到：主陀一他一B一一卫一止L=二=万方数据第3期 邹云海，等：基于FPGA与投影算法的快速眼动跟踪系统实现 105PixIn，依次交替进行，最终

29、腐蚀或膨胀运算完成时，153 600个位元值保存在Pixoul中，供投影运算使用。与其他处理器必须通过逐像素进行运算相比，FPGA极大地提高了运算效率。需要提及的是，位于最边沿行和列(即首行、末行、首列、末列)的邻近像素实际上是不足4个的，为了简化Ve rilog的逻辑表达式，可在运算完成后直接进行位元填充：33投影运算的实现投影运算是完成目标中心坐标跟踪的关键环节，寻找眼球瞳孔中心，实质上就是在腐蚀运算数据帧中寻找各行之和与各列之和各自最小值所在坐标值(行号与列号)的交点；寻找眼球亮斑中心，实质上就是在膨胀运算数据帧中寻找各行之和与各列之和各自最大值所在坐标值(行号与列号)的交点?图像数据经

30、过FPGA的二值化运算后，各像素点对应的实际上是0、1位元值，因此，在逻辑运算中，备行之和与各列之和实际上也就对应转化为统计各行与各列0与1的个数。与传统算法中PlxcLK一一1一Blnar、za直接对原始像素数据求累加和相比，位元统计只需占用一个字节，运算简便。腐蚀运算中，0最多的行与列对应了最小值；膨胀运算中，l最多的行与列对应了最大值：Pixout中的153 600个位元数据是按照各行像素对应串接而成，bil0479为第1行，bit480959为第2行，依次类推。因此，统计一行中O与1的个数只需把每480 bit为一组的位元值直接相加即可，共320个累加和；而统计一列中0与l的个数稍微复

31、杂些，需要把每隔480 bit的位元值分为一组并相加，每一列共有320 bit进行累加，共480列累加和。使用Ve而logHDL逻辑语言进行行为描述，可以完成既定的逻辑运算要求，包括采用比较器进行二值化，或逻辑实现腐蚀运算，与逻辑实现膨胀运算，按像素位累加进行0、l统计，实现投影运算。图6为FPGA进行投影运算逻辑构成的顶层RTL结构图，各级模块形成流水线结构，按照各自的逻辑组织实现对应的逻辑功能，为下一级运算提供处理数据。Xjoca8YIoca【8图6 FPGA预处理及投影运算的RTL结构图Fig6 Configuration diagr锄of FPGA pretreatment and p

32、rojected budget为了保证图像二值化、腐蚀腐蚀运算、投影运 瞳孑L中心定位为例通过对比验证了跟踪效果。分析算过程的连续进行，逻辑设计时使用2片SRAM存 时，在Pc平台先将图像按照阈值30进行二值化，储器进行乒乓操作，对连续图像进行预处理并使用 然后使用openCV的cvFindcontours函数找出目标投影算法进行不间断运算，即可获得连续图像各帧 轮廓再用cvFitEllipse最小二乘拟合函数找出椭圆的中心点坐标；FPGA将图像数据帧与该帧中心点 形瞳孑L目标，椭圆的中心就是目标中心坐标。投影坐标进行封包后，通过千兆以太网接口将数据包传 运算时，也按阈值30对图像进行二值化处

33、理，然后输到终端计算机；终端计算机接收到数据包后，对数 腐蚀3次，再通过投影运算找出目标中心。将椭圆据包按照封包协议拆包，显示实时图像，并将中心点 拟合得到的目标中心作为参考标准，计算投影运算坐标叠加显示在图像中，从而实现眼动轨迹的投影 得到的目标中心像素偏差的平均值与标准差，50帧算法跟踪。 数据结果如下：|)|f方向偏差0O7像素，y方向偏差为与前面所提出方法进行对照，采用经典的基 o15像素。实验结果偏差较小，基本上在2个像于Pc的椭圆拟合的方法寻找目标中心。9，并将结 素以内，达到了预期的目的。果作为参考，与基于FPGA的投影算法进行了对比。 图7给出随机选取的4个样本帧的瞳孑L跟踪情

34、d 立酴结里 况，图像左上作为原点坐标，“术”标记的十字中心叶 头粗绢禾为椭圆拟合的标准中心，“+标记的为投影运算得在眼动视频中随机选取50帧不同眼球位置的 到的瞳孔中心。可以看出，椭圆拟合所得标准中心图像帧分别进行PC椭圆拟合及FPGA投影运算，以 与投影运算所得目标中心偏差较小，偏差主要是因万方数据106 四川大学学报(工程科学版) 第48卷为图像经二值化及腐蚀运算后的剩余的目标区域不是规则的椭圆，投影运算的累积导致了目标中心偏离，从而出现偏差。样本4中，由于反射斑出现在瞳孔部位，加大了y方向的偏差。o鲠墓整；蔫嘲愿黑良图7 4个随机图像帧的目标中心n昏7 Tf哪时嘲Iter 0f the

35、胁r瑚nd哪il瑚ge mm麟从实验过程得知，对于不同亮度、对比度的眼部视频图像，对参数需进行对应修正。由于瞳孑L区域在整个眼部画面颜色中最深，可适当下调二值化下限阈值，更容易与眼窝暗角区分出来；且瞳孔面积最大，可增加腐蚀次数，有效去除暗角带来的干扰。如果眼球移动使得亮斑重叠在瞳孑L中，会造成中心点偏差，但偏差始终较小，只是使得目标中心偏离程度略大。通过实验，发现还存在一些特殊情况本投影算法是无法准确跟踪的，如眨眼时眼皮处于闭合或半开闭状态，瞳孑L区域较小甚至没有，由于失去了瞳孑L参考物，在下限阈值设置较低的情况下，会无法找到跟踪目标。但在多数情况下，系统已实现了对瞳孑L与反射斑的准确跟踪。5

36、 结论以FPGA为核心的一体化高速图像采集与眼动跟踪系统充分发挥了FPGA逻辑运算速度快的优势。本系统通过构建并行流水线处理平台，将读取传感器数据、实时处理与高速传输进行了高效整合，确保高帧率数据也不会丢帧，并在此平台上进行了投影算法的应用。整体系统硬件构成简单，能够实时跟踪眼动过程，改变了以往基于指令的程序语言实现投影算法帧率难以大幅度提高、硬件配置要求较高、运行时系统资源占用量大及只能录制后再进行离线分析的不足。由于人眼的瞳孑L构成较为简单，不存在过多颜色相似像素干扰，瞳孔像素分布规律性非常好，为了提高跟踪的准确程度，在FPGA中直接对图像进行二值化与数学形态学腐蚀膨胀运算预处理非常重要，

37、保证了FPGA进一步使用投影算法进行眼动的准确跟踪，通过与基于PC的常规方法比较【11|，证明了此方案的可行。所提出方法是在眼动跟踪领域内一次全新方法的尝试和探索，为高速的眼动跟踪提供了实现方法上的更多选择。参考文献：1Najemnik J，Geisler w s0ptimal eye movement strate西esin visual searchJNature，2005，434(7031)：3873912Noureddin B，Lawrence P D，BiI_ch G ETimefkquencyanalysis of eye blinks and saccades in EOG fo

38、r EEG artifact removalcProceedings of 2007 3rd IntemationalIEEEEMBS Conference on Neural En矛neeringHawaii：IEEE。2007：5645673Noureddin B，I丑WTence P D，Birch G E0nline removalof eye movement and blink EEG artifkts using a high-speed eve trackerJIEEE Transactions on BiomedicalEn矛neering，2012，59(8)：210321

39、104Nouar 0 D，A1i G，Raphael cImpmVed object tIackingwith camshift algorithmcProceedings of 2006 IEEEIntemational Conference on Acoustics，Speech and SigllalProcessingToulouse：IEEE，2006，2：6576605zhang zaifengThe system implementation of Iris recogIIi-tion algorithm research machineI且nzhouD：Lanzhou u-ni

40、versity，2009张在峰虹膜识别算法研究机系统实现D兰州：兰州大学，20096Allen J G，xu R Y D，Jin J s0bject tracking usingcamshift algorithm and multiple quantized feature spacescProceedings of the PanSydney Area workshop onVisual Inforrnation Processing Darlinghurst，Australia：ACM，20014：377(美)冈萨雷斯，伍兹数字图像处理的Madab实现M阮秋琦，译2版北京：清华大学出版社

41、，20138潘松，黄继业EDA技术实用教程M3版北京：科学出版社，2006：1591869shan Shiguangseveral key pmblems in face recognitionresearchDBeijing：Graduate sch001 of Chinese academyof sciences(Institute of computing techn0109)r)，2004山世光人脸识别中若干关键问题的研究D北京：中国科学院研究生院(计算技术研究所)，200410Deng Leiusing FPGA to realize image fo册at conver-sion

42、f JJoumal of sichuan university：Natural Science Edition，2002，39(1)：158一160邓蕾用F1PGA实现图像格式的转换J四川大学学报：自然科学版，2002，39(1)：158一1601 1Yang YigaoResear of face recognition in image process-ing J IJoumal of sichuan university：Natural Science Edition，2008，45(3)：532536羊裔高面像识别中的图像处理研究J成都：四川大学学报：自然科学版，2008，45(3)：532536 (编辑杨蓓)万方数据