本项目首先使用将二维的加权系数降为一维的，并与中值滤波思想相结合的双边滤波算法预处理摄像头采集的图像，去除可能出现的高斯噪声与椒盐噪声，提高了图像质量，然后对图像进行直方图均衡化提高灰度对比度，增加动态范围，为以后更好地提取特征参数提供前提，接着使用基于Haar特征的Adaboost算法检测人脸与眼睛，根据眼睛图像的灰度分布特点，在处理后的图像上使用改进的混合投影函数粗略定位瞳孔中心，使用检测出的中心点像素值作为阀值对眼睛图像进行二值化处理，将处理后的瞳孔进行圆形拟合，求出精确的瞳孔中心，由于眼睛存在不自觉的微动现象，使得检测出来的瞳孔中心位置发生跳动，因此本文将3帧的瞳孔中心坐标的平均值作为特征参数,然后截取瞳孔中心右方包含眼角的眼睛局部图像，缩小内眼角检测的范围，使用改进的自适应阈值的SUSAN角点检测算法定位内眼角位置，此时视线追踪技术需要的眼睛特征参数就全部提取出来了，然后根据人眼的结构特点，本文提出了一个简单的眼睛三维空间模型，用于对将人眼三维坐标投影到二维坐标时产生的误差进行补偿，最后创建视线空间模型，建立眼睛平面参数与计算机屏幕坐标点之间的映射函数，在此函数中加入误差补偿参数，使得视线在屏幕中的落点更为准确，根据视线凝视此区域范围的时间来判断鼠标进行移动或单击操作。
本文使用最简单的USB摄像头，在Python开发平台上建立以视线方向落点为输入的鼠标操作人机交互系统，实现了对视线方向的估计，实验表明在自然光照的环境下，本系统能够比较准确的估计视线方向，实时的反应使用者眼动的情况，与主流的视线估计系统相比，具有硬件要求低，使用方便的优点。
项目地址：https://blog.csdn.net/m0_38106923/article/details/102995809
