[摘 要]随着计算机技术的快速发展，使人机交互的技术越来应用的越广泛，根据视线的跟踪技术，让视线和计算机的交互技术更加快捷。据这种跟踪技术，提出了一种分级瞳孔定位的方式。同时可以利用图像二值化的方法来获取瞳孔范围，然后对最小的外接椭圆来计算，利用比值来判断瞳孔的完整性。不完整的瞳孔可以用粒子群优化算法在图像中找到最优椭圆位置，来确定瞳孔轮廓。根据实验表明，视线跟踪技术是实现瞳孔定位的有效策略。
　　[关键词]视线跟踪；瞳孔定位；粒子群优化
　　中图分类号：G612 文献标识码：A 文章编号：1009-914X（2017）03-0244-01
　　一、视线跟踪技术的现状
　　由于现在技术的快速发展，视线跟踪技术，因为其快速、便捷的效果已经得到行业的认可并开始应用。视线跟踪技术是利用传感器来获取人眼的状态并分析当前人眼所凝视的位置。这种方法是通过摄像机来捕获人眼的瞳孔像，使瞳孔的位置进行固定，进一步分析出人眼您是的当前的位置。目前，用瞳孔定位的方法，由于有个各种的局限性，导致在使用时不能对瞳孔进行实时定位。Li提出的Starburst算法可以解决这个问题，从中心的位置成射线向四周进行搜索。在搜索完成后可以得到一组关键值[1]。对所有的关键值通过RANSAVC算法进行椭圆绘制，得到最为适合的瞳孔椭圆。这两种算法都能在一定的程度内解决瞳孔的定位问题。对定位精准性上不可忽略的影响因素是光斑的干扰，为了解决这个问题，本文设计了分级瞳孔定位的策略。就是先利用二值化处理瞳孔图像，再分析瞳孔的完整性。如果不完整就需要用椭圆周差分算和粒子群算法进行优化，来对瞳孔进行定位。
　　二、分级瞳孔定位的算法
　　首先对图像进行二值化，来缩小瞳孔区域的面积；然后计算瞳孔和最小的椭圆的交叠面积的比例值。如果比值为1，则为完整的、未被干扰的瞳孔。这种情况处理起来较为容易，只要定位椭圆的中心作为分级瞳孔的处理点即可。假若比例不为1，将是不完整的，要确定瞳孔中心就需要利用粒子群優化（pso）算法进行计算。使用pso算法能够更准确测定瞳孔中心的位置和方向，使得瞳孔图像的分析更加准确和精准。
　　（一）、检验瞳孔的完整性
　　瞳孔的区域的值较低，可以设置一个阈值，利用图像二值化进行处理瞳孔的区域。来计算最小的外接椭圆。计算瞳孔区域和最小外接椭圆的交叠面积与瞳孔的比值[2]。计算公式为
　　r=So/Sp （1）
　　式中：So为外接椭圆与瞳孔的重合面积；Sp为二值化后的瞳孔面积。可以利用这个公式对瞳孔的完整性进行判断。对于不完整的瞳孔还需要进行边缘的处理。然后可以利用圆周差分的算法来处理不完整重合的边缘，使得瞳孔的中心位置可以更加容易确定。让瞳孔的完整性更加容易判断。
　　（二）、周差分算法
　　据椭圆的面积可以从周差的概念中计算出来。在已经得到圆心和半径的大小之后，只需要对半径进行最优值查找即可。就是瞳孔被遮盖住，瞳孔的部分将会被遮住，瞳孔的轮廓则可以保证最大的圆周差分值。由于该方法不需要对检测的关键值进行处理，将会大大减少噪音的干扰。检测的环境更加优良和纯净，让瞳孔的位置可以快速的确定。这种算法进行搜索将会对对计算机处理的效率有所影响，这就需要我们使用一套更加高效的搜索算法来有效的时间内完成搜索最佳值的任务。这种高校的搜索方法为PSO算法。
　　（三）、Pso算法
　　这是一种对群体进行生长和发展的推算的算法。它是根据大量动物的群体生活规律而总结处理啊的。Pso在最优问题的求解上，是根据这样的模型中得出的结论。我们在对一件事做出结论的时候，需要根据自己和别人以前的经验来总结规律来推算出来的。在对一个粒子的基点和速度上都可以快速的找到最优化的函数来解决问题。并找到最合适的值。每次都是递归的，想要得到最优的解[3]。Pso算法的运作流程：首先将粒子的位置和速度进行初始化，并计算每个粒子的合适度。然后根据计算的位置和速度将其值赋值给开始定义的，计算每个粒子的合适值，利用递归的算法来找最优解，找到最优解就输出，没有将跳回继续计算每个粒子的位置和速度。
　　三、结论
　　对未被遮挡的瞳孔，利用最小的椭圆的中心作为瞳孔的中心，来直接定位，对于已经遮挡的瞳孔，则可以利用圆周差分来计算，同时并利用pso算法进行定位和处理。理论的分析和大量实验的证明，这种分级定位法能够获取更好的实验效果。于被遮挡的瞳孔图像，可以利用StartBurst算法的定位方式来分析，本文则可以保证算法在正常的运算速度下进行更好的分析，利用分级瞳孔的定位算法可以将定位的准确率提高到98%以上。本文在视线跟踪技术上可以对屏幕上的间距进行定位并进行标定，每个点将完成标定的时间上的差值，使得视线的跟踪定位系统定位的可以更加准确。利用这种分级跟踪定位的方式可以更好的找到瞳孔的位置，让视线跟踪技术可以为我们的生活中提供更多的便捷和方便。