侯树卫
- 作品数：3 被引量：4H指数：1
- 供职机构：中国华阴兵器试验中心更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 头戴式视线跟踪系统的标定方法研究
- 信息时代的到来，对人机交互提出了更高的要求。视线跟踪技术作为一种新颖的交互方式，吸引许多研究人员的研究兴趣，同时，图像处理、模式识别等一些技术的发展，为基于图像的视线跟踪技术的发展提供了技术支持，一些实用性的视线跟踪产品...
- 侯树卫
- 关键词：神经网络极端学习机
- 文献传递
- 基于智能视线感知和物联网的家电控制被引量：2
- 2013年
- 文章设计实现了一种新的人机交互系统,通过视线跟踪技术和物联网技术的结合,实现对家用电器的智能控制。设计了一套头戴式视线跟踪系统,作为物联网的感知层和服务管理层,通过眼睛摄像头采集眼动信息,结合标定信息,实时计算使用者在视野中的注视点,通过场景摄像头实时获取使用者的视野图像。采用Harr特征和Adaboost算法检测识别视野图像中的家用电器。在识别并锁定目标家电的基础上,激活物联网应用层,实现目标家电的控制。本文系统实现了视线注视对三种家电的模拟开关控制,系统具有较高的稳定性。
- 侯树卫李斌谢春雷
- 关键词：头戴式视线跟踪目标识别家电控制物联网
- 头戴式视线跟踪系统的一点标定方法被引量：1
- 2014年
- 标定方法是视线跟踪技术中的关键环节,直接影响跟踪精度和用户体验。目前头戴式跟踪系统所使用标定方法,需要多个标定点进行标定。为更快、更方便地进行标定,提出一种方法,只需一个标定点,便可提取足够的标定信息完成标定过程。该方法可适用于目前的多种映射方法,如DLT方法、多项式方法、神经网络方法等,标定时间仅需10 s,精度可达1°,与多点标定相比,效率显著提高,而精度无明显差异。此外,使用一种新的神经网络模型:ELM(极端学习机)实现了神经网络标定方法,ELM的快速学习性能,显著缩短了神经网络训练时间。
- 侯树卫李斌夏小宝
- 关键词：头戴式视线跟踪神经网络极端学习机随机采样一致性
