《角膜成像》学习心得

翻译链接：https://zhuanlan.zhihu.com/p/62914989

学习心得

《Corneal Imaging》是《The Wiley Handbook of Human Computer Interaction》一书中的一个章节，主要是对角膜成像进行了一个大体的概述

而角膜匹配是实现角膜成像的基础

在视觉识别中，这允许分析人物被成像并触发人的行为的场景在眼睛注视跟踪（EGT）中，这允许仅从一对自由捕获的眼睛和场景图像估计场景中的注视点（PoG）（参见关于3D注视点跟踪的部分）。 在虚拟和增强现实中，这允许通过头戴式或平视显示器正确显示内容所需的自动眼睛定位（参见头戴式显示器校准部分）。 而且，在虹膜生物识别技术中，这可以消除虹膜图像的场景反射，从而提高结果的可靠性，特别是在自然光和消费设备的挑战条件下（参见角膜反射部分 - 虹膜纹理分离）。

主动光方法

该策略通过基于像素的图像匹配，以及对具有挑战性的场景条件和眼睛外观的稳健性，从准确性和精确性中获益.

数字视频投影仪

数字视频投影仪 使用标准数据投影仪是设置系统的最简单方法。 除了使用现成的硬件外，该方法还结合了多种优势，包括用于密集对应匹配的高分辨率，用于增强环境光强度的高强度，以及用于宽屏覆盖的短焦镜头。然而，实际应用也存在缺点，包括用于时间码投影的相对低的帧速率和用于不可见投影的低IR光强度。

LED阵列投影仪

LED阵列投影仪由一系列独立调制的可调IR-LED透镜单元，LED电源模块和控制器组成。与数字视频投影仪相比，线性插值技术补偿相对低的分辨率（LED的数量），其中相对于四个相邻的光点获得密集的对应关系。这种配置的优点在于其简单性，因为场景对应直接从眼睛摄像机图像恢复，而不需要场景摄像机

被动方法

虽然主动照明通过简单的图像处理提供密集和稳健的配准，但它也限制了复杂的设置和受控的，通常是静态和室内环境。 存在针对眼睛和场景图像的被动配准的几种方法。

极线几何

虽然极线几何减少了自动匹配，但是受到大虹膜纹理噪声的影响。 对于3D重建的概念验证评估，它们通过在面部图像的两只眼睛中沿着极线曲线手动指定对象对应来避免该问题。

直接的通信匹配

通过用角膜图像和场景摄像机图像之间的模板匹配替换手动单应性定义来实现自动映射。 通过在单独校准的视轴而不是光轴处的切平面投影来实现增加的凝视映射精度。该策略比以前的工作有了很大的改进，但仍然存在两个主要问题：（a）尽管通过颜色恒定性进行基本的虹膜色彩补偿，匹配仍可能受到虹膜纹理噪声的影响; （b）与稀疏特征匹配相比，密集模板匹配需要良好的初始猜测并且计算量很大。

强大的通信匹配

Nakazawa等人提出了用于噪声图像的通用粗到精配准方法，其被示出成功地对准眼睛和场景图像。 该方法通过基于随机采样的验证方案实现稳健性，该验证方案仅需要单个正确的对应对，并且通过迭代密集对应匹配和几何建模来实现精确性。