1. 本选题研究的目的及意义
眼神识别作为一种新兴的人机交互方式，近年来受到越来越多的关注。
它利用计算机视觉技术对人眼图像进行分析，识别用户的眼动轨迹、注视点等信息，并将其应用于控制设备、辅助医疗、人机交互等领域。
本选题研究基于机器视觉的的眼神识别技术，旨在构建一套完整、高效的的眼神识别机器视觉系统，并探索其在实际应用中的可行性和优势。
2. 本选题国内外研究状况综述
眼神识别技术作为计算机视觉和人工智能领域的一个重要分支，近年来取得了显著的进展，并在各个领域展现出巨大的应用潜力。
1. 国内研究现状
国内学者在眼神识别领域展开了积极的研究，并在人眼定位、瞳孔检测、视线估计等方面取得了一定的成果。
3. 本选题研究的主要内容及写作提纲
1. 主要内容
本课题研究拟从以下几个方面展开：1.人眼定位与跟踪：研究基于机器视觉的人眼定位与跟踪算法，能够快速、准确地在视频流中定位人眼区域。
针对复杂环境下光照变化、头部姿态变化等问题，研究相应的抗干扰算法，提高人眼定位的鲁棒性。
4. 研究的方法与步骤
本研究将采用理论分析、算法设计、实验验证相结合的研究方法，逐步推进研究工作。
首先，进行文献调研，了解眼神识别和机器视觉技术的国内外研究现状、最新进展以及存在的问题，为本研究提供理论基础和技术参考。
其次，进行系统设计，确定系统的总体架构、功能模块以及硬件平台选型。
5. 研究的创新点
本研究的创新点在于：1.提出一种基于深度学习的人眼定位与跟踪算法，能够在复杂环境下实现高精度、高鲁棒性的人眼定位。
2.提出一种基于多特征融合的瞳孔中心定位算法，提高瞳孔中心定位的精度和稳定性。
3.构建一个完整的眼神识别机器视觉系统，并在实际应用场景中进行测试和评估，验证系统的有效性和实用性。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
1.刘胜蓝,付庄,李云浩,等.基于深度学习的驾驶员疲劳检测方法综述[J].电子技术应用,2022,48(02):1-9.
2.李俊,胡洋.融合注意力机制与多尺度特征的虹膜识别算法[J].激光与光电子学进展,2022,59(03):42-50.
3.王法胜,徐欣,刘伟,等.基于YOLOv3和OpenPose的人眼状态识别算法[J].仪器仪表学报,2021,42(04):125-134.
