简介:自由立体显示中的视频图像在合成过程中存在速度要求高,图像处理数据量大等特点,在显示过程中,一旦用户偏离有效观看视区则无法看到正确的立体图像,到目前为止这些问题仍然存在,并阻碍着立体显示行业的发展。针对这种情况,提出了一种结合人眼跟踪算法的立体视频合成系统。通过判断人眼在屏幕前的位置,实时调整立体图像融合算法,使人眼始终能看到正确的立体图像对。由于该系统对跟踪的实时性和精确度要求较高,之前已有的算法很难同时在这两方面表现出色,因此提出了一种改进的人眼跟踪算法。该算法核心是基于ASM模型的人脸检测,并充分考虑了现场噪声和人体姿态频繁调整的特点,对ASM模型建立时空缓冲模型,处理结果直接映射到实际光栅空间分布模型中。根据当前ASM缓冲模型和光栅空间分布对应的映射点,对显示的图像进行相应的立体合成处理。这种自动跟踪人眼位置的立体视频显示方法跟踪速度快,位置计算精确,有效地扩大了立体视图区域。实验结果表明,该方法使观看者可以自由移动,在适当的范围内都可以看到清晰的立体影像,同时视频合成与播放的速度流畅,大幅提高了用户观看的舒适感。
简介:目的:通过对志愿者观看3D影片之后的脑电信号进行主成分分析,选取最能代表立体视觉疲劳度的主成分,运用BP神经网络对疲劳等级进行建模,提高对疲劳度等级的预测准确度。方法:采集15名志愿者观看五部不同3D影片前后的脑电信号,先对脑电信号进行疲劳度分级并选取特征通道;再对特征通道的脑电信号进行主成分分析选取影响最大的特征主成分,利用BP神经网络进行建模,根据建立的模型对立体视觉引起的疲劳等级进行预测,将预测结果与已知的疲劳等级进行对比。结果:根据文献中的疲劳等级将实验结果分成三个等级;据累计贡献率超过90%选取的前四个主成分建立的预测模型,准确度达95.4%。结论:运用主成分分析和BP神经网络的方法对立体视觉疲劳度进行预测,预测准确度较高,与直接根据脑电特征参数建立模型的方式相比简便和准确,这一方法对立体视觉引起的疲劳度分级及预测提供了新的思路。