注视点估计（二维法）

1、注视点估计二维法

思路：主要是利用瞳孔和角膜反射光斑的向量和屏幕上的注视点进行拟合

实验环境：在有近红外灯的前提下进行实验，850-860nm的波长，这种红外灯在瞳孔进行反射，在角膜上形成一个反射亮斑，

1、首先进行瞳孔的检测，得到瞳孔的坐标

2、进行反射亮斑的位置检测，得到亮斑的坐标

3、根据在屏幕上的注视点的位置和瞳孔与亮斑之间的向量的关系进行函数拟合

注视点的位置信息和瞳孔与亮斑之间的向量拟合方式主要有这几种：

1、多项式拟合

设（x,y）为注视点的坐标，（x1,y1）为瞳孔与亮斑之间的向量，多项式拟合的关系

x=a+a1*x1+a2*y1+a3*x*y+a4*x1^2+a5*y1^2;

y=b+b1*y1+b2*x1+b3*x1*y1+b4*x1^2+b5*y1^2;

校正的过程就是求解未知参数的过程：

未知参数a------a5,b---------------b5

通过对九个注视点进行实验，得到相应的注视点的位置信息和瞳孔与亮斑之间的向量，

使用最小二乘法或者SVD方法，进行求解a------a5,b---------------b5

这样就可以得到注视点的位置信息和瞳孔与亮斑之间的向量之间的关系。。

在实验中，只需要检测出瞳孔与亮斑之间的向量，根据得到的关系函数，就可以得到在屏幕上的注视点的坐标。

2、SVR（支持向量回归）

支持向量回归（SVR)的思路和多项式回归的方法原理一样，

首先在校正的过程中得到注视点的位置信息和瞳孔与亮斑之间的向量，得到回归函数，

在实验中，只需要检测出瞳孔与亮斑之间的向量，根据得到的关系函数，就可以得到在屏幕上的注视点的坐标。

3、神经网络的方法

神经网络的输入是瞳孔与亮斑之间的向量坐标值，输出是屏幕上的注视点坐标值，

一般使用BP神经网络，或者高维上处理的RBF*(径向神经网路）进行训练得到二者之间的关系

在实验中，只需要检测出瞳孔与亮斑之间的向量，根据得到的关系函数，就可以得到在屏幕上的注视点的坐标。

4、随机森林回归（random forest regression）

思路跟支持向量回归一样

二维注视点估计的方法，一般只能处理头部静止的条件下进行的实验，有很大的限制，

一般在三维坐标系进行注视点的估计