程误差协方差矩阵Rk之前添加一个当前时刻的调整因子rk，通过对当前时刻的调 整因子rk的值进行调整，保证当前时刻的过程误差协方差矩阵Rk为一个稳定的矩阵，进而 提高视线追踪效果。其中，在原当前时刻的过程误差协方差矩阵Rk之前添加一个当前时刻 的调整因子rk之后的卡尔曼增益公式为：
[016引
（2)
[016引其中，Kk为当前时刻的滤波增益矩阵，Pk，k_i为上一时刻到当前时刻的一步预测误 差方差矩阵，Hk为当前时刻的观测区域对应的观测矩阵，为当前时刻的观测矩阵的转置 矩阵，T表示矩阵的转置符号，如at表示矩阵A的转置矩阵，R巧当前时刻的过程误差协方 差矩阵，rk为当前时刻的调整因子，k为当前时刻，k-1为上一时刻。
[0170] 步骤2073、根据观测区域，通过调整卡尔曼增益公式来修正预测区域，得到目标区 域。
[0171] 具体的，当观测区域的中屯、与预测区域的中屯、的距离较远时，给卡尔曼增益公式 (2)中的当前时刻的调整因子rk赋一个较大的值，快速调整预测区域；当观测区域的中屯、 与预测区域的中屯、的距离较近时，给卡尔曼增益公式（2)的当前时刻的调整因子rk赋一个 较小的值；当观测区域的中屯、与预测区域的中屯、的距离超过一定的范围时，表明当前卡尔 曼滤波方法没有追踪上视线，则将ELM神经网络得到的观测区域作为最终的目标区域。实 际应用中，可W使用5-10个调整因子rk，该调整因子rk的取值范围可W根据实际应用来设 定。示例的，该调整因子rkG[0.01,10]。该样，通过ELM神经网络修正了尔曼滤波方法确 定的预测区域，提高了视线追踪的效果，同时减少了关于视线追踪的计算量，提高了视线追 踪的速度。
[0172] 步骤208、根据目标区域确定人眼注视的屏幕落点位置。
[0173] 具体的，步骤208如图2-7所示，包括；
[0174]步骤2081、根据目标区域确定目标视线方向。
[0175] 由目标区域确定目标视线方向的过程可W参考相关技术，在此不再寶述。
[0176] 步骤2082、根据目标视线方向和预设的坐标系，确定人眼注视的屏幕落点位置。
[0177] 坐标系用于记录人眼和屏幕落点位置的位置关系。已知人眼的视线方向，根据坐 标系，即可获得人眼注视的屏幕落点位置，进而完成人与电视机的交互过程，如达到人对电 视机遥控的目的，增强了用户体验。
[0178] 需要说明的是，本发明实施例提供的视线追踪方法步骤的先后顺序可W进行适 当调整，步骤也可W根据情况进行相应增减，任何熟悉本技术领域的技术人员在本发明揭 露的技术范围内，可轻易想到变化的方法，都应涵盖在本发明的保护范围之内，因此不再寶 述。
[0179] 综上所述，本发明实施例提供的视线追踪方法，能够根据目标参数和ELM神经网 络得到目标模型，再确定待测试虹膜图像的虹膜中屯、所在的观测区域，再采用观测区域修 正卡尔曼滤波方法得到的预测区域，得到目标区域，最后根据目标区域确定人眼注视的屏 幕落点位置，相较于相关技术，用于修正预测区域的观测区域的准确率更高，因此，提高了 确定人眼注视的屏幕落点位置的精确度和速度。
[0180] 本发明实施例提供了一种视线追踪装置，如图3所示，该装置包括：
[0181] 第一确定单元301，用于根据目标模型确定待测试虹膜图像的虹膜中屯、所在的观 巧眶域，该目标模型为根据目标参数和ELM神经网络得到的模型，该目标参数是向ELM神经 网络输入n个视觉特征参数后得到的参数，n个视觉特征参数为预设的n个虹膜图像中每 个虹膜图像对应预设参考图像中同一视觉区域的视觉特征参数，该预设参考图像划分为至 少两个面积相等的视觉区域，n为大于1的整数。
[0182] 处理单元302,用于采用观测区域修正预测区域，得到目标区域。该预测区域是通 过卡尔曼滤波方法确定的待测试虹膜图像的虹膜中屯、所在的区域。
[0183] 第二确定单元303,用于根据目标区域确定人眼注视的屏幕落点位置。
[0184] 综上所述，本发明实施例提供的视线追踪装置，能够根据目标参数和ELM神经网 络得到目标模型，再确定待测试虹膜图像的虹膜中屯、所在的观测区域，再采用观测区域修 正卡尔曼滤波方法得到的预测区域，得到目标区域，最后根据目标区域确定人眼注视的屏 幕落点位置，相较于相关技术，用于修正预测区域的观测区域的准确率更高，因此，提高了 确定人眼注视的屏幕落点位置的精确度和速度。
[0185] 本发明实施例提供了另一种视线追踪装置，如图4-1所示，该装置包括：
[0186] 第一确定单元301，用于根据目标模型确定待测试虹膜图像的虹膜中屯、所在的观 巧眶域，该目标模型为根据目标参数和ELM神经网络得到的模型，该目标参数是向ELM神经 网络输入n个视觉特征参数后得到的参数，n个视觉特征参数为预设的n个虹膜图像中每 个虹膜图像对应预设参考图像中同一视觉区域的视觉特征参数，该预设参考图像划分为至 少两个面积相等的视觉区域，n为大于1的整数。
[0187] 需要说明的是，虹膜呈楠圆状。视觉特征参数为虹膜在虹膜图像中的位置坐标、虹 膜的长轴与水平方向的夹角、虹膜的长轴的长度和虹膜的短轴的长度中的任一特征参数。
[0188] 具体的，第一确定单元301如图4-2所示，包括；
[0189]第一采集模块3011，用于采集待测人脸图像。
[0190] 第一获取模块3012,用于获取待测人脸图像对应的虹膜图像。
[0191] 第二获取模块3013,用于根据待测人脸图像对应的虹膜图像获取目标视觉特征参 数。
[0192] 第S处理模块3014,用于向目标模型输入目标视觉特征参数，得到目标模型输出 的参数。
[0193] 第四处理模块3015,用于将目标模型输出的参数作为待测试虹膜图像的虹膜中屯、 所在的观测区域。
[0194] 处理单元302,用于采用观测区域修正预测区域，得到目标区域。该预测区域是通 过卡尔曼滤波方法确定的待测试虹膜图像的虹膜中屯、所在的区域。
[0195] 具体的，处理单元302如图4-3所示，包括；
[0196] 检测模块3021，用于检测观测区域的中屯、与预测区域的中屯、的距离。
[0197] 第S确定模块3022,用于根据距离，确定调整因子的值，调整因子的值与距离正相 关。
[019引修正模块3023,用于根据观测区域，通过调整卡尔曼增益公式来修正预测区域，得 到目标区域。
[0199] 该卡尔曼增益公式为；
[0200]
[020。 其中，Kk为当前时刻的滤波增益矩阵，Pk,k_i为上一时刻到当前时刻的一步预测误 差方差矩阵，Hk为当前时刻的观测区域对应的观测矩阵，为当前时刻的观测矩阵的转置 矩阵，T表示矩阵的转置符号，如at表示矩阵A的转置矩阵，R巧当前时刻的过程误差协方 差矩阵，rk为当前时刻的调整因子，k为当前时刻，k-1为上一时刻。
[0202] 第二确定单元303,用于根据目标区域确定人眼注视的屏幕落点位置。
[0203] 具体的，第二确定单元303如图4-4所示，包括；
[0204] 第四确定模块3031，用于根据目标区域确定目标视线方向。
[0205] 第五确定模块3032,用于根据目标视线方向和预设的坐标系，确定人眼注视的屏 幕落点位置。该坐标系用于记录人眼和屏幕落点位置的位置关系。
[0206] 第一获取单元304,用于获取预设的n个虹膜图像中每个虹膜图像对应预设参考 图像中同一视觉区域的视觉特征参数，得到n个视觉特征参数。
[0207] 第S确定单元305,用于通过向ELM神经网络输入n个视觉特征参数，确定ELM神 经网络的目标参数。
[020引 目标参数为ELM神经网络的输出权值。
[0209] 具体的，第S确定单元305如图4-5所示，包括；
[0210] 第一处理模块3051，用于将n个视觉特征参数作为ELM神经网络的输入参数。
[02U] 第二处理模块3052,用于将同一视觉区域对应的坐标矩阵作为ELM神经网络的输 出参数。
[0212] 第一确定模块3053,用于根据输入参数、输出参数、ELM神经网络的输入权值和阔 值，确定ELM神经网络的输出权值。该输入权值为ELM神经网络的输入结点到隐层结点的 权值，该阔值为隐层结点的阔值。
[021引第四确定单元306,用于根据目标参数与ELM神经网络，确定目标模型。
[0214] 具体的，第四确定单元306如图4-6所示，包括；
[0215] 第二确定模块3061，用于根据ELM神经网络的输入权值、阔值和输出权值确定所 述目标模型。
[0216] 采集单元307,用于采集n个人脸图像。
[0217] 第二获取单元308,用于获取每个人脸图像对应的虹膜图像，得到n个虹膜图像。
[0218] 综上所述，本发明实施例提供的视线追踪装置，能够根据目标参数和ELM神经网 络得到目标模型，再确定待测试虹膜图像的虹膜中屯、所在的观测区域，再采用观测区域修 正卡尔曼滤波方法得到的预测区域，得到目标区域，最后根据目标区域确定人眼注视的屏 幕落点位置，相较于相关技术，用于修正预测区域的观测区域的准确率更高，因此，提高了 确定人眼注视的屏幕落点位置的精确度和速度。
[02