2 視線跟蹤原理
    以正視下的視線方向作為基準，改變視線方向，即眼球發(fā)生一定角度轉動時，瞳孔中心位置同步移動，因此實時獲取瞳孔中心位置坐標即可實現(xiàn)視線跟蹤。
    圖1給出視線跟蹤原理圖。以眼底為坐標原點O，S為瞳孔中心位置，s’為S在YOZ面的投影，(M，N)為S’在YOZ面上二維坐標，CCD攝像機在X軸方向上。設定正視方向(即頭盔跟蹤法線方向)為X軸，頭盔左右方向為Z軸，頭盔上下方向為Y軸。根據(jù)瞳孔中心在ZOY面上的投影坐標及人眼球半徑(約10 mm)，得到俯仰角α(∠SON’)、方位角β(∠M’ON’)的值，這樣就可確定眼跟蹤視線方位。

3 跟蹤算法實現(xiàn)
3．1 閾值選取
    從內(nèi)存讀取紅外源圖像，圖2(a)中，瞳孔與眼睛其他部分相比要暗得多，采用簡單的二值化法分離瞳孔，提取瞳孔邊緣。具體做法：先計算出整個眼睛圖像的灰度直方圖，第一個峰值對應的是瞳孔區(qū)域灰度值，如圖2(b)中箭頭所示。選擇在第一個峰值的右側相隔2至5個灰度值處提取瞳孔的二值化閾值，即灰度值為78，但這樣會導致眼睫毛部分保留大量信息。圖2(c)是采用閾值63二值化后的結果，可以看出，瞳孔被成功分離出來，雖然保留小部分睫毛，但不影響后續(xù)分析。

3．2 Sobel算子檢測邊緣
    圖像的邊緣是圖像最基本特征。所謂邊緣就是指那些周圍灰度有跳躍變化的像素集合。邊緣廣泛存在于物體與背景、物體與物體、基元與基元之間。Sobel算子是一種一階微分算子，在邊緣檢測中應用廣泛。Sobel算子有兩個，其中，是檢測水平邊緣的，而是檢測垂直邊緣的。在圖2(c)中，瞳孔上的像素與其周圍像素有明顯階躍變化。所以可利用該特性作為檢測瞳孔邊緣依據(jù)。利用Sobel算子檢測瞳孔邊緣結果，如圖3所示。

3．3 Hough圓檢測算法
    Hough變換是在圖像處理中從圖像中識別幾何形狀的基本方法。Hough變換的基本原理利用點與線的對偶性，將原始圖像空間給定的曲線通過曲線表達形式變?yōu)閰?shù)空間的一點。這樣就把原始圖像中給定曲線的檢測問題轉化為尋找參數(shù)空間中的峰值問題，即把檢測整體特性轉化為檢測局部特性，比如直線、橢圓、圓、弧線等。
    Hough變換的編程思想：以已知量r、△r分別為半徑、圓環(huán)的寬度，圖像像素值為255、坐標為(xo,yo)的點為圓心，建立一個圓模板；將符合(a-x0)2+(b—y0)2一r2<△r2的所有點(a，b)的坐標計入模板數(shù)組，然后將圓心移動至下一個符合像素值為255的點(x1,y1)，同時將上述圓模板按照同圓心的行列變換移動，再次將符合(a-x1)2+(b-y1)2一r2<△r2的所有點(a，b)的坐標計入模板數(shù)組。依此類推，檢測完圖像中所有符合要求的圓心，統(tǒng)計計入模板數(shù)組次數(shù)最多的坐標，那么該坐標就為所求參數(shù)坐標(a，b)，即為固定半徑下的圓心坐標。
3．4 瞳孔中心坐標確定
    根據(jù)半徑取值范圍，進行多次Hough變換檢測圓心，得到一個圓心集合，該集合中選取其對應頻率最大的目標，即為真正的瞳孔中心。
3．5 眼球移動角度
    圖1所示的S’坐標即為瞳孔中心坐標，其投影SN’=S’N，S’M=ON=M’N’可得：    

    從而求得α，β∈(0~π/2)，再根據(jù)瞳孔中心與正視時瞳孔中心位置，可得俯仰角和方位角。
3．6 算法實現(xiàn)
    圖像處理算法程序采用Visttal C++6．0，最后將圖像處理程序封裝在一個COM組件中，從而完成后臺圖像處理，并將所得的數(shù)據(jù)通過接口傳遞給前臺界面，實現(xiàn)整個軟件的系統(tǒng)測試。其程序流程如圖4所示。

4 結語
    目前現(xiàn)有的頭盔瞄準系統(tǒng)，對目標瞄準線方向的測量都是對駕駛員頭部位置空間的測量，但采用頭盔測量方式的頭盔瞄準系統(tǒng)，空中格斗時在高過載下，飛行員有時不可能轉動頭部，卻可以用其眼睛一直跟蹤，這就是眼跟蹤的優(yōu)勢。研究表明，頭盔跟蹤期間，眼球運動超過頭部運動，在多目標搜索的情況下，眼位置和頭部位置保持一定角偏離，眼跟蹤具有巨大的實際應用價值。眼跟蹤和頭跟蹤的擬合使用，使瞄準更迅速，更精確，更自由。因此，該技術將大大提高空軍的戰(zhàn)斗力和反應速度。