This paper presents an improved pup

This paper presents an improved pupil center (PC) localization method for eye-gaze tracking. In the proposed method, an input infrared eye image is repeatedly binarized with a finite number of different thresholds to produce a stack of binary images. Among all the blobs, which are groups of connected binary pixels in the binary image stack, we find a blob whose shape is the most similar to pupil, in terms of the size, the aspect ratio, the moments, and the circularity. Consequently, the centroid of the final resultant blob is regarded as the PC location. Experimental results show that the proposed method outperforms conventional ones.

結果 (中文) 1:

本文提出了改进的瞳孔中心视线跟踪 (PC) 定位方法。在拟议的方法中，输入的红外眼图像反复进行有限数目不同的阈值产生的二值图像堆栈。之间所有的斑点，即连接二进制二进制图像堆栈中的像素的组，我们发现它的形状是最类似于瞳孔的大小、 长宽比、 时刻和圆度的 blob。因此，最后的结果 blob 的质心被视为 PC 位置。实验结果表明该方法优于传统的。

結果 (中文) 2:

本文提出了视线跟踪改进的瞳孔中心（PC）定位方法。在所提出的方法中，输入红外线眼图像被重复与有限数量不同的阈值的二值化以产生二进制图像的堆叠。在所有的斑点，这是在二进制图象堆栈连接二进制象素组，我们发现一个blob其形状是最相似的瞳孔，在大小，纵横比，时刻，和圆形的条款。因此，最后得到的斑点的形心被视为PC位置。实验结果表明，该方法优于传统的。

結果 (中文) 3:

本文提出了一种改进的瞳孔中心（PC）定位方法的眼睛凝视跟踪。在该方法中，输入的红外图像重复值的有限数量的不同的阈值，产生一个堆栈的二进制图像。所有的斑点中，这组连接二进制像素的二进制图像的叠加，我们发现一个斑点的形状是小学生最相似的，根据大小，纵横比的时刻，和圆。因此，对最终得到的BLOB的质心作为PC的位置。实验结果表明，该方法优于传统的。