1.一种基于目标检测和目标跟踪竞争框架的眼球实时定位方法，其特征在于：该方法包含以下步骤：步骤1：获取人脸图像：加载视频信息，通过目标检测技术截取人脸部分的图像；

步骤2：通过目标检测获取双眼位置信息：针对步骤1截到的人脸部分的图像，利用眼球分类器获取双眼的位置信息；

步骤3：获取双眼位置直方图信息：针对步骤2 得到的双眼位置信息，截取双眼图像，保存双眼图像的直方图特征；

步骤4：通过目标跟踪获取双眼位置信息：利用粒子滤波算法进行眼球的跟踪，实时得到眼球位置信息；

步骤5：实现眼球位置的实时定位：根据目标检测和目标跟踪得到的眼球位置信息进行竞争判断，实时得出准确的眼球位置信息；

具体包括以下步骤：

步骤5.1：保存上一帧的眼球检测结果的矩形信息和眼球跟踪结果的矩形信息；

步骤5.2：计算当前帧的眼球检测和眼球跟踪结果的矩形重叠率，公式如下：，

其中，ROL为矩形重叠率，RD为检测结果的矩形区域，RT为跟踪结果的矩形区域；

步骤5.3：根据步骤5.2的结果，有以下判断：

如果ROL≥0.5，则眼球实际坐标

 ROI（x,y）=（RD_X / 2+RT_X / 2，RD_Y / 2+RT_Y / 2）如果ROL＜0.5，分别计算检测结果与上一帧的重叠率R1，跟踪结果与上一帧的重叠率R2；

，

其中，t‑1代表上一帧的结果，t代表当前帧的结果，R1为目标检测前后帧的矩形重叠率，R2为目标跟踪前后帧的矩形重叠率，设定阈值R，如果R1和R2至少有一个大于等于阈值R，此时，根据R1和R2的大小关系有如下判断：如果R1≥R2，则眼球实际坐标 ROI（x,y）=（RD_X ，RD_Y ）；

如果R1＜R2，则眼球实际坐标 ROI（x,y）=（RT_X ，RT_Y ）；

其中RD_X为目标检测结果眼球中心的横坐标；RD_Y为目标检测结果眼球中心的纵坐标；RT_X为目标跟踪结果眼球中心的横坐标；RT_Y为目标跟踪结果眼球中心的纵坐标；

步骤5.4：如果R1和R2都小于阈值R，则判定当前帧眼球检测和眼球跟踪同时丢失目标，需要进行丢失找回；具体过程如下：步骤5.4.1：首先在t‑1时刻得到的双眼位置周围形成的矩形区域中进行眼球检测，如果成功检测到眼球位置，则以此位置坐标信息作为当前帧的眼球实际坐标，并对此位置重新进行粒子跟踪；

t‑1 t‑1

此时，眼球实际坐标 ROI（x,y）=（RD _X ，RD _Y ）；

步骤5.4.2：如果步骤5.4.1没有检测到眼球位置，则认为目标对象发生了快速的歪头动作；此时需要对人脸部分进行椭圆拟合，然后对拟合出的椭圆利用主成分分析计算出椭圆中心坐标(cx,cy)和旋转角度q；

步骤 5.4.3：根据第一帧的眼球中心坐标(x1,y1)和步骤5.4.2计算得到的椭圆中心坐标(cx,cy)以及旋转角度q，通过以下公式计算得到旋转后的眼球中心坐标(RO_X,RO_Y)，以此坐标作为当前帧的眼球实际坐标并重新进行粒子跟踪；

，

此时，眼球实际坐标 ROI（x,y）=（RO_X ，RO_Y ）。

2.根据权利要求1所述的一种基于目标检测和目标跟踪竞争框架的眼球实时定位方法，其特征在于：所述步骤2利用眼球分类器获取双眼的位置信息的过程中，使用眼球分类器分别获得左右眼的位置信息，根据左右眼在人脸的位置，通过几何判断来排除分类器的误检结果。

3.根据权利要求1所述的一种基于目标检测和目标跟踪竞争框架的眼球实时定位方法，其特征在于：所述步骤3获取双眼位置直方图信息，具体包括以下步骤：步骤3.1：格式转换：将原RGB空间的双眼图像转换成HSV空间图像；

步骤3.2：利用OpenCv的CalcHist函数获得该图像的直方图；

步骤3.3：利用Normalize函数对直方图进行归一化处理；

步骤3.4：保存该直方图特征。

4.根据权利要求1所述的一种基于目标检测和目标跟踪竞争框架的眼球实时定位方法，其特征在于：所述步骤4利用粒子滤波算法进行眼球的实时跟踪包括以下过程：将原RGB图像转换成HSV空间图像，在要跟踪的眼球附近撒上一定数目的粒子，每个粒子都对应一个矩形区域，且为每个粒子分配一个初始权重，每个粒子的初始权重是相同的，权重值表示该粒子对于眼球定位的重要性；然后对于每个粒子对应的矩形区域分别获得其直方图特征，通过与第一帧保存的眼球直方图特征进行对比，根据两个特征之间的相似度更新每个粒子的权重，高相似度粒子分配高权重，低相似度粒子分配低权重，权重最高的粒子即为眼球跟踪的预测结果，然后再根据每个粒子的权重进行粒子的重定位，高权重粒子下一帧增加数量，低权重粒子下一帧减少数量，然后进行下一帧的眼球跟踪预测，循环往复直至视频结束。