一、主要研究内容1.基本内容 本设计目标在于利用Matlab强大的图像处理能力和实用便捷的编程方法，通过处理包含人脸的视频帧系列图像，灰度积分投影技术的眼睛定位方法，进而利用perclos计数，计算眨眼率，从而得到比较准确的疲劳状况。包括lun文初稿撰写。2.具体要求 本设计基于灰度积分投影技术的眼睛定位方法，再结合perclos技术。首先通过图像预处理技术得到灰度分配较为均匀的图像然后分别利用水平和垂直灰度积分投影曲线结合人脸的结构特征找到眼睛的位置坐标实现了准确的眼睛定位通过perclos技术技术眨眼率，根据先验值得到是否疲劳。二、算法原理 视频输入——预处理去除非人脸区域——人脸定位——人眼定位（灰度积分投影）——眼睛张合度——perclos技术统计——输出结果三、GUI界面设计[需要有一定编程功底]

一款比较老的由深圳一家公司自行开发的电子显微镜配套的软件，显微镜插上USB通过这个软件可以显示、拍照、调节显微镜灯亮度，显微镜忘了叫什么品牌，有兴趣的可以试一下

眼图交叉点的定义及测试方法 眼图交叉点是指眼图中的差分信号的上升沿和下降沿的交叉点；

这是Scaramuzza_OCamCalib_v3.0_win.zip的鱼眼标定的Matlab代码，使用说明可以看我的CSDN博客，那里有个说明文档。

走向端到端基于视频的眼动追踪 ECCV 2020出版物和数据集EVE随附的代码。 作者： ， ， 和 项目页面： : 设置 最好为此存储库设置Docker映像或虚拟环境（建议使用 ）。 请注意，我们已经在以下环境中测试了此代码库： Ubuntu 18.04 /基于Linux的集群系统（CentOS 7.8） Python 3.6 / Python 3.7 PyTorch 1.5.1 使用以下命令在某个地方克隆该存储库： git clone git@github.com:swook/EVE cd EVE/ 然后从该存储库的基本目录中，使用以下命令安装所有依赖项： pip install -r requirements.txt 请注意， 设立的torch和torchvision您的特定系统上的软件包。 您还需要设置ffmpeg进行视频解码。 在Linux上，我们建

20dB高斯白噪声，有码间串扰，2PAM/4PAM调制眼图实现代码

使用方法：vs里面点击工具，下拉菜单中的导入与导出设置。好看的 vs配色方案 呵护眼睛。

该软件就是解决上面的烦恼的（我设计初衷是这样的），它能长期监视指定程序的运行情况，当被监视的程序退出后，该软件能自动侦测到，并自动重新运行该程序，使你没有后顾之忧，为你的程序添加双保险。现在很多的流行软件都是这样做，在后台做个监视进程，监视软件的运行，发现错误就提醒用户，并重启程序。 该软件大小只有32K，只需要指定被监视程序的路径，就可以了。操作简单，功能实用。并可以指定结束后的动作，包括关机、重启、锁屏，节能环保。

用卷积滤波器matlab代码TCN的眼动分类 用于三级眼动分类问题的时间卷积网络（3EMCP） 该存储库提供对代码库，模型和评估结果的访问，该论文在论文《带有时间卷积网络的眼动分类》中进行了描述（将很快提供链接）。 请注意，此处共享的大多数代码最初是由实施的。 我们仅添加了对TCN的支持，将其升级到Python 3，实现了一些新工具，并在Python中提供了一个新的功能提取器（原始功能提取器在MATLAB中）。 配置 为了训练新的基于TCN的模型或评估先前训练的模型，您需要首先下载一些包含所有必要数据的大型压缩文件，然后根据以下说明进行提取： 下载，其中包含GazeCom预先计算的功能（具有额外的比例和功能），并将其提取到data/inputs/ 下载具有所有受过训练的模型的压缩文件，并将其解压缩到存储库根文件夹中 下载，将文件包含经过训练的模型的生成的输出进行评估，然后将其提取到存储库根文件夹中 已知依赖 Python 3.6+ TensorFlow 2.0+ 脾气暴躁的 训练 要训​​练新的TCN模型，应运行train_tcn.py脚本，但首先需要设置训练参数。 这是在代码中完成的

有关图像处理的，对人脸部的识别，对人眼部定位。