一种基于深度卷积神经网络的眼睑关键点精确定位方法

    公开(公告)号:CN108573219A

    公开(公告)日:2018-09-25

    申请号:CN201810259356.5

    申请日:2018-03-27

    Abstract: 本发明涉及一种基于深度卷积神经网络的眼睑关键点精确定位方法,该方法采用预先训练的深度卷积神经网络确定眼睑与虹膜的分界点,进而对上述分界点进行拟合得到眼睑分界线,所述的深度卷积神经网络通过如下方法得到:(1)图像预处理,获取虹膜区域作为感兴趣区域图像;(2)在感兴趣区域图像上人工标记眼睑与虹膜的分界点作为标记点;(3)基于感兴趣区域图像获取图像训练集;(4)建立深度卷积神经网络,将图像训练集作为输入送入到深度卷积神经网络完成训练。与现有技术相比,本发明定位速度快、准确度高、鲁棒性好。

    一种基于粒子群算法的定位方法

    公开(公告)号:CN107613461A

    公开(公告)日:2018-01-19

    申请号:CN201710888871.5

    申请日:2017-09-27

    Abstract: 本发明涉及一种基于粒子群算法的定位方法,该方法通过测量竖立于目标地点地面的直杆的影子长度随时间变化的序列,对直杆所在地进行定位,包括以下步骤:1)收集数据,包括日期天数n、直杆长度g、影子长度序列l1、l2、...、ln及与影子长度序列对应的时间点序列t1、t2、...、tn;2)根据当前日期计算太阳赤纬角度δ;3)建立影子长度与时间点、太阳赤纬角度δ目标地点的经度Psi、目标地点的纬度 和直杆长度g之间的计算关系;4)建立影子长度测量值与理论计算值的误差优化模型,利用粒子群算法求解优化模型,确定经度Psi和纬度的最终解。与现有技术相比,本发明所用的方法简单明了,适用于有阳光的任何时间和任何地点。

    一种基于深度卷积神经网络的眼睑关键点精确定位方法

    公开(公告)号:CN108573219B

    公开(公告)日:2022-03-29

    申请号:CN201810259356.5

    申请日:2018-03-27

    Abstract: 本发明涉及一种基于深度卷积神经网络的眼睑关键点精确定位方法,该方法采用预先训练的深度卷积神经网络确定眼睑与虹膜的分界点,进而对上述分界点进行拟合得到眼睑分界线,所述的深度卷积神经网络通过如下方法得到:(1)图像预处理,获取虹膜区域作为感兴趣区域图像;(2)在感兴趣区域图像上人工标记眼睑与虹膜的分界点作为标记点;(3)基于感兴趣区域图像获取图像训练集;(4)建立深度卷积神经网络,将图像训练集作为输入送入到深度卷积神经网络完成训练。与现有技术相比,本发明定位速度快、准确度高、鲁棒性好。

Patent Agency Ranking