一种注视检测方法、装置、设备及存储介质

    公开(公告)号:CN112308932A

    公开(公告)日:2021-02-02

    申请号:CN202011217737.0

    申请日:2020-11-04

    Abstract: 本申请公开一种注视检测方法、装置、设备及存储介质,本申请通过获取目标相机采集的目标对象的基准图像和参考图像,以及目标相机的内外参;基于基准图像对应的像素坐标系,构建基准图像对应的头部坐标系;确定第一坐标转换关系;基于目标对象的双眼瞳孔中心在基准图像和参考图像各自对应的像素坐标系中的第一像素坐标、第二像素坐标,以及目标相机的内外参,确定目标对象的双眼瞳孔中心在基准图像对应的相机坐标系中的第一相机坐标;基于平均人脸模型和基准图像对应的头部坐标系确定目标对象的双眼眼球中心,以及目标对象的双眼眼球中心的第一头部坐标;确定基准图像对应的相机坐标系中的目标对象的视线方向和注视点,可以实现利用相机作为采集设备。

    一种注视检测方法、装置、设备及存储介质

    公开(公告)号:CN112308932B

    公开(公告)日:2023-12-08

    申请号:CN202011217737.0

    申请日:2020-11-04

    Abstract: 本申请公开一种注视检测方法、装置、设备及存储介质,本申请通过获取目标相机采集的目标对象的基准图像和参考图像,以及目标相机的内外参;基于基准图像对应的像素坐标系,构建基准图像对应的头部坐标系;确定第一坐标转换关系;基于目标对象的双眼瞳孔中心在基准图像和参考图像各自对应的像素坐标系中的第一像素坐标、第二像素坐标,以及目标相机的内外参,确定目标对象的双眼瞳孔中心在基准图像对应的相机坐标系中的第一相机坐标;基于平均人脸模型和基准图像对应的头部坐标系确定目标对象的双眼眼球中心,以及目标对象的双眼眼球中心的第一头部坐标;确定基准图像对应的相机坐标系中的目标对象的视线方向和注视点,可以实现利用相机作为采集设备。(56)对比文件Li Sun et al..Real time gazeestimation with a consumer depthcamera.Information Sciences.2015,第320卷全文.宋金淼;王楠楠;王心瀚;段晓东.基于KINECT的人眼视线方向估测方法研究.大连民族大学学报.2017,(第03期),全文.

    视线识别模型的训练方法、视线识别方法、装置及设备

    公开(公告)号:CN112766097B

    公开(公告)日:2024-02-13

    申请号:CN202110015600.5

    申请日:2021-01-06

    Abstract: 本发明涉及一种视线识别模型的训练方法、视线识别方法、装置及设备,方法包括获取样本图像集,样本图像集包括含有第一区域和第二区域的样本图像,将样本图像输入预设机器学习模型,进行视线识别处理,得到第一区域对应的第一视线信息以及第二区域对应的第二视线信息,基于第一视线信息,确定第二区域对应的第三视线信息,基于第二视线信息和第三视线信息,确定第一损失信息,根据第一损失信息,确定损失信息,基于损失信息调整预设机器学习模型中的模型参数,至损失信息满足预设条件,将满足预设条件时的预设机器学习模型作为视线识别模(56)对比文件Zhang Xiao lin等.CooperativeMovements of Binocular Motor System.2008IEEE International Conference onAutomation Science and Engineering.2008,第321-327页.张晓林.仿生双眼的立体视控制系统.电子设计工程.2018,第26卷(第6期),第1-6页.房爱青.基于视线跟踪的人机交互感知机制的研究.中国优秀硕士学位论文全文数据库 信息科技辑.2018,(第12期),第I138-1364页.Andronicus A. Akinyelu等.Convolutional Neural Network-BasedMethods for Eye Gaze Estimation: ASurvey.IEEE Access.2020,第8卷第142581-142605页.

    一种瞳孔中心位置数据的确定方法、装置及存储介质

    公开(公告)号:CN113729616B

    公开(公告)日:2022-10-14

    申请号:CN202111023640.0

    申请日:2021-09-01

    Abstract: 本申请实施例所公开的一种瞳孔中心位置数据的确定方法、装置及存储介质,包括获取眼球中心对应的眼球位置数据、瞳孔中心对应的瞳孔参考位置数据、第一瞳孔候选区域和第二瞳孔候选区域,从第一瞳孔候选区域中确定第一候选位置数据集合,从第二瞳孔候选区域中确定第二候选位置数据集合,基于眼球位置数据、瞳孔参考位置数据、第一候选位置数据集合和第二候选位置数据集合,确定瞳孔中心位置数据。本申请实施例基于双眼视线的内在关系从候选位置数据组集合中确定视线交汇的候选位置数据作为瞳孔中心位置数据,可以提升双眼视线估计精度。

    一种基于伪标签的视线估计方法
    5.
    发明公开

    公开(公告)号:CN114973356A

    公开(公告)日:2022-08-30

    申请号:CN202210484571.1

    申请日:2022-05-06

    Abstract: 本发明涉及一种基于伪标签的视线估计方法,包括以下步骤:获取面部图像;将所述面部图像输入至训练好的视线评估模型中进行预测得到预测视线;其中,所述视线评估模型在训练时,使用少量有标签的真实训练集对模型进行训练,得到预训练模型,根据增加了随机失活层的所述预训练模型对无标签的数据打上伪标签,计算所述伪标签的不确定值,并保留所述不确定值小于阈值的伪标签对应的数据,将保留的伪标签对应的数据和真实训练集一起重新训练模型,如此循环迭代直至训练完毕,得到所述视线评估模型。本发明大大减轻了视线估计对人工标签的依赖性。

    一种视线方向的确定方法、装置、电子设备及存储介质

    公开(公告)号:CN113723293A

    公开(公告)日:2021-11-30

    申请号:CN202111009364.2

    申请日:2021-08-30

    Abstract: 本申请实施例所公开的一种视线方向的确定方法、装置、电子设备及存储介质,包括获取多个目标特征点对应的多个第一目标特征点位置数据和目标瞳孔对应的第一目标瞳孔位置数据,并根据多个第一目标特征点位置数据和位置确定模型,确定目标眼球位置数据,其中,位置确定模型是根据第一标定位置数据、多个第一标定特征点位置数据和第一标定瞳孔位置数据确定的,以及根据第一目标瞳孔位置数据和目标眼球位置数据,确定视线方向。基于本申请实施例从脸部图像中筛选出与眼球中心位置密切相关的特征点,利用仅与受试者本身脸部特征相关的参数确定位置确定模型,可以不受外部环境和受试者面部表情等因素的影响,从而可以提高视线方向估计的精度。

    一种视线方向的确定方法、装置、电子设备及存储介质

    公开(公告)号:CN113723293B

    公开(公告)日:2024-01-05

    申请号:CN202111009364.2

    申请日:2021-08-30

    Abstract: 本申请实施例所公开的一种视线方向的确定方法、装置、电子设备及存储介质,包括获取多个目标特征点对应的多个第一目标特征点位置数据和目标瞳孔对应的第一目标瞳孔位置数据,并根据多个第一目标特征点位置数据和位置确定模型,确定目标眼球位置数据,其中,位置确定模型是根据第一标定位置数据、多个第一标定特征点位置数据和第一标定瞳孔位置数据确定的,以及根据第一目标瞳孔位置数据和目标眼球位置数据,确定视线方向。基于本申请实施例从脸部图像中筛选出与眼球中心位置密切相关的特征点,利用仅与受试者本身脸部特征相关的参数确定位置确定模型,可以不受外部环境和受试者面部表情等因素的影响,从而可以提高视线方向估计的精度。

    一种瞳孔中心位置数据的确定方法、装置及存储介质

    公开(公告)号:CN113729616A

    公开(公告)日:2021-12-03

    申请号:CN202111023640.0

    申请日:2021-09-01

    Abstract: 本申请实施例所公开的一种瞳孔中心位置数据的确定方法、装置及存储介质,包括获取眼球中心对应的眼球位置数据、瞳孔中心对应的瞳孔参考位置数据、第一瞳孔候选区域和第二瞳孔候选区域,从第一瞳孔候选区域中确定第一候选位置数据集合,从第二瞳孔候选区域中确定第二候选位置数据集合,基于眼球位置数据、瞳孔参考位置数据、第一候选位置数据集合和第二候选位置数据集合,确定瞳孔中心位置数据。本申请实施例基于双眼视线的内在关系从候选位置数据组集合中确定视线交汇的候选位置数据作为瞳孔中心位置数据,可以提升双眼视线估计精度。

    视线识别模型的训练方法、视线识别方法、装置及设备

    公开(公告)号:CN112766097A

    公开(公告)日:2021-05-07

    申请号:CN202110015600.5

    申请日:2021-01-06

    Abstract: 本发明涉及一种视线识别模型的训练方法、视线识别方法、装置及设备,方法包括获取样本图像集,样本图像集包括含有第一区域和第二区域的样本图像,将样本图像输入预设机器学习模型,进行视线识别处理,得到第一区域对应的第一视线信息以及第二区域对应的第二视线信息,基于第一视线信息,确定第二区域对应的第三视线信息,基于第二视线信息和第三视线信息,确定第一损失信息,根据第一损失信息,确定损失信息,基于损失信息调整预设机器学习模型中的模型参数,至损失信息满足预设条件,将满足预设条件时的预设机器学习模型作为视线识别模型。本发明可以在不增加视线识别模型规模的前提下,提高视线识别模型识别视线的精确性。

Patent Agency Ranking