基于表观的归一化坐标系分类视线估计方法

摘要：

视线估计能够反映人的关注焦点,对理解人类的情感、兴趣等主观意识有重要作用.但目前用于视线估计的单目眼睛图像容易因头部姿态的变化而失真,导致视线估计的准确性下降.提出一种新型分类视线估计方法,利用三维人脸模型与单目相机的内在参数,通过人脸的眼睛与嘴巴中心的三维坐标形成头部姿态坐标系,从而合成相机坐标系与头部姿态坐标系,并建立归一化坐标系,实现相机坐标系的校正.复原并放大归一化得到的灰度眼部图像,建立基于表观的卷积神经网络模型分类方法以估计视线方向,并利用黄金分割法优化搜索,进一步降低误差.在MPIIGaze数据集上的实验结果表明,相比已公开的同类算法,该方法能降低约7.4％的平均角度误差.

关键词：视线估计;单目眼睛图像;头部姿态;归一化坐标系;黄金分割法;卷积神经网络

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：上海市国防科技工业办公室支持基金GFKJ-2019-060

在线出版日期：2022-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：230-236