基于表观的归一化坐标系分类视线估计方法

作者：戴忠东; 任敏华

来源：计算机工程, 2022, 48(02): 230-236.

DOI：10.19678/j.issn.1000-3428.0059684

• 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

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。

• 单位
  中国电子科技集团公司第三十二研究所; 上海复控华龙微系统技术有限公司