[发明专利]一种关注区域检测方法、装置、可读存储介质及终端设备有效

专利信息
申请号: 201911028690.0 申请日: 2019-10-29
公开(公告)号: CN110909611B 公开(公告)日: 2021-03-05
发明(设计)人: 张成;王杉杉;胡文泽;王孝宇 申请(专利权)人: 深圳云天励飞技术有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06Q30/02
代理公司: 深圳中一联合知识产权代理有限公司 44414 代理人: 刘永康
地址: 518000 广东省深圳市龙岗区横岗*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 关注 区域 检测 方法 装置 可读 存储 介质 终端设备
【权利要求书】:

1.一种关注区域检测方法,其特征在于,包括:

获取待检测的目标人脸图像;

计算所述目标人脸图像的头部姿势;

提取所述目标人脸图像中的左眼图像和右眼图像;

分别在所述左眼图像和所述右眼图像中进行眼部关键点检测,得到所述左眼图像和所述右眼图像中的各个眼部关键点的位置信息;

根据所述头部姿势、所述左眼图像和所述右眼图像确定视线方向;

使用预训练好的全连接神经网络根据所述头部姿势、所述视线方向、所述左眼图像和所述右眼图像中的各个眼部关键点的位置信息确定眼部关注区域;

所述全连接神经网络的训练过程包括:

将预设的屏幕划分为SN个屏幕区域,SN为大于1的整数;

分别构造各个标定样本集,其中,第s个标定样本集中包括FS个向量样本,每个向量样本均为第s个屏幕区域被关注时的输入信息向量,且每个向量样本对应的标签均为第s个屏幕区域的中心坐标点,1≤s≤SN,FS为正整数;所述输入信息向量中包括受试者人脸图像的头部姿势、视线方向、左眼图像和右眼图像中的各个眼部关键点的位置信息;

使用各个标定样本集对初始状态的全连接神经网络进行训练,得到所述预训练好的全连接神经网络。

2.根据权利要求1所述的关注区域检测方法,其特征在于,所述使用预训练好的全连接神经网络根据所述头部姿势、所述视线方向、所述左眼图像和所述右眼图像中的各个眼部关键点的位置信息确定眼部关注区域包括:

将所述头部姿势、所述视线方向、所述左眼图像和所述右眼图像中的各个眼部关键点的位置信息构造为输入信息向量;

使用预训练好的全连接神经网络对所述输入信息向量进行处理,得到输出坐标点;

将所述输出坐标点对应的屏幕区域确定为所述眼部关注区域。

3.根据权利要求1所述的关注区域检测方法,其特征在于,所述分别构造各个标定样本集包括:

在所述屏幕的第s个屏幕区域的中心坐标点显示预设的图案;

分别采集各帧样本图像,所述样本图像为受试者关注所述图案时的人脸图像;

分别构造各帧样本图像的输入信息向量;

将各帧样本图像的输入信息向量构造为第s个标定样本集。

4.根据权利要求2所述的关注区域检测方法,其特征在于,在使用预训练好的全连接神经网络对所述输入信息向量进行处理,得到输出坐标点之后,还包括:

获取参考坐标点,所述参考坐标点为 在所述目标人脸图像之前采集的K帧人脸图像对应的输出坐标点,K为正整数;

将所述目标人脸图像对应的输出坐标点和所述参考坐标点构造为第一坐标点集合;

从所述第一坐标点集合中剔除离群点,得到第二坐标点集合;

计算所述第二坐标点集合的均值坐标点,并将所述第二坐标集合的均值坐标点确定为平滑处理后的输出坐标点。

5.根据权利要求1至4中任一项所述的关注区域检测方法,其特征在于,所述计算所述人脸图像的头部姿势包括:

计算所述目标人脸图像的仿射矩阵;

根据所述仿射矩阵计算所述目标人脸图像的旋转矩阵;

根据所述旋转矩阵计算所述头部姿势。

6.根据权利要求1至4中任一项所述的关注区域检测方法,其特征在于,所述提取所述目标人脸图像中的左眼图像和右眼图像包括:

在所述目标人脸图像中进行人脸关键点检测,得到所述目标人脸图像中的各个人脸关键点的位置信息;

根据各个人脸关键点的位置信息确定所述左眼图像在所述目标人脸图像中的第一区域,以及所述右眼图像在所述目标人脸图像中的第二区域;

从所述第一区域中提取所述左眼图像,并从所述第二区域中提取所述右眼图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳云天励飞技术有限公司,未经深圳云天励飞技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911028690.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top