[发明专利]视线区域预测模型生成方法、装置、存储介质及电子设备

权利要求书

1.一种视线区域预测模型的生成方法，所述视线区域预测模型包括眼部姿态预测模块和视线区域预测模块，所述方法包括：

将具有眼部姿态标签的第一人脸图像样本集作为初始模型的输入，训练所述眼部姿态预测模块；

将具有视线区域标签的第二人脸图像样本集作为初始模型的输入，得到眼部姿态预测结果；

基于所述第二人脸图像样本集，训练所述视线区域预测模块；

将训练结束后的所述初始模型确定为视线区域预测模型。

2.根据权利要求1所述的方法，其中，所述将具有眼部姿态标签的第一人脸图像样本集作为初始模型的输入，训练所述眼部姿态预测模块，包括：

响应于确定输入的人脸图像对应的眼部姿态标签包括视线角度标签，基于所述视线角度标签，训练所述眼部姿态预测模块包括的视线角度预测子模块；

响应于确定输入的人脸图像对应的眼部姿态标签包括瞳孔深度标签，基于所述瞳孔深度标签，训练所述眼部姿态预测模块包括的瞳孔深度预测子模块。

3.根据权利要求1所述的方法，其中，所述将具有眼部姿态标签的第一人脸图像样本集作为初始模型的输入，训练所述眼部姿态预测模块，包括：

将所述第一人脸图像样本集包括的人脸图像输入所述初始模型包括的特征提取模块，得到眼部特征数据和人脸特征数据；

基于所述眼部姿态标签，利用所述眼部特征数据和所述人脸特征数据训练所述眼部姿态预测模块。

4.根据权利要求1所述的方法，其中，所述训练所述眼部姿态预测模块，包括：

响应于确定输入的样本人脸图像还具有对应的视线区域标签，将所述眼部姿态预测模块对应的眼部姿态损失函数的权重设置为第一权重，并将所述视线区域预测模块对应的视线区域损失函数的权重设置为第二权重，其中，所述第一权重大于所述第二权重；

基于输入的样本人脸图像对应的眼部姿态标签和视线区域标签，确定所述眼部姿态损失函数的第一损失值和所述视线区域损失函数的第二损失值；

基于所述第一权重、第二权重，以及所述第一损失值和第二损失值，训练所述眼部姿态预测模块。

5.根据权利要求1所述的方法，其中，所述训练所述视线区域预测模块，包括：

响应于确定输入的样本人脸图像还具有对应的眼部姿态标签，将所述眼部姿态预测模块对应的眼部姿态损失函数的权重设置为第三权重，并将所述视线区域预测模块对应的视线区域损失函数的权重设置为第四权重，其中，所述第三权重小于所述第四权重；

基于输入的样本人脸图像对应的眼部姿态标签和视线区域标签，确定所述眼部姿态损失函数的第一损失值和所述视线区域损失函数的第二损失值；

基于所述第三权重、第四权重，以及所述第一损失值和第二损失值，训练所述视线区域预测模块。

6.一种视线区域预测方法，包括：

获取目标相机拍摄的人脸图像；

将所述人脸图像输入预先训练的视线区域预测模型，基于所述视线区域预测模型包括的眼部姿态预测模块，得到眼部姿态预测结果，其中，所述视线区域预测模型预先基于权利要求1-5之一所述方法训练得到；

将所述眼部姿态预测结果输入所述视线区域预测模型包括的视线区域预测模块，得到所述人脸图像对应的视线区域信息。

7.一种视线区域预测模型的生成装置，所述视线区域预测模型包括眼部姿态预测模块和视线区域预测模块，所述装置包括：

第一训练模块，用于将具有眼部姿态标签的第一人脸图像样本集作为初始模型的输入，训练所述眼部姿态预测模块；

第一确定模块，用于将具有视线区域标签的第二人脸图像样本集作为初始模型的输入，得到眼部姿态预测结果；

第二训练模块，用于基于所述第二人脸图像样本集，训练所述视线区域预测模块；

第二确定模块，用于将训练结束后的所述初始模型确定为视线区域预测模型。