[发明专利]视线识别模型的训练方法、视线识别方法、装置及设备

权利要求书

1.一种视线识别模型的训练方法，其特征在于，包括：

获取样本图像集；所述样本图像集包括样本图像；所述样本图像包括第一区域和第二区域；

将所述样本图像输入预设机器学习模型，进行视线识别处理，得到所述第一区域对应的第一视线信息以及所述第二区域对应的第二视线信息；

基于所述第一视线信息，确定所述第二区域对应的第三视线信息；

基于所述第二视线信息和所述第三视线信息，确定第一损失信息；

根据所述第一损失信息，确定损失信息；

基于所述损失信息调整所述预设机器学习模型中的模型参数，至所述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所述视线识别模型。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一视线信息，确定所述第二区域对应的第三视线信息，包括：

基于预设坐标系，确定所述第一区域对应的第一中心向量、所述第二区域对应的第二中心向量以及所述第一视线信息对应的第一向量；

根据所述第一中心向量、所述第二中心向量和所述第一向量，确定所述第三视线信息。

3.根据权利要求1所述的方法，其特征在于，所述基于所述第二视线信息和所述第三视线信息确定第一损失信息之后，还包括：

获取所述样本图像对应的视线标签信息；所述视线标签信息包括所述第一区域对应的视线标签信息和所述第二区域对应的视线标签信息；

根据所述视线标签信息、所述第一视线信息和所述第二视线信息，确定第二损失信息；

所述根据所述第一损失信息，确定损失信息，包括：

根据所述第一损失信息和所述第二损失信息，确定损失信息。

4.根据权利要求2所述的方法，其特征在于，所述基于所述第二视线信息和所述第三视线信息，确定第一损失信息，包括：

基于所述预设坐标系，确定所述第二视线信息和所述第三视线信息对应的距离信息；

根据所述距离信息，确定所述第一损失信息。

5.根据权利要求2所述的方法，其特征在于，所述得到所述第一区域对应的第一视线信息以及所述第二区域对应的第二视线信息之后，还包括：

根据所述第一视线信息和所述第二视线信息，确定所述第一损失信息，包括：

基于所述预设坐标系，确定所述第一视线信息对应的第一坐标信息、所述第二视线信息对应的第二坐标信息，以及确定所述第一区域对应的第一标准化向量和所述第二区域对应的第二标准化向量；

基于预设转换规则，确定所述第一坐标信息对应的第一角度向量以及所述第二坐标信息对应的第二角度向量；

根据所述第一标准化向量、所述第二标准化向量、所述第一角度向量和所述第二角度向量，确定所述第一损失信息。

6.一种视线识别方法，其特征在于，包括：

获取待处理图像；所述待处理图像包括第一待识别区域和第二待识别区域；

将所述待处理图像作为视线识别模型的输入，进行视线识别处理，得到所述第一待识别区域对应的第一目标视线信息和所述第二待识别区域对应的第二目标视线信息；其中，所述视线识别模型为权利要求1-5任一项所述的视线识别模型。

7.一种视线识别模型的训练装置，其特征在于，包括：

样本图像集获取模块，用于获取样本图像集；所述样本图像集包括样本图像；所述样本图像包括第一区域和第二区域；

识别处理模块，用于将所述样本图像输入预设机器学习模型，进行视线识别处理，得到所述第一区域对应的第一视线信息以及所述第二区域对应的第二视线信息；

第三视线信息确定模块，用于基于所述第一视线信息，确定所述第二区域对应的第三视线信息；

第一损失信息确定模块，用于基于所述第二视线信息和所述第三视线信息确定第一损失信息；

损失信息确定模块，用于根据所述第一损失信息，确定损失信息；

视线识别模型确定模块，用于基于所述损失信息调整所述预设机器学习模型中的模型参数，至所述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所述视线识别模型。