[发明专利]一种基于深度学习算法的人眼注意力检测方法

摘要

本发明公开了一种基于深度学习算法的人眼注意力检测方法，包括以下步骤对于给定的图像，先做直方图均衡化；用AdaBoost算法进行人脸检测；采用回归树方法估计人脸特征点坐标，实现高精度的人脸对齐；根据特征点线性回归，回归出头部姿态角度；抠取ROI中小矩形区域，得到左右眼两幅小图片进行归一化处理；最后进行人眼闭合程度检测。本发明在卷积神经网络中，卷积层的每一个卷积滤波器重复的作用于整个感受野中，每一个卷积滤波器共享相同的参数，即权重共享，包括相同的权重矩阵和偏置项。共享权重的好处是在对图像进行特征提取时不用考虑局部特征的位置。而且权重共享提供了一种有效的方式，使要学习的卷积神经网络模型参数数量大大降低。

主权项

一种基于深度学习算法的人眼注意力检测方法，其特征在于，包括以下步骤：步骤一，对于给定的图像F(x,y)，先做直方图均衡化，其中，x，y表示像素点的坐标值；步骤二，用AdaBoost算法进行人脸检测，将检测到的人脸区域设为感兴趣区域ROI；步骤三，采用回归树方法从ROI中估计人脸特征点坐标，实现高精度的人脸对齐；步骤四，根据特征点线性回归，回归出头部姿态角度(α,β,γ)；步骤五，抠取ROI中L、R小矩形区域，得到左右眼两幅小图片，分别表示为L(x,y)，R(x,y)；步骤六，将L(x,y)、R(x,y)大小归一化为L'(x,y)、R'(x,y)；步骤七，对L'(x,y)进行人眼闭合程度检测，返回结果范围[0,1]，其中0表示闭眼，1表示完全睁眼；步骤八，将L'(x,y)传入卷积神经网络模型进行识别分类，分类识别的结果是：视线向右I、视线向上Ⅱ、视线向左Ⅲ、视线向下Ⅳ、视线向前Ⅴ；步骤九，将R'(x,y)左右镜像处理为R”(x,y)＝R’(W‑x,y)，其中W为图片宽度；步骤十，对R”(x,y)进行人眼闭合程度检测，返回结果范围[0,1]，其中0表示闭眼，1表示完全睁眼；步骤十一，将R”(x,y)传入卷积神经网络模型，进行识别，并还原到左右镜像处理前的结果，视线向左和视线向右结果相反，分类识别的结果是：视线向右I、视线向上Ⅱ、视线向左Ⅲ、视线向下Ⅳ、视线向前Ⅴ；步骤十二，将步骤六和步骤九结果输入注意力检测模型：得到结果y，对应视线向右I、视线向上Ⅱ、视线向左Ⅲ、视线向下Ⅳ、视线向前Ⅴ；其中φL、φR表示左、右眼最大似然视线方向；N表示模型分析区间长度；i∈[1,2,3,4,5]对应于视线向右I、视线向上Ⅱ、视线向左Ⅲ、视线向下Ⅳ、视线向前Ⅴ。