[發(fā)明專利]人眼檢測方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810426431.2
• 申請(qǐng)日: 2018-05-07
• 公開（公告）號(hào): CN108960040B
• 公開（公告）日: 2021-09-28
• 發(fā)明（設(shè)計(jì)）人: 梅峰;戴波;王彥波;葉偉靜;王凌
• 申請(qǐng)（專利權(quán)）人: 國網(wǎng)浙江省電力有限公司信息通信分公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 杭州華鼎知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 33217
• 代理人: 項(xiàng)軍

本發(fā)明提供了人眼檢測方法，屬于計(jì)算機(jī)視覺領(lǐng)域，包括：在僅能檢測到第一只目標(biāo)人眼圖像上開設(shè)有滑動(dòng)窗口，令滑動(dòng)窗口推測第二只目標(biāo)人眼的推測圖像，將第一只目標(biāo)人眼圖像與推測圖像送入卷積神經(jīng)網(wǎng)絡(luò)后送入高斯混合模型進(jìn)行匹配，根據(jù)匹配結(jié)果判斷是否為第二只目標(biāo)人眼圖像，如果匹配結(jié)果表明不為第二只目標(biāo)人眼圖像，則滑動(dòng)窗口重新推測第二只目標(biāo)人眼的推測圖像，將推測圖像送入卷積神經(jīng)網(wǎng)絡(luò)后再送入高斯混合模型進(jìn)行匹配，直至匹配結(jié)果判斷為第二只目標(biāo)人眼圖像，從而提高了檢測結(jié)果的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺領(lǐng)域，特別涉及人眼檢測方法。

背景技術(shù)

隨著人工智能領(lǐng)域的發(fā)展，人眼檢測在各個(gè)方面都有重要的應(yīng)用。通過人眼檢測技術(shù)可以抓取人的視線，進(jìn)行人眼視線估計(jì)，進(jìn)而達(dá)到一系列應(yīng)用的目的。比如視頻監(jiān)控，情緒分析，駕駛員疲勞監(jiān)測等。因而，人眼檢測的應(yīng)用有著重要的意義。

由于現(xiàn)有技術(shù)的限制，傳統(tǒng)的人眼檢測方法是在人臉檢測的基礎(chǔ)上通過提取人眼的Haar-liKe特征對(duì)人眼檢測。該人眼檢測方法易受到光照、頭部姿勢、眼部遮擋等的影響，進(jìn)而不能根據(jù)檢測結(jié)果準(zhǔn)確地判斷出是否是人眼，降低了檢測結(jié)果的準(zhǔn)確性。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中存在的缺點(diǎn)和不足，本發(fā)明提供了在僅能檢測到第一只目標(biāo)人眼圖像的基礎(chǔ)上，通過滑動(dòng)窗口推測第二只目標(biāo)人眼的推測圖像，并將每次推測出的推測圖像和第一只目標(biāo)人眼圖像送入訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)后再送入高斯混合模型進(jìn)行匹配，直至匹配結(jié)果能準(zhǔn)確地判斷出為第二只目標(biāo)人眼的圖像，從而提高了檢測結(jié)果的準(zhǔn)確性。

為了達(dá)到上述技術(shù)目的，本發(fā)明提供了人眼檢測方法，包括以下步驟：

步驟一，從視頻圖像中獲取若干對(duì)樣本人眼的圖像，將每對(duì)樣本人眼的圖像送入卷積神經(jīng)網(wǎng)絡(luò)中訓(xùn)練，得到與每對(duì)樣本人眼的圖像對(duì)應(yīng)的樣本深度特征值，根據(jù)得到的全部樣本深度特征值構(gòu)建成高斯混合模型；

步驟二，對(duì)視頻圖像中的目標(biāo)人眼進(jìn)行檢測，如果在視頻圖像中僅能檢測到第一只目標(biāo)人眼，在第一只目標(biāo)人眼的位置處開設(shè)有兩個(gè)滑動(dòng)窗口；

步驟三，令位于當(dāng)前位置的兩個(gè)滑動(dòng)窗口分別沿第一只目標(biāo)人眼的左右兩邊水平移動(dòng)預(yù)設(shè)距離，將移動(dòng)到的位置作為第二只目標(biāo)人眼的推測位置，提取推測位置的圖像作為第二只目標(biāo)人眼的推測圖像；

步驟四，提取第一只目標(biāo)人眼圖像，將第一只目標(biāo)人眼圖像與推測圖像送入卷積神經(jīng)網(wǎng)絡(luò)中，得到目標(biāo)深度特征值，將得到的目標(biāo)深度特征值送到高斯混合模型進(jìn)行匹配，根據(jù)匹配結(jié)果判斷推測圖像是否為第二只目標(biāo)人眼圖像；

步驟五，如果匹配結(jié)果表明推測圖像不為第二只目標(biāo)人眼圖像，則執(zhí)行步驟三至步驟四；或

如果匹配結(jié)果表明推測圖像為第二只目標(biāo)人眼圖像，則退出執(zhí)行。

可選的，所述步驟一中根據(jù)得到的全部樣本深度特征值構(gòu)建成高斯混合模型，包括：

將得到的全部樣本深度特征值進(jìn)行聚類處理，得到Y(jié)個(gè)高斯模型，根據(jù)Y 個(gè)高斯模型構(gòu)建成高斯混合模型。

可選的，所述根據(jù)Y個(gè)高斯模型構(gòu)建成高斯混合模型，高斯混合模型為具有如下公式一的概率分布模型，

其中，p(x)表示概率密度，x表示樣本深度特征值，Y表示高斯模型的數(shù)量，π_k表示權(quán)重，滿足表示高斯混合模型的第k個(gè)分量。

可選的，所述步驟四中將得到的目標(biāo)深度特征值送到高斯混合模型進(jìn)行匹配，根據(jù)匹配結(jié)果判斷推測圖像是否為第二只目標(biāo)人眼圖像，包括：

將提取到的目標(biāo)深度特征值送入高斯混合模型中，得到若干個(gè)概率密度，求得若干個(gè)概率密度的最大值P_max，將最大值P_max與預(yù)設(shè)閾值進(jìn)行比較；