[發明專利]眼睛狀態的檢測方法、裝置、設備及存儲介質

有效

• 申請號: 202010301042.4
• 申請日: 2020-04-16
• 公開（公告）號: CN111488844B
• 公開（公告）日: 2023-10-20
• 發明（設計）人: 黃少光;許秋子
• 申請（專利權）人: 深圳市瑞立視多媒體科技有限公司
• 主分類號: G06V40/18
• 分類號: G06V40/18;G06V10/44;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 于亭

本發明涉及圖像識別技術領域，公開了一種眼睛狀態的檢測方法、裝置、設備及存儲介質，采用深度學習模型得到特征點坐標，基于特征點坐標得到目標眼睛閉合比率值，根據目標眼睛閉合比率值得到目標眼睛狀態，緩解了在識別眼睛狀態的過程中大數據量不足的問題，提高了檢測的準確性。眼睛狀態的檢測方法包括：獲取待檢測的目標圖像，目標圖像包括目標眼睛；采用深度學習模型對所述待檢測的目標圖像進行特征提取，得到多個邊緣特征點，多個邊緣特征點包括多個邊緣特征點坐標；采用最小二乘法擬合多個邊緣特征點坐標，得到第一目標參數和第二目標參數；基于第一目標參數和第二目標參數獲取目標眼睛的狀態，目標眼睛的狀態為張眼狀態或者閉眼狀態。

技術領域

本發明涉及圖像識別技術領域，尤其涉及一種眼睛狀態的檢測方法、裝置、設備及存儲介質。

背景技術

隨著圖像大數據、深度學習等技術的發展，人臉識別等技術已經非常成熟，人們對人機交互、人臉表情交互、人臉捕捉等需求大大提高。

目前眼睛識別技術大部分基于人臉識別技術，大部分的人臉表情研究都做得比較粗糙，比如人臉表情僅僅識別微笑、大笑、憂傷、痛苦或者鎮靜等分類識別；部分眼睛識別技術可以檢測眼睛狀態或者定位眼睛的位置。

在現有技術中，檢測眼睛狀態的方法主要分為基于特征的分析方法和基于模式的分類方法，基于特征的分析方法主要有模板匹配、眼皮檢測等算法，基于模式的分類方法主要是提取眼睛區域的特征。但是在實際應用中，這些算法容易受光照變化、面部變化等情況的影響，出現眼睛狀態檢測精度較低的問題和在識別眼睛狀態的過程大數據量不足的問題。

發明內容

本發明的主要目的在于解決眼睛狀態檢測精度低和緩解識別眼睛狀態的過程中大數據量不足的問題。

本發明第一方面提供了一種眼睛狀態的檢測方法，包括：獲取待檢測的目標圖像，所述待檢測的目標圖像包括目標眼睛；采用深度學習模型對所述待檢測的目標圖像進行特征提取，得到多個邊緣特征點，邊緣特征點包括邊緣特征點坐標；采用最小二乘法擬合所述多個邊緣特征點坐標，得到第一目標參數和第二目標參數；基于所述第一目標參數和所述第二目標參數獲取目標眼睛的狀態，所述目標眼睛的狀態為張眼狀態或者閉眼狀態。

可選的，在本發明第一方面的第一種實現方式中，所述采用深度學習模型對所述待檢測的目標圖像進行特征提取，得到多個邊緣特征點，邊緣特征點包括邊緣特征點坐標包括：將所述待檢測的目標圖像進行預處理，得到預處理后的目標圖像；將所述預處理后的目標圖像輸入卷積神經網絡進行卷積，得到第一目標圖像；在所述卷積神經網絡中對所述第一目標圖像進行池化處理，得到第二目標圖像；將所述第二目標圖像進行非線性映射，得到目標特征圖像；從所述目標特征圖像中提取所述目標眼睛對應的多個邊緣特征點，邊緣特征點包括邊緣特征點坐標。

可選的，在本發明第一方面的第二種實現方式中，所述采用最小二乘法擬合所述多個邊緣特征點坐標，得到第一目標參數和第二目標參數包括：在所述待檢測的目標圖像中，基于所述多個邊緣特征點坐標采用所述最小二乘法對所述多個邊緣特征點進行橢圓擬合，得到目標橢圓方程；從所述目標橢圓方程中提取第一目標參數和第二目標參數。

可選的，在本發明第一方面的第三種實現方式中，所述基于所述第一目標參數和所述第二目標參數獲取目標眼睛的狀態，所述目標眼睛的狀態為張眼狀態或者閉眼狀態包括：對所述第一目標參數和所述第二目標參數進行眼睛閉合比率計算，得到目標眼睛閉合比率；根據所述目標眼睛閉合比率，獲取目標眼睛狀態標識，并基于所述目標眼睛狀態標識確定所述目標眼睛的狀態，所述目標眼睛狀態標識為第一眼睛狀態標識或者第二眼睛狀態標識，所述目標眼睛的狀態為張眼狀態或者閉眼狀態。