The invention discloses an accurate pupil measurement method based on the rapid human eye semantic segmentation network, (a) based on the rapid human eye semantic segmentation network, the pupil is accurately segmented to obtain the pupil area; (b) in the rapid human eye semantic segmentation network, the expansion convolution and the general convolution are parallel, expanding the receptive field and improving the local refinement ability; (c) introducing multiple attention generation It can fully extract semantic features and get refined semantic results. The features of different levels are extracted by downsampling, and then combined with upsampling to the original image size for reasoning. Based on the extraction of pupil semantic features, it completes the fine reconstruction of pupil, so as to carry out automatic semantic segmentation and avoid blind search in the previous algorithms.
【技术实现步骤摘要】
一种基于快速人眼语义分割网络的瞳孔精确检测方法
本专利技术涉及检测领域,特别涉及一种基于快速人眼语义分割网络的瞳孔精确检测方法。
技术介绍
在计算机视觉研究领域,通过提取人眼特征开展人眼相关技术研究一直是该领域的主要研究方向之一。瞳孔检测作为人眼检测中一个重要的中间环节,在眨眼检测、疲劳检测、人机交互等领域有着重要的应用前景。有人提出了一种将Hough圆变换和轮廓匹配相结合的瞳孔检测算法(Hough-Contour)。对每帧图像,首先进行灰度化并滤波去噪;然后提取边缘并利用修改后的Hough梯度法检测出初始圆作为瞳孔参数;最后在滤波后的灰度图上的瞳孔附近用位置和半径在一定范围可变的圆形轮廓去匹配瞳孔,从而计算出瞳孔中心坐标和直径。这类传统图像处理的研究难以克服睫毛和皮肤痣干扰以及不均匀光照干扰,在暗光情况下,难以计算出合适的灰度分割阈值从而导致瞳孔丢失或分割不准确的情况,并且此类算法对于瞳孔不完全漏出或者形变较大的情况,检测成功率较低。还有人提出了一种利用卷积神经网络(ConvolutionalNeuralNetworks,CNN)结合瞳孔不同特征的瞳孔检测算法。该算法首先结合三种瞳孔特征,分别通过图像处理算法独立地找到瞳孔中心,并使用CNN来评估每个结果的质量,选择质量最佳的结果作为输出。实验结果表明,该算法的性能优于目前的传统图像处理方法,但该算法将神经网络用于传统图像处理之后,对图像处理的结果进行运算得出最优中心,无法做到端到端的深度学习,检测结果受到前期图像处理的质量和瞳孔特征选择的影响较大。 ...
【技术保护点】
1.一种基于快速人眼语义分割网络的瞳孔精确测量方法,其特征在于,包括以下步骤:/n(a)基于快速人眼语义分割网络,对瞳孔进行精确分割,以获取瞳孔区域;/n(b)在快速人眼语义分割网络中,膨胀卷积和普通卷积双线并行,扩大感受野同时提升局部精细化能力;/n(c)引入多个注意力生成模块,充分提取语义特征,获取精细化的语义结果。/n
【技术特征摘要】
1.一种基于快速人眼语义分割网络的瞳孔精确测量方法,其特征在于,包括以下步骤:
(a)基于快速人眼语义分割网络,对瞳孔进行精确分割,以获取瞳孔区域;
(b)在快速人眼语义分割网络中,膨胀卷积和普通卷积双线并行,扩大感受野同时提升局部精细化能力;
(c)引入多个注意力生成模块,充分提取语义特征,获取精细化的语义结果。
2.根据权利要求1所述的瞳孔精确测量方法,其特征在于,所述快速人眼语义分割网络基于深度神经网络,所述深度神经网络包括一收缩路径和一扩展路径。
3.根据权利要求2所述的瞳孔精确测量方法,其特征在于,在所述收缩路径中采用膨胀卷积和普通卷积双线并行,且层层融合。
4.根据权利要求2所述的瞳孔精确测量方法,其特征在于,对所述扩展路径中获得多个特征图分别使用所述注意力生成模块,以生成对应层级的权重图。
5.根据权利要求4所述的瞳孔精确测量方法,其特征在于,所述注意力生成模块的生成步骤为:
(c1)对不同尺度和深度的特征输入,采用卷积层进行降维,至与输入层相同的通道数;
(c2)利用激活层对特征图中的值进行0-1转换,由此评估重要性,越接近1则越重要;
(c3)与输入层的结果进行相乘,从而对...
【专利技术属性】
技术研发人员:姚康,付威威,管凯捷,任谊文,朱海龙,潘力,
申请(专利权)人:苏州国科视清医疗科技有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。