【技术实现步骤摘要】
基于眼球转向的感兴趣度方法与系统
本专利技术实施例涉及计算机视觉
，尤其涉及一种基于视频的眼球转向确定方法与系统。技术背景人眼追踪被长期运用于研究个体的视觉注意力，最常用的眼球跟踪技术是瞳孔中心角膜反射技术(pupilcentrecornealreflection简称PCCR)。PCCR技术的原理是，通过物理追踪设备的摄像头捕捉，光源对瞳孔照射形成高度可见反射的图像，这些图像将被用于确定光源在角膜和瞳孔中的反射情况，最后通过对角膜、瞳孔反射形成向量夹角与其他几何特征计算，得出人眼注视的方向。但是该方案与光源的相关性大，干扰因素多，识别不准确。目前在人工智能方面的视觉应用还是以图像处理为主，或者是视频分解成一帧一帧的图片，本质上还是以单帧图像为基础进行的应用。并没有对视频之间的关系进行关联，不能体现图片与图片间的相关性和连续性。针对眼球跟踪时，准确性不够。
技术实现思路
有鉴于此，本专利技术实施例的目的是提供一种基于视频的眼球转向确定方法与系统，提高了眼球追踪的准确度。为实现上述目...
【技术保护点】
1.一种基于视频的眼球转向确定方法，其特征在于，包括：/n获取目标视频，所述目标视频为目标用户观看目标产品的视频；/n对所述目标视频进行眼球特征标注，得到标注视频；/n将所述标注视频输入至眼球转向特征识别模型中，其中，所述眼球转向特征识别模型包括眼球特征提取层、帧关系处理层以及眼球转向动作识别层；/n通过所述眼球特征提取层将所述标注视频的每帧图像转化成特征矩阵，并将每帧图像对应的特征矩阵输入至所述帧关系处理层；/n所述帧关系处理层根据所述特征矩阵对应的视频时间点对所述每帧图像的特征矩阵进行排序，得到特征队列，并将所述特征队列输入至所述眼球转向动作识别层；/n所述眼球转向动作...
【技术特征摘要】 【专利技术属性】
1.一种基于视频的眼球转向确定方法，其特征在于，包括：
获取目标视频，所述目标视频为目标用户观看目标产品的视频；
对所述目标视频进行眼球特征标注，得到标注视频；
将所述标注视频输入至眼球转向特征识别模型中，其中，所述眼球转向特征识别模型包括眼球特征提取层、帧关系处理层以及眼球转向动作识别层；
通过所述眼球特征提取层将所述标注视频的每帧图像转化成特征矩阵，并将每帧图像对应的特征矩阵输入至所述帧关系处理层；
所述帧关系处理层根据所述特征矩阵对应的视频时间点对所述每帧图像的特征矩阵进行排序，得到特征队列，并将所述特征队列输入至所述眼球转向动作识别层；
所述眼球转向动作识别层对所述特征队列进行特征融合，得到眼球转向特征队列矩阵，并基于所述眼球转向特征队列矩阵确定所述目标用户的目标转向角度。
2.根据权利要求1所述的方法，其特征在于，基于所述眼球转向特征队列矩阵确定所述目标用户的目标转向角度之后，还包括：
获取所述眼球转向特征队列矩阵对应的视频时间点；
计算所述眼球转向特征队列矩阵中的第一个特征矩阵对应的视频时间点到最后一个特征矩阵对应的视频时间点之间的距离，作为眼球转向时间。
3.根据权利要求1所述的方法，其特征在于，对所述目标视频进行眼球特征标注，得到标注视频包括：
识别所述目标视频中每帧图像的眼球特征；
通过标注框对所述眼球特征所在的区域进行框选，得到标注视频。
4.根据权利要求1所述的方法，其特征在于，通过所述眼球特征提取层将所述标注视频的每帧图像转化成特征矩阵包括：
确定所述标注视频的每帧图像的眼球关键点，所述眼球关键点包括128个关键点或者256个关键点；
获取所述每帧图像的眼球关键点的像素点坐标；
根据所述每帧图像的所述眼球关键点建立特征矩阵，所述特征矩阵包括128个或者256个像素点坐标。
5.根据权利要求4所述的方法，其特征在于，所述眼球转向动作识别层对所述特征队列进行特征融合，得到眼球转向特征队列矩阵包括：
计算相邻帧图像的差分图像特征，以判断相邻帧图像对应的眼球特征是否相同；
如果相同，则保留其中一帧图像对应的特征矩阵，并从所述特征队列中删除另一个相同的特征矩阵，直到所述特征队列中的特征矩阵均不同，得到目标特征队列；
技术研发人员：卢宁，徐国强，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东;44
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。