眼睛视线的检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及图像识别技术领域，公开了一种眼睛视线的检测方法、装置、设备及存储介质，用于采用深度学习模型对待检测的目标图像进行特征点提取，基于特征点坐标得到目标眼睛视线，缓解了眼睛瞳孔大数据量不足的问题，提高了眼睛视线方向识别的准确性。眼睛视线的检测方法包括：获取待检测的目标图像；采用深度学习模型对待检测的目标图像进行特征提取，得到多个边缘特征标记点，并基于多个特征标记点判断目标眼睛是否为张眼状态；若目标眼睛为张眼状态，则基于多个边缘特征标记点和预置处理算法得到目标掩码图像；对目标掩码图像进行预处理，得到预处理后的目标图像；根据预处理后的目标图像，得到目标眼睛视线。

【技术实现步骤摘要】
眼睛视线的检测方法、装置、设备及存储介质
本专利技术涉及图像识别
，尤其涉及一种眼睛视线的检测方法、装置、设备及存储介质。
技术介绍
瞳孔是眼睛和视线方向的重要特征，通过定位眼睛和瞳孔中心的位置就可以表达出眼睛的视线方向、眼睛开闭等特征。随着图像大数据、深度学习等技术的发展，人脸识别等技术已经非常成熟，人们对人机交互、人脸表情交互、人脸捕捉等的需求大大提高。目前眼睛定位技术大部分基于人脸识别技术，大部分的人脸表情研究都做得比较粗糙，比如人脸表情仅仅识别微笑、大笑、忧伤、痛苦或者镇静等分类识别；部分眼睛定位技术可以定位眼睛的位置或者进行眼睛视线追踪。在现有技术中，主要采用传统图像算法或者深度学习研究眼睛视线方向，但是采用传统算法研究眼睛视线方向存在识别精度较低的情况，且采用深度学习方法研究眼睛视线方向存在无法支撑眼睛瞳孔大数据的问题。
技术实现思路
本专利技术的主要目的在于解决眼睛瞳孔识别精度低，且缓解眼睛瞳孔大数据不足的问题。本专利技术第一方面提供了一种眼睛视线的检测方法，包括：获取待检测的目标本文档来自技高网...

【技术保护点】
1.一种眼睛视线的检测方法，其特征在于，所述眼睛视线的检测方法包括：/n获取待检测的目标图像，所述待检测的目标图像包括目标眼睛；/n采用深度学习模型对所述待检测的目标图像进行特征提取，得到多个边缘特征标记点，并基于所述多个特征标记点判断所述目标眼睛是否为张眼状态，所述多个边缘特征标记点位于所述目标眼睛边缘，所述多个边缘特征标记点至少包括第一参考特征标记点和第二参考特征标记点，所述第一参考特征标记点和所述第二参考特征标记点为直线对称关系；/n若所述目标眼睛为张眼状态，则基于所述待检测的目标图像、所述多个边缘特征标记点和预置处理算法得到目标掩码图像，所述目标掩码图像为二值图像；/n对所述目标掩码图...

【技术特征摘要】
1.一种眼睛视线的检测方法，其特征在于，所述眼睛视线的检测方法包括：
获取待检测的目标图像，所述待检测的目标图像包括目标眼睛；
采用深度学习模型对所述待检测的目标图像进行特征提取，得到多个边缘特征标记点，并基于所述多个特征标记点判断所述目标眼睛是否为张眼状态，所述多个边缘特征标记点位于所述目标眼睛边缘，所述多个边缘特征标记点至少包括第一参考特征标记点和第二参考特征标记点，所述第一参考特征标记点和所述第二参考特征标记点为直线对称关系；
若所述目标眼睛为张眼状态，则基于所述待检测的目标图像、所述多个边缘特征标记点和预置处理算法得到目标掩码图像，所述目标掩码图像为二值图像；
对所述目标掩码图像进行预处理，得到预处理后的目标图像；
根据所述预处理后的目标图像，得到目标眼睛视线，所述目标眼睛视线为第一目标眼睛视线、第二目标眼睛视线或者第三目标眼睛视线。


2.根据权利要求1所述的眼睛视线的检测方法，其特征在于，所述采用深度学习模型对所述待检测的目标图像进行特征提取，得到多个边缘特征标记点，并基于所述多个特征标记点判断所述目标眼睛是否为张眼状态，所述多个边缘特征标记点位于所述目标眼睛边缘，所述多个边缘特征标记点至少包括第一参考特征标记点和第二参考特征标记点，所述第一参考特征标记点和所述第二参考特征标记点为直线对称关系包括：
将所述待检测的目标图像输入深度学习模型，得到多个边缘特征标记点，所述多个边缘特征标记点至少包括第一参考特征标记点和第二参考特征标记点，所述第一参考特征标记点和所述第二参考特征标记点为直线对称关系；
读取所述多个边缘特征标记点对应的坐标，得到多个边缘特征标记点坐标；
基于最小二乘法对所述多个边缘特征标记点坐标进行计算，得到眼睛闭合比率；
判断所述目标眼睛闭合比率是否大于或者等于标准眼睛闭合比率；
若所述目标眼睛闭合比率大于或者等于所述标准眼睛闭合比率，则确定所述目标眼睛为张眼状态。


3.根据权利要求1所述的眼睛视线的检测方法，其特征在于，所述若所述目标眼睛为张眼状态，则基于所述待检测的目标图像、所述多个边缘特征标记点和预置处理算法得到目标掩码图像，所述目标掩码图像为二值图像包括：
若所述目标眼睛为张眼状态，则采用预置处理算法依次将多个边缘特征标记点进行连接，得到初始掩码图像，所述初始掩码图像包括目标多边形区域和其他区域，所述目标多边形区域像素值为最大值，所述其他区域像素值为最小值，所述其他区域为所述初始掩码图像中除所述目标多边形区域之外的区域；
对所述初始掩码图像进行高斯滤波，得到目标掩码图像。


4.根据权利要求1-3中任一项所述的眼睛视线的检测方法，其特征在于，所述对所述目标掩码图像进行预处理，得到预处理后的目标图像包括：
对所述目标掩码图像的每个通道进行直方图均衡化处理，得到灰度化图像；
采用大津算法对所述灰度化图像进行阈值分割处理，得到初始二值图像；
对所述初始二值图像进行灰度值取反处理，得到目标二值图像；
对所述目标二值图像和目标掩码图像进行逻辑与处理，得到取与后的目标二值图像；
采用预置结构元素对所述取与后的目标二值图像中的目标多边形区域进行膨胀形态学处理，得到预处理后的目标图像。


5.根据权利要求1所述的...

【专利技术属性】
技术研发人员：黄少光，许秋子，
申请(专利权)人：深圳市瑞立视多媒体科技有限公司，
类型：发明
国别省市：广东;44