【技术实现步骤摘要】
训练眼睛跟踪模型
[0001]本申请是申请日为2020年3月24日、申请号为202010212524.2、专利技术名称为“训练眼睛跟踪模型”的中国专利技术专利申请的分案申请。
[0002]本公开内容总体上涉及眼睛跟踪。
技术介绍
[0003]已经研发了用于监测用户正在看向哪个方向(或显示器上的哪个点)的多种不同技术。这通常被称为注视跟踪。此类技术通常涉及在眼睛图像中检测某些特征,并且然后基于这些检测到的特征的位置来计算注视方向或注视点。这种注视跟踪技术的示例是瞳孔中心角膜反射(PCCR)。基于PCCR的注视跟踪采用瞳孔中心的位置和闪光点(发光装置在角膜处的反射)的位置来计算眼睛的注视方向或显示器上的注视点。
[0004]在此背景下经常采用的另一个术语是“眼睛跟踪”。尽管在许多情况下可以将术语“眼睛跟踪”用作注视跟踪的别名,但眼睛跟踪并不一定涉及对(例如,注视方向或注视点的形式的)用户注视的跟踪。眼睛跟踪可以例如涉及对眼睛在空间中的位置的跟踪,而不是实际地跟踪眼睛的注视方向或注视点。
[0005]作为诸如基于PCCR的眼睛跟踪等常规技术的替代方案(或补充方案),可以采用机器学习来训练用于执行眼睛跟踪的算法。例如,机器学习可以采用眼睛图像形式的训练数据以及相关联的已知注视点来训练该算法,使得经训练的算法可以基于眼睛图像来实时地执行眼睛跟踪。这种机器学习通常需要大量的训练数据来正常工作。可能需要花费相当多的时间和/或资源来收集训练数据。在许多情况下,对训练数据可能会有某些要求。训练数据应该例如优选地 ...
【技术保护点】
【技术特征摘要】
1.一种用于训练眼睛跟踪模型(710)的方法(300),其中,所述眼睛跟踪模型被适配用于基于来自第一眼睛跟踪传感器(411)的传感器数据(709)来预测眼睛跟踪数据,所述方法包括:接收(301)由所述第一眼睛跟踪传感器在某个时刻获得的传感器数据;接收(302)由包括第二眼睛跟踪传感器(421)的眼睛跟踪系统(420)针对所述时刻生成的参考眼睛跟踪数据,其中,所述参考眼睛跟踪数据是由所述眼睛跟踪系统基于由所述第二眼睛跟踪传感器在所述时刻获得的传感器数据来生成的;以及基于由所述第一眼睛跟踪传感器在所述时刻获得的所述传感器数据以及所述生成的参考眼睛跟踪数据来训练(303)所述眼睛跟踪模型。2.如权利要求1所述的方法,进一步包括:在所述时刻使用(601)所述第一眼睛跟踪传感器来获得传感器数据。3.如前述权利要求中任一项所述的方法,进一步包括:使用(602)所述眼睛跟踪系统来针对所述时刻生成所述参考眼睛跟踪数据。4.如前述权利要求中任一项所述的方法,其中,由所述眼睛跟踪模型预测的所述眼睛跟踪数据指示眼睛(100)的预测注视点(508),并且其中,所述生成的参考眼睛跟踪数据指示所述眼睛的参考注视点(505);和/或其中,由所述眼睛跟踪模型预测的所述眼睛跟踪数据指示所述眼睛的预测视线(701),并且其中,所述生成的参考眼睛跟踪数据指示所述眼睛的参考视线(704);和/或其中,由所述眼睛跟踪模型预测的所述眼睛跟踪数据指示所述眼睛在空间中的预测位置(702),并且其中,所述生成的参考眼睛跟踪数据指示所述眼睛在空间中的参考位置(705)。5.如前述权利要求中任一项所述的方法,其中,训练所述眼睛跟踪模型包括:使用所述眼睛跟踪模型以及由所述第一眼睛跟踪传感器在所述时刻获得的所述传感器数据来针对所述时刻预测(801)眼睛跟踪数据;将目标函数至少应用(802)于由所述眼睛跟踪模型针对所述时刻预测的所述眼睛跟踪数据以及所述生成的参考眼睛跟踪数据;以及更新(803)所述眼睛跟踪模型。6.如权利要求5所述的方法,其中,将所述目标函数至少应用于由所述眼睛跟踪模型针对所述时刻预测的所述眼睛跟踪数据以及所述生成的参考眼睛跟踪数据包括:形成由针对所述时刻的所述预测的眼睛跟踪数据指示的预测注视点(508)与由所述生成的参考眼睛跟踪数据指示的参考注视点(505)之间的距离(509);和/或形成由针对所述时刻的所述预测的眼睛跟踪数据指示的预测视线(701)与由所述生成的参考眼睛跟踪数据指示的参考视线(704)之间的偏差(707);和/或形成由针对所述时刻的所述预测的眼睛跟踪数据指示的预测眼睛位置(702)与由所述生成的参考眼睛跟踪数据指示的参考眼睛位置(705)之间的距离(708)。7.如前述权利要求中任一项所述的方法,其中,所述第一眼睛跟踪传感器是成像装置,和/或其中,所述第二眼睛跟踪传感器是成像装置。8.如前述权利要求中任一项所述的方法,其中:所述眼睛跟踪系统包括发光装置(422,423,424),所述发光装置输出一定波长范围内
的光(428,429)以照亮眼睛(100),所述第二眼睛跟踪传感器基于所述波长范围内的光来提供传感器数据,所述第一眼睛跟踪传感器设置有用于抑制所述波长范围内的光的滤光片(415)。9.如前述权利要求中任一项所述的方法,其中,训练所述眼睛跟踪模型包括:使用所述眼睛跟踪模型以及由所述第一眼睛跟踪传感器在所述时刻获得的所述传感器数据来针对所述时刻预测(901)眼睛跟踪数据;以及响应于由所述眼睛跟踪模型针对所述时刻预测的所述眼睛跟踪数据与所述生成的参考眼睛跟踪数据之间的偏差(509,707,708)超过阈值,基于由所述眼睛跟踪模型针对所述时刻预测的所述眼睛跟踪数据以及所述生成的参考眼睛跟踪数据来训练(903)所述眼睛跟踪模型。10.如前述权利要求中任一项所述的方法,进一步包括:使用(1001)所述眼睛跟踪系统来检测眼睛(100)的特定触发动作,其中,所述触发动作包括:凝视;和/或跳视;和/或平稳跟随;其中,响应于检测到所述眼睛的所述特定触发动作而接收由所述第一眼睛跟踪传感器在所述时刻获得的所述传感器数据、和/或训练所述眼睛跟踪模型。11.如前述权利要求中任一项所述的方法,其中,所述眼睛跟踪模型是若干眼睛跟踪模型之一,所述眼睛跟踪模型与对应的潜在用户相关联,所述方法包括:检测(1101)用户的存在;选择(1102)...
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。