一种增强视线估计模型的构建方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种增强视线估计模型的构建方法、装置及存储介质，所述方法包括：获取增强视线估计模型构建时所需的原始数据集，并对其进行统计计算，生成概率分布函数集合，由此对原始数据集进行样本抽取，获取第一替换数据集，根据其中各第一样本的人脸属性，分别从待转换的目标人脸数据集中筛选出与所述人脸属性一致的人脸图像，并结合预设的人脸变换技术，对第一替换数据集进行换脸，生成第二替换数据集，然后结合原始数据集，对增强视线估计模型进行训练，输出训练后的增强视线估计模型。本发明专利技术提出一种增强视线估计模型的构建方法、装置及存储介质，利用人工智能换脸技术，来提高视线估计方法的性能。提高视线估计方法的性能。提高视线估计方法的性能。

【技术实现步骤摘要】
一种增强视线估计模型的构建方法、装置及存储介质


[0001]本专利技术涉及人机交互
，特别是涉及一种增强视线估计模型的构建方法、装置及存储介质。

技术介绍

[0002]目前，视线估计作为眼动跟踪的重要任务之一，具有非常广泛的应用场景，如人机交互、智能驾驶、情感分析、意图识别等等。然而为了让基于外形的视线估计模型能够具有良好的泛化性能，模型的训练往往需要收集大量高精度、视线范围覆盖全面、头部姿态多样且眼部外形多样的的眼动数据。但是目前常用的眼动数据的收集方式，是采用用户主动注视指定视标进行主动采集的方式，或者借助基于模型的眼动追踪设备进行被动采集的方式，采集过程很难控制，采集得到的数据很难满足同时具备高精度、视线分布均匀、头部姿态多样和眼部外形多样等要求。

技术实现思路

[0003]本专利技术提供一种增强视线估计模型的构建方法、装置及存储介质，以解决现有技术中眼动数据采集难度大且获取困难的问题。
[0004]为了解决上述问题，本专利技术提供了一种增强视线估计模型的构建方法、装置及存储介质，包括：获取增强视线估计模型构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种增强视线估计模型的构建方法，其特征在于，包括：获取增强视线估计模型构建时所需的原始数据集，并对所述原始数据集进行统计计算，生成所述原始数据集对应的概率分布函数集合；其中，所述概率分布函数集合包括头部姿态的概率分布函数、视线落点的概率分布函数、距离区域的概率分布函数和偏移量的概率分布函数；所述距离区域的概率分布函数是根据原始数据集中人脸距离摄像头的分布信息计算获得；所述偏移量的概率分布函数是根据原始数据集中人脸中心位置的分布情况计算获得；根据所述概率分布函数集合，按照抽取的样本数量与定位的区域内的样本量成反比的方式，从定位到的区域内抽取样本，获取第一替换数据集；根据所述第一替换数据集中各第一样本的人脸属性，分别从待转换的目标人脸数据集中筛选出与所述人脸属性一致的人脸图像，作为各第一样本所对应的待换人脸图像；其中，所述人脸属性包括：年龄、性别及种族信息；根据预设的人脸变换技术和待转换的目标人脸集图像，对第一替换数据集进行换脸，生成第二替换数据集；同时利用所述原始数据集和所述第二替换数据集，对所述增强视线估计模型进行训练，输出训练后的增强视线估计模型。2.如权利要求1所述的增强视线估计模型的构建方法，其特征在于，所述对所述原始数据集进行统计计算，生成所述原始数据集对应的概率分布函数集合，具体为：根据预设的头部姿态估计方法，对所述原始数据集各样本图像中人脸在三维空间中的头部姿态进行估计，获得所述原始数据集中人脸的头部姿态分布信息；根据头部姿态分布信息和预设的头部姿态区域划分规则，统计每个头部姿态区域内的样本量，以获得头部姿态的概率分布函数。3.如权利要求1所述的增强视线估计模型的构建方法，其特征在于，所述对所述原始数据集进行统计计算，生成所述原始数据集对应的概率分布函数集合，具体为：统计原始数据集的视线落点情况，获得所述原始数据集的视线落点分布信息；根据视线落点分布信息和预设的视线落点范围划分规则，统计每个区域内的样本量，以获得视线落点的概率分布函数。4.如权利要求1所述的增强视线估计模型的构建方法，其特征在于，所述对所述原始数据集进行统计计算，生成所述原始数据集对应的概率分布函数集合，具体为：根据预设的单目测距方法，对所述原始数据集各样本图像中人脸距离摄像机头的分布情况进行估计，获取所述原始数据集各样本图像中人脸距离摄像头的分布信息；根据人脸距离摄像头的分布信息和预设的距离范围划分规则，统计每个区域内的样本量，以获得距离区域的概率分布函数。5.如权利要求1所述的增强视线估计模型的构建方法，其特征在于，所述对所述原始数...

【专利技术属性】
技术研发人员：谢伟浩，
申请(专利权)人：广州视景医疗软件有限公司，
类型：发明
国别省市：