一种用于视线跟踪的深度神经网络筛选方法技术

一种用于视线跟踪的深度神经网络筛选方法，包括以下步骤：产生包含确定信号s(t)的仿真人视频I<subgt;S</subgt;(x,y,t)；调整并运行深度神经网络得到输出g<subgt;0</subgt;(t)；g<subgt;0</subgt;(t)去噪得到凝视角g<subgt;1</subgt;(t)；比较不同深度神经网络的g<subgt;1</subgt;(t)，选择与s(t)相比误差最小的深度神经网络用于视线跟踪。

【技术实现步骤摘要】

本专利技术属于深度学习领域，具体是一种用于视线跟踪的深度神经网络筛选方法。

技术介绍

1、近年来，由于环境光照的多变、个体眼球生理特性的差异、头部姿态的动态变化等,基于深度神经网络(dnn)的视线估计的精度仍然是一个具有挑战的热点问题。已报道的不同类型的dnn常采用不同的评价指标，有的采用角度误差，有点采用f1值、召回率和精度等其他指标，事实上，这些指标不能准确评价视线跟踪的动态性能。

技术实现思路

1、本专利技术采用特定运动模式的仿真人视频作为输入准确评判不同dnn的动态性能，为各行业挑选合适的dnn提供了一条简单适用的思路。

2、为达到上述目的，本专利技术所述的一种用于视线跟踪的dnn筛选方法，其特征在于，包括以下步骤：

3、步骤一，产生包含确定信号s(t)的仿真人视频is(x,y,t)；

4、步骤二，调整并运行的dnn得到输出g0(t)；

5、步骤三，对g(t)去噪后得到凝视角g1(t)；

6、步骤四，比较不同的dnn的g1(t)，选择与s(t本文档来自技高网...

【技术保护点】

1.一种用于视线跟踪的深度神经网络筛选方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种用于视线跟踪的深度神经网络筛选方法，其特征在于，步骤一中产生包含确定信号s(t)的仿真人视频IS(x,y,t)，具体采用以下步骤：

3.根据权利要求1所述的一种用于视线跟踪的深度神经网络筛选方法，其特征在于，步骤二中调整并运行深度神经网络得到输出g0(t)，具体采用以下步骤：

4.根据权利要求1所述的一种用于视线跟踪的深度神经网络筛选方法，其特征在于，步骤三中对g0(t)去噪后得到凝视角g1(t)，具体采用以下步骤：

5.根据权利要求1所述的...

【技术特征摘要】

1.一种用于视线跟踪的深度神经网络筛选方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种用于视线跟踪的深度神经网络筛选方法，其特征在于，步骤一中产生包含确定信号s(t)的仿真人视频is(x,y,t)，具体采用以下步骤：

3.根据权利要求1所述的一种用于视线跟踪的深度神经网络筛选方法，其特征在于，步骤二中调整并运行深度神经网络得到输出g0(t)，具...

【专利技术属性】
技术研发人员：刘丹平，曾靖涵，宋俊毅，覃文香，张奇阳，崔文娟，湛悦，
申请(专利权)人：重庆大学，
类型：发明
国别省市：