CN107977622A - 基于瞳孔特征的眼睛状态检测方法 - Google Patents
基于瞳孔特征的眼睛状态检测方法 Download PDFInfo
- Publication number
- CN107977622A CN107977622A CN201711240080.8A CN201711240080A CN107977622A CN 107977622 A CN107977622 A CN 107977622A CN 201711240080 A CN201711240080 A CN 201711240080A CN 107977622 A CN107977622 A CN 107977622A
- Authority
- CN
- China
- Prior art keywords
- eye
- pupil
- gray
- value
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 210000001747 pupil Anatomy 0.000 title claims abstract description 67
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 28
- 210000000744 eyelid Anatomy 0.000 claims abstract description 24
- 230000004399 eye closure Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 6
- 210000000720 eyelash Anatomy 0.000 abstract description 3
- 238000005286 illumination Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明涉及一种基于瞳孔特征的眼睛状态检测方法,包括:根据眼部图像定位瞳孔中心点;以所述瞳孔中心点为起点形成多条射线;通过所述射线计算确定瞳孔边界点;利用所述瞳孔边界点确定眼睛状态。本发明提供的眼睛状态检测方法,通过瞳孔边界点的特征判断眼睛状态,该方法对人脸、偏转角度、背景、光照、眼睑、睫毛和镜面反光等条件的制约少,准确率较高,无需昂贵复杂的设备,成本低廉。
Description
技术领域
本发明涉及图像识别领域,特别涉及一种基于瞳孔特征的眼睛状态检测方法。
背景技术
随着计算机、多媒体和数据通信技术的高速发展,图像处理近年来得到了极大的重视和长足的发展,并在科学研究、工业生产、医疗卫生、教育、娱乐、管理和通信方面取得了广泛的应用。
人脸识别为图像识别处理的一种,在人机交互,视频会议,档案管理,智能卡,安全监控,司法验证等众多方面有着广泛应用。人脸上最为稳定和显著的特征就是人眼,其在识别人脸表情,注视信息,以及定位人脸方面发挥着很大的作用。我们常见的高速交通事故中,其中有半数以上是因为所看目标单一,导致注意力不集中或者疲劳。但是可以根据眼部识别技术,识别人眼状态,然后判定驾驶员是否疲劳。
当前,眼睛状态检测的方法有很多种,综合起来为两类,一类为基于特征分析的眼睛状态检测方法,主要有投影法、检测瞳孔、检测虹膜等;另一类为基于模式分类的眼睛状态检测方法,主要有神经网络、支持向量、隐马尔可夫模型等。这些方法对人脸、偏转角度、背景、光照、眼睑、睫毛和镜面反光等有一定的条件制约,并且计算量大,处理慢。
发明内容
因此,为解决现有技术存在的技术缺陷和不足,本发明提出一种基于瞳孔特征的眼睛状态检测方法。
具体地,本发明一个实施例提出的一种基于瞳孔特征的眼睛状态检测方法,包括:
根据眼部图像定位瞳孔中心点;
在所述眼部图像中以所述瞳孔中心点为起点形成多条灰度值射线;
通过所述灰度值射线计算确定瞳孔边界点;
利用所述瞳孔边界点确定眼睛状态。
在本发明的一个实施例中,根据眼部图像定位瞳孔中心点,包括:
将所述眼部图像转化为眼部灰度图;
对所述眼部灰度图进行灰度对比度增强预处理;
根据预处理后的所述眼部灰度图估算出所述瞳孔中心点。
在本发明的一个实施例中,根据预处理后的所述眼部灰度图估算出所述瞳孔中心点,包括:
根据预处理后的所述眼部灰度图估算出眼部中心区域,查找所述眼部中心区域灰度值最小的点定位为所述瞳孔中心点。
在本发明的一个实施例中,在所述眼部图像中以所述瞳孔中心点为起点形成多条灰度值射线,包括:
在所述眼部图像中,以所述瞳孔中心点为起点,沿上眼皮方向形成M条所述灰度值射线;
以所述瞳孔中心点为起点,沿下眼皮方向形成N条所述灰度值射线。
在本发明的一个实施例中,通过所述灰度值射线计算确定瞳孔边界点,包括:
计算所述灰度值射线在所述眼部图像中的灰度值偏微分;
根据所述灰度值偏微分计算灰度梯度;
求解所述灰度梯度的最大值;
将所述最大值确定为所述瞳孔边界点。
在本发明的一个实施例中,所述灰度值偏微分为:
其中,f(i,j)为所述灰度值射线在所述眼部图像的坐标(i,j)处的灰度值。
在本发明的一个实施例中,所述灰度梯度为:
其中,f为灰度值。
在本发明的一个实施例中,利用所述瞳孔边界点确定眼睛状态,包括:
根据所述瞳孔边界点计算眼睛闭合度;
通过眼睛闭合度与闭合阈值的关系确定眼睛状态。
在本发明的一个实施例中,所述眼睛闭合度公式为:
其中,X为瞳孔边界点的个数,M为上眼皮方向的灰度值射线条数,N为下眼皮方向的灰度值射线条数。
在本发明的一个实施例中,通过眼睛闭合度与闭合阈值的关系确定眼睛状态,包括:
当θ大于第一闭合度阈值时,眼睛状态为闭合;
当θ小于第二闭合度阈值时,眼睛状态为睁开;
否则,眼睛状态为半睁半闭。
基于此,本发明具备如下优点:
本发明提供的基于瞳孔特征判断眼睛状态的方法的优点有:
1)本发明对人脸、偏转角度、背景、光照、眼睑、睫毛和镜面反光等条件的制约少,准确率较高;
2)本发明无需大量训练样本,算法简便,计算效率高;
3)本发明无需昂贵复杂的设备,成本低廉。
通过以下参考附图的详细说明,本发明的其它方面和特征变得明显。但是应当知道,该附图仅仅为解释的目的设计,而不是作为本发明的范围的限定,这是因为其应当参考附加的权利要求。还应当知道,除非另外指出,不必要依比例绘制附图,它们仅仅力图概念地说明此处描述的结构和流程。
附图说明
下面将结合附图,对本发明的具体实施方式进行详细的说明。
图1为本发明实施例提供的一种基于瞳孔特征的眼睛状态检测方法的示意图;
图2为本发明实施例提供的眼睛处于睁开状态瞳孔边界点示意图;
图3为本发明实施例提供的眼睛处于闭合状态瞳孔边界点示意图;
图4为本发明实施例提供的眼睛处于半睁半闭状态瞳孔特边界点意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。
实施例一
请参见图1,图1为本发明实施例提供的一种基于瞳孔特征的眼睛状态检测方法的示意图。该方法包括如下步骤:
步骤1、根据眼部图像定位瞳孔中心点;
步骤2、在所述眼部图像中以所述瞳孔中心点为起点形成多条灰度值射线;
步骤3、通过所述灰度值射线计算确定瞳孔边界点;
步骤4、利用所述瞳孔边界点确定眼睛状态。
其中,对于步骤1,可以包括:
将所述眼部图像转化为眼部灰度图;
对所述眼部灰度图进行灰度对比度增强预处理;
根据预处理后的所述眼部灰度图估算出所述瞳孔中心点。
其中,对于步骤1中根据预处理后的所述眼部灰度图估算出所述瞳孔中心点,可以包括:
根据预处理后的所述眼部灰度图估算出眼部中心区域,查找所述眼部中心区域灰度值最小的点定位为所述瞳孔中心点。
其中,对于步骤2,可以包括:
在所述眼部图像中,以所述瞳孔中心点为起点,沿上眼皮方向形成M条所述灰度值射线;
以所述瞳孔中心点为起点,沿下眼皮方向形成N条所述灰度值射线。
其中,对于步骤3,可以包括:
计算所述灰度值射线在所述眼部图像中的灰度值偏微分;
根据所述灰度值偏微分计算灰度梯度;
求解所述灰度梯度的最大值;
将所述最大值确定为所述瞳孔边界点。
其中,对于步骤3中所述灰度值偏微分为:
其中,f(i,j)为所述灰度值射线在所述眼部图像的坐标(i,j)处的灰度值。
其中,对于步骤3中所述灰度梯度为:
其中,f为灰度值。其中,对于步骤4,可以包括:
根据所述瞳孔边界点计算眼睛闭合度;
通过眼睛闭合度与闭合阈值的关系确定眼睛状态。
其中,对于步骤4中所述眼睛闭合度公式为:
其中,X为瞳孔边界点的个数,M为上眼皮方向的灰度值射线条数,N为下眼皮方向的灰度值射线条数。
其中,对于步骤4中通过眼睛闭合度与闭合阈值的关系确定眼睛状态,包括:
当θ大于第一闭合度阈值时,眼睛状态为闭合;
当θ小于第二闭合度阈值时,眼睛状态为睁开;
否则,眼睛状态为半睁半闭。
本发明提出的基于瞳孔特征的眼睛状态检测方法,无需大量的高清图像学习模板,能够较好的降低运算复杂度,提高实时性,可靠性高,具有广泛的应用前景,此外本发明无需昂贵复杂的设备,成本低廉。
实施例二
在上述实施例的基础上,本实施例对基于瞳孔特征的眼睛状态检测方法进一步说明。
该方法包括如下步骤:
步骤1、获取眼部图像
获取眼部图像之后,处理眼部图像,将眼睛部位调整为水平位置。
将眼部图像转化为眼部灰度图,对眼部灰度图进行灰度对比度增强预处理,处理方法为:
f=c*log(1+double(f0))
其中,f0表示原图像,f表示对比度增强后的图像。
将对比度增强后的图像做拉普拉斯滤波处理。
对眼部灰度图进行灰度对比度增强预处理更有利于瞳孔和外部区域的区分;另外拉普拉斯滤波的无方向性可以对眼部图像做各个方向的去噪。
步骤2、定位瞳孔中心点
将步骤1中处理后的眼部灰度图估算出眼部中心区域,查找眼部中心区域灰度值最小的点,若该点近似位于眼部中心区域的中点,则定位为瞳孔中心点;否则,继续查找,直到找到近似位于眼部中心区域的中点附近的灰度值最小点。
步骤3、以瞳孔中心点为起点发灰度值射线
以瞳孔中心点为起点沿上眼皮方向发射直线,可以形成M条灰度值射线;同样,以瞳孔中心点为起点沿下眼皮方向发射直线,可以形成N条灰度值射线。M和N可以相等也可以不等,M和N的条数越多,检测结果越精确。
步骤4、确定瞳孔边界点
瞳孔区域灰度明显低于其他区域,在边界位置梯度变化剧烈,灰度值的偏微分为:
其中,令f(i,j)为图像f坐标(i,j)处的灰度值;
则该方向的灰度梯度为:
提取D最大的点,记作Dmax;当Dmax>边界点阈值,则该点为瞳孔边界点。其中,边界点阈值选取大于瞳孔和皮肤交界处的灰度梯度且小于瞳孔和眼白交界处的灰度梯度的特定值,根据个体差异自行定义。瞳孔边界点处于瞳孔部分和眼白部分交替处。
步骤5、利用瞳孔边界点确定眼睛状态
51)、通过步骤4瞳孔边界点确定方法确定步骤3中射线方向的瞳孔边界点,假设确定共有X个瞳孔边界点;
52)、通过眼睛闭合度公式计算眼睛闭合度,具体为:
53)选取闭合度阈值,分别选择第一闭合度阈值与第二闭合度阈值,
当θ大于第一闭合度阈值时,眼睛状态为闭合;
当θ小于第二闭合度阈值时,眼睛状态为睁开;
否则,眼睛状态为半睁半闭;
其中,第一闭合度阈值越大,眼睛越闭合,第一闭合度阈值理论最大值为1;
第二闭合度阈值越小,眼睛越睁开,第二闭合度阈值理论最小值为0;
可以根据个体差异以及应用需求选择不同的闭合度阈值。
人的眼睛瞳孔较小,灰度低,不会因为个人生理因素导致瞳孔图像被眼睑遮挡,当正常睁开状态时,瞳孔是完整的,当处于闭合是通孔消失,当处于睁开和闭合中间态时,瞳孔上下边缘被遮挡,因此利用检测瞳孔边界判断眼睛睁闭。
实施例3
在上述实施例的基础上,本实施例对基于瞳孔特征的眼睛状态检测方法举例说明。
请参见图2,图2为本发明实施例提供的眼睛处于睁开状态瞳孔边界点示意图。如图所示,选取第一闭合度阈值为0.8,第二闭合度阈值为0.2,以瞳孔中心点为起点分别沿上眼皮方向发射M(M取50)条灰度值射线,沿下眼皮方向发射N(N取50)条灰度值射线;在射线方向一共可以确定X(90)个瞳孔边界点,带入眼睛闭合度公式,求得θ为0.1,θ小于第二闭合度阈值为0.2,因此眼睛处于睁开状态。
请继续参见图3,图3为本发明实施例提供的眼睛处于闭合状态瞳孔边界点示意图。如图所示,选取第一闭合度阈值为0.8,第二闭合度阈值为0.2,以瞳孔中心点为起点分别沿上眼皮方向发射M(M取50)条灰度值射线,沿下眼皮方向发射N(N取50)条灰度值射线;在射线方向一共可以确定X(10)个瞳孔边界点,带入眼睛闭合度公式,求得θ为0.9,θ大于第一闭合度阈值为0.2,因此眼睛处于闭合状态。
请参见图4,图4为本发明实施例提供的眼睛处于半睁半闭状态瞳孔特边界点意图。如图所示,选取第一闭合度阈值为0.8,第二闭合度阈值为0.2,以瞳孔中心点为起点分别沿上眼皮方向发射M(M取50)条灰度值射线,沿下眼皮方向发射N(N取50)条灰度值射线;在射线方向一共可以确定X(60)个瞳孔边界点,带入眼睛闭合度公式,求得θ为0.4,θ大于第二闭合度阈值为0.2,小于第一闭合度阈值为0.8,因此眼睛处于半睁半闭状态。
综上所述,本文中应用了具体个例对本发明一种基于瞳孔特征的眼睛状态检测方法进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制,本发明的保护范围应以所附的权利要求为准。
Claims (10)
1.一种基于瞳孔特征的眼睛状态检测方法,其特征在于,包括:
根据眼部图像定位瞳孔中心点;
在所述眼部图像中以所述瞳孔中心点为起点形成多条灰度值射线;
通过所述灰度值射线计算确定瞳孔边界点;
利用所述瞳孔边界点确定眼睛状态。
2.根据权利要求1所述的方法,其特征在于,根据眼部图像定位瞳孔中心点,包括:
将所述眼部图像转化为眼部灰度图;
对所述眼部灰度图进行灰度对比度增强预处理;
根据预处理后的所述眼部灰度图估算出所述瞳孔中心点。
3.根据权利要求2所述的方法,其特征在于,根据预处理后的所述眼部灰度图估算出所述瞳孔中心点,包括:
根据预处理后的所述眼部灰度图估算出眼部中心区域,查找所述眼部中心区域灰度值最小的点定位为所述瞳孔中心点。
4.根据权利要求1所述的方法,其特征在于,在所述眼部图像中以所述瞳孔中心点为起点形成多条灰度值射线,包括:
在所述眼部图像中,以所述瞳孔中心点为起点,沿上眼皮方向形成M条所述灰度值射线;
以所述瞳孔中心点为起点,沿下眼皮方向形成N条所述灰度值射线。
5.根据权利要求4所述的方法,其特征在于,通过所述灰度值射线计算确定瞳孔边界点,包括:
计算所述灰度值射线在所述眼部图像中的灰度值偏微分;
根据所述灰度值偏微分计算灰度梯度;
求解所述灰度梯度的最大值;
将所述最大值确定为所述瞳孔边界点。
6.根据权利要求5所述的方法,其特征在于,所述灰度值偏微分为:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mfrac>
<mrow>
<mo>&part;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>x</mi>
</mrow>
</mfrac>
<mo>=</mo>
<msub>
<mi>&Delta;</mi>
<mi>x</mi>
</msub>
<mi>f</mi>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
<mo>=</mo>
<mi>f</mi>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
<mo>-</mo>
<mi>f</mi>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<mo>&part;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>y</mi>
</mrow>
</mfrac>
<mo>=</mo>
<msub>
<mi>&Delta;</mi>
<mi>y</mi>
</msub>
<mi>f</mi>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
<mo>=</mo>
<mi>f</mi>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
<mo>-</mo>
<mi>f</mi>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,f(i,j)为所述灰度值射线在所述眼部图像的坐标(i,j)处的灰度值。
7.根据权利要求5所述的方法,其特征在于,所述灰度梯度为:
其中,f为灰度值。
8.根据权利要求5所述的方法,其特征在于,利用所述瞳孔边界点确定眼睛状态,包括:
根据所述瞳孔边界点计算眼睛闭合度;
通过眼睛闭合度与闭合阈值的关系确定眼睛状态。
9.根据权利要求8所述的方法,其特征在于,所述眼睛闭合度公式为:
<mrow>
<mi>&theta;</mi>
<mo>=</mo>
<mrow>
<mo>|</mo>
<mfrac>
<mrow>
<mi>M</mi>
<mo>+</mo>
<mi>N</mi>
<mo>-</mo>
<mi>X</mi>
</mrow>
<mrow>
<mi>M</mi>
<mo>+</mo>
<mi>N</mi>
</mrow>
</mfrac>
<mo>|</mo>
</mrow>
</mrow>
其中,X为瞳孔边界点的个数,M为上眼皮方向的灰度值射线条数,N为下眼皮方向的灰度值射线条数。
10.根据权利要求9所述的方法,其特征在于,通过眼睛闭合度与闭合阈值的关系确定眼睛状态,包括:
当θ大于第一闭合度阈值时,眼睛状态为闭合;
当θ小于第二闭合度阈值时,眼睛状态为睁开;
否则,眼睛状态为半睁半闭。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711240080.8A CN107977622B (zh) | 2017-11-30 | 2017-11-30 | 基于瞳孔特征的眼睛状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711240080.8A CN107977622B (zh) | 2017-11-30 | 2017-11-30 | 基于瞳孔特征的眼睛状态检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107977622A true CN107977622A (zh) | 2018-05-01 |
CN107977622B CN107977622B (zh) | 2021-10-26 |
Family
ID=62008665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711240080.8A Active CN107977622B (zh) | 2017-11-30 | 2017-11-30 | 基于瞳孔特征的眼睛状态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107977622B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109522868A (zh) * | 2018-11-30 | 2019-03-26 | 北京七鑫易维信息技术有限公司 | 一种检测眨眼的方法和装置 |
CN109857254A (zh) * | 2019-01-31 | 2019-06-07 | 京东方科技集团股份有限公司 | 瞳孔定位方法和装置、vr/ar设备以及计算机可读介质 |
CN111368717A (zh) * | 2020-03-02 | 2020-07-03 | 广州虎牙科技有限公司 | 视线确定方法、装置、电子设备和计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5805720A (en) * | 1995-07-28 | 1998-09-08 | Mitsubishi Denki Kabushiki Kaisha | Facial image processing system |
CN101523411A (zh) * | 2006-11-06 | 2009-09-02 | 丰田自动车株式会社 | 眼开度检测系统及眼开度检测方法 |
CN103294198A (zh) * | 2013-05-23 | 2013-09-11 | 深圳先进技术研究院 | 一种基于移动终端的人机交互方法及系统 |
CN106774863A (zh) * | 2016-12-03 | 2017-05-31 | 西安中科创星科技孵化器有限公司 | 一种基于瞳孔特征实现视线追踪的方法 |
-
2017
- 2017-11-30 CN CN201711240080.8A patent/CN107977622B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5805720A (en) * | 1995-07-28 | 1998-09-08 | Mitsubishi Denki Kabushiki Kaisha | Facial image processing system |
CN101523411A (zh) * | 2006-11-06 | 2009-09-02 | 丰田自动车株式会社 | 眼开度检测系统及眼开度检测方法 |
CN103294198A (zh) * | 2013-05-23 | 2013-09-11 | 深圳先进技术研究院 | 一种基于移动终端的人机交互方法及系统 |
CN106774863A (zh) * | 2016-12-03 | 2017-05-31 | 西安中科创星科技孵化器有限公司 | 一种基于瞳孔特征实现视线追踪的方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109522868A (zh) * | 2018-11-30 | 2019-03-26 | 北京七鑫易维信息技术有限公司 | 一种检测眨眼的方法和装置 |
CN109522868B (zh) * | 2018-11-30 | 2021-07-23 | 北京七鑫易维信息技术有限公司 | 一种检测眨眼的方法和装置 |
CN109857254A (zh) * | 2019-01-31 | 2019-06-07 | 京东方科技集团股份有限公司 | 瞳孔定位方法和装置、vr/ar设备以及计算机可读介质 |
US11315281B2 (en) | 2019-01-31 | 2022-04-26 | Beijing Boe Optoelectronics Technology Co., Ltd. | Pupil positioning method and apparatus, VR/AR apparatus and computer readable medium |
CN111368717A (zh) * | 2020-03-02 | 2020-07-03 | 广州虎牙科技有限公司 | 视线确定方法、装置、电子设备和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107977622B (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9842247B2 (en) | Eye location method and device | |
WO2017107957A1 (zh) | 人脸图像的检索方法及装置 | |
US20210027048A1 (en) | Human face image classification method and apparatus, and server | |
CN108053615B (zh) | 基于微表情的驾驶员疲劳驾驶状态检测方法 | |
CN104794464B (zh) | 一种基于相对属性的活体检测方法 | |
CN100592322C (zh) | 照片人脸与活体人脸的计算机自动鉴别方法 | |
Asteriadis et al. | Facial feature detection using distance vector fields | |
CN105354986A (zh) | 汽车司机驾驶状态监测系统及方法 | |
CN104766059A (zh) | 快速精确的人眼定位方法及基于人眼定位的视线估计方法 | |
CN111460950B (zh) | 自然驾驶通话行为中基于头-眼证据融合的认知分心方法 | |
CN107977622B (zh) | 基于瞳孔特征的眼睛状态检测方法 | |
CN106650574A (zh) | 基于PCANet的人脸识别方法 | |
Zhao et al. | Applying contrast-limited adaptive histogram equalization and integral projection for facial feature enhancement and detection | |
CN110705454A (zh) | 一种具有活体检测功能的人脸识别方法 | |
Qin et al. | An eye state identification method based on the Embedded Hidden Markov Model | |
CN112001215A (zh) | 一种基于三维唇动的文本无关说话人身份识别方法 | |
CN110232331A (zh) | 一种在线人脸聚类的方法及系统 | |
CN106778491B (zh) | 人脸3d特征信息的获取方法及设备 | |
RU2316051C2 (ru) | Способ и система автоматической проверки присутствия лица живого человека в биометрических системах безопасности | |
Phuong et al. | An eye blink detection technique in video surveillance based on eye aspect ratio | |
CN110879985A (zh) | 一种抗噪声数据的人脸识别模型训练方法 | |
CN105005763B (zh) | 一种基于局部特征信息挖掘的人脸识别方法及系统 | |
CN107862304B (zh) | 眼部状态的判断方法 | |
Li et al. | A feature-level solution to off-angle iris recognition | |
CN107798316B (zh) | 一种基于瞳孔特征判断眼睛状态的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220919 Address after: Room 704-1, Building 7, No. 188, Fuchunjiang Road, High-tech Zone, Suzhou City, Jiangsu Province, 215000 Patentee after: Yaoshi (Suzhou) Medical Technology Co.,Ltd. Address before: 710065 Xi'an new hi tech Zone, Shaanxi, No. 86 Gaoxin Road, No. second, 1 units, 22 stories, 12202 rooms, 51, B block. Patentee before: XI'AN CREATION KEJI Co.,Ltd. |