CN110472546A - 一种婴幼儿非接触式眼动特征提取装置及方法 - Google Patents
一种婴幼儿非接触式眼动特征提取装置及方法 Download PDFInfo
- Publication number
- CN110472546A CN110472546A CN201910724967.7A CN201910724967A CN110472546A CN 110472546 A CN110472546 A CN 110472546A CN 201910724967 A CN201910724967 A CN 201910724967A CN 110472546 A CN110472546 A CN 110472546A
- Authority
- CN
- China
- Prior art keywords
- eye
- pupil
- infant
- picture
- topography
- 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
- 230000004424 eye movement Effects 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000000605 extraction Methods 0.000 title claims abstract description 16
- 238000012876 topography Methods 0.000 claims abstract description 45
- 210000001747 pupil Anatomy 0.000 claims abstract description 37
- 210000001508 eye Anatomy 0.000 claims description 88
- 238000003384 imaging method Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 230000004936 stimulating effect Effects 0.000 claims description 2
- 239000007787 solid Substances 0.000 claims 1
- 230000002123 temporal effect Effects 0.000 abstract description 2
- 230000033001 locomotion Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 230000004886 head movement Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 210000003128 head Anatomy 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 201000009487 Amblyopia Diseases 0.000 description 1
- 206010028347 Muscle twitching Diseases 0.000 description 1
- 208000004350 Strabismus Diseases 0.000 description 1
- 230000004641 brain development Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000008133 cognitive development Effects 0.000 description 1
- 230000006998 cognitive state Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 208000030533 eye disease Diseases 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003565 oculomotor Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000010244 region-of-interest analysis Methods 0.000 description 1
- 230000021317 sensory perception Effects 0.000 description 1
- 238000012360 testing method 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
- G06V40/19—Sensors therefor
-
- 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
-
- 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
- G06V40/197—Matching; Classification
Landscapes
- Engineering & Computer Science (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)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开一种婴幼儿非接触式眼动特征提取装置，用于采集人脸居中占屏图。本发明还公开一种婴幼儿非接触式眼动特征提取方法，步骤是：将所有图片按照时间顺序排列，根据模板匹配得到初步眼部局部图像，并采用离散点集最小包围圆算法进行瞳孔边界点最小圆拟合，得到各图片对应的最终眼部局部图像，并分为睁眼状态和闭眼状态两组；睁眼状态下，首先进行预处理，然后对其进行最小椭圆拟合得到瞳孔中心和瞳孔大小；闭眼状态下直接给予闭眼属性；将睁眼状态的瞳孔中心、瞳孔大小和闭眼属性，再结合对应的时间信息，从而得到眼动特征。此种技术方案克服了眼动特征获取手段的局限性，实现了对眼动数据的典型特征的准确提取。
Description
技术领域
本发明属于婴幼儿眼动特征提取领域，特别涉及一种婴幼儿非接触式眼动特征提取装置及提取方法。
背景技术
视觉发育可塑性机制、眼球运动控制机制的研究一直是小儿眼科研究的热点。然而随着视觉发育科学的进展，其临床应用已经从眼科(眼部疾病、斜视和弱视)越来越多地延伸和交叉到发育儿科学领域。视觉是人类获取信息的主要渠道，在统合其它感知觉工作中有着重要的作用。由于婴幼儿的语言和动作尚未完全成熟，因此在能够完整进行口语表达前，视觉成为了解婴幼儿脑发育和认知发育水平的重要途径之一。
眼动的研究非常广泛，从基础生理到认知水平以及应用水平，都有大量的文献和书籍。眼动研究不但可以完整地还原被试者在各个任务界面下的注视轨迹，还可以通过划分兴趣区分析被试者在各区域内容的关注度。近年来也有相关研究表明对眼动的研究已经从对眼动表象的描述转入到内部加工机制特别是高级加工机制的揭示上，探索眼动指标在视觉加工中是怎样体现的，以及视觉认知与眼动模式的关系等；因此通过三维眼动特征窥视儿童早期甚至婴幼儿期发育和认知状态，并探究二者的深层联系和对应关系，进而转化为临床上婴幼儿相关发育障碍的早期发现、早期诊断和早期干预的新技术方法，日趋成为国内外研究的热点和大趋势。
传统上医师可以展示特定的图形或动画，对患儿进行视觉刺激，肉眼观察眼动，虽然简单易行，但只能对眼动进行比较粗略的了解，无法准确客观地反映眼动情况。随着现代科学技术的发展，新的眼动记录技术不断涌现，眼动仪是一种能够跟踪测量眼球位置及眼球运动信息的一种设备，可以记录在特定环境下眼动指标参数和视线的运动轨迹。婴幼儿选择眼动仪时必须考虑实用性和准确性的问题，目前，眼动仪大致可分为三类：(1)头部受限式眼动仪，受限的头部运动会令测试者产生不适感，不适合婴幼儿的眼动特征记录；(2)头戴式眼动仪，如头盔式、眼镜式眼动仪，这类产品仍仅针对成年人；(3)遥测式眼动仪，不仅可以记录传统的注视、眼跳、跟踪等眼部运动，而且能够对被观测对象的视线进行跟踪。遥测式眼动仪基于三维人眼模型的视线跟踪方法在进行头部建模时，考虑头部的运动状态，从而可以消除头部运动带来的影响，是目前眼动特征记录的研究热点。在视线跟踪的具体实现上，多摄像头提取立体影像的方法可以很好地解决头部运动问题，但是这类方法通常要求各个摄像头间的基线长度尽量大以保证测量精度，使得影像记录装置的尺寸难以小型化，成像装置自身也必须进行精密的校准，实时记录时的数据处理压力较大。
发明内容
本发明的目的，在于提供一种婴幼儿非接触式眼动特征提取装置及方法，其克服了眼动特征获取手段的局限性，实现了对眼动数据的典型特征的准确提取。
为了达成上述目的，本发明的解决方案是：
一种婴幼儿非接触式眼动特征提取装置，所述装置设于暗室中，包括显示屏、双目立体视觉成像拍摄系统和近红外光源，其中，显示屏设于被测婴幼儿的正前方，用于显示刺激图像/视频，供被测婴幼儿观看；双目立体视觉成像拍摄系统用于采集被测婴幼儿的人脸居中占屏图；近红外光源与双目立体视觉成像拍摄系统配合设置，朝向婴幼儿的位置，用于起到照明作用。
上述双目立体视觉成像拍摄系统包含两个近红外相机，分别设于显示屏的两侧。
一种婴幼儿非接触式眼动特征提取方法，包括如下步骤：
步骤1，由某一固定角度、固定位置采集被测婴幼儿的人脸居中占屏图，并将所有图片按照时间顺序排列，首先根据模板匹配得到各图片的初步眼部局部图像，并采用离散点集最小包围圆算法进行瞳孔边界点最小圆拟合，得到各图片对应的最终眼部局部图像；
步骤2，将步骤1得到的眼部局部图像分为睁眼状态和闭眼状态两组；
步骤3，对于睁眼状态的眼部局部图像，首先进行预处理，然后对其进行最小椭圆拟合得到瞳孔中心和瞳孔大小；对于闭眼状态的眼部局部图像，直接给予闭眼属性；
步骤4，将步骤3得到睁眼状态的瞳孔中心、瞳孔大小和闭眼属性，再结合对应的时间信息，从而得到眼动特征。
上述步骤1的具体过程是：
步骤11，在所有图片中选取时间最早的睁眼图片作为第一张图片，保留该时间点之后的所有图片，用于提取各图片对应的眼部局部图像；
步骤12，对于第一张图片，手动点击瞳孔中心，以其为中心根据设置的模板大小框出初步眼部局部图像，然后采用最小包围圆算法进行瞳孔边界点最小圆拟合，得到第一张眼部局部图像并作为下一张匹配用的模板；
步骤13，按照时间顺序选取第二张图片，基于步骤12得到的眼部局部图像，在第二张图片中进行匹配，并对匹配的图片进行最小包围圆算法进行瞳孔边界点最小圆拟合，得到对应第二张图片的眼部局部图像并作为下一张匹配用的模板；
步骤14，重复步骤13，对于每一张图片，均用前一张图片进行匹配，再进行拟合，得到步骤11所述保留的所有图片对应的眼部局部图像。
上述步骤11中，设置的模板大小是指尺寸为0.05m×0.07n，其中，m表示图片的高度，n表示图片的宽度。
上述步骤2中，区别睁眼和闭眼两种眼部状态的方法是：判断图像中瞳孔位置是否有高亮光斑，若有则判断为睁眼状态，否则为闭眼状态。
上述步骤3中，对睁眼状态的眼部局部图像进行预处理，是指依次通过进行二值化、膨胀和腐蚀处理，从而填充瞳孔中的光斑。
上述步骤3中，对于睁眼状态的眼部局部图像，拟合得到瞳孔中心和瞳孔大小的具体过程是：首先根据瞳孔边界点采用离散点集最小包围圆算法拟合得到一个初步瞳孔范围，再根据得到的半径r和圆中心，在未进行预处理的眼部局部图像上，根据半径r和圆中心提取一个圆环，该圆环的半径r1满足r-1≤r1≤r+1；再进行最小二乘法椭圆拟合，得到瞳孔的拟合，椭圆的中心xc，yc即为瞳孔中心，长轴a和短轴b的均值则表征瞳孔大小。
采用上述方案后，本发明的有益效果是：
(1)本发明有效地实现了非接触式眼部局部图像连续准确提取，成功地解决了婴幼儿低配合度导致的头部运动造成的无法准确提取眼部局部图像的难题；
(2)本发明实现了高准确度地自动化分辨睁眼和闭眼两种眼部状态，大大减少了误判率；
(3)本发明实现了眼动特征提取的自动化提取方法，大大减少了人工提取的工作量。
附图说明
图1是非约束式三维眼动特征捕获平台简图；
图2是本发明的特征提取方法流程图；
图3是提取眼部局部图像的流程示意图；
图4是自动提取眼动数据—瞳孔拟合效果示意图。
具体实施方式
以下将结合附图，对本发明的技术方案及有益效果进行详细说明。
如图1所示，本发明提供一种婴幼儿非接触式眼动特征提取装置，设于暗室中，包括显示屏、双目立体视觉成像拍摄系统和近红外光源，其中，显示屏可采用大尺寸电脑屏幕，用于显示刺激图像/视频，供婴幼儿观看；双目立体视觉成像拍摄系统由两个近红外相机构成，光圈大小为1.4，采集速度为10-20帧/秒，增益为5000-5600us，所述两个近红外相机分别设于显示屏的两侧，其位置需满足能够拍到人脸居中占屏图；近红外光源采用两条640nm、功率为20.16W的条形近红外光源，位于两个近红外相机的下方，朝向婴幼儿的位置，用于起到照明作用；在本实施例中，将摄像机采用装置支架进行固定，装置支架的尺寸为1.2m×0.9m，被测婴幼儿位于显示屏正前方，距离屏幕1m，其眼睛高度和屏幕中央齐平。
根据本发明得到的非约束式三维眼动特征捕获平台如图1所示，其可利用非接触实现对婴幼儿眼图的提取，根据其非接触特性，特别适合0-3岁低龄儿童，解决了由于婴幼儿低配合度导致的头部运动造成的无法准确提取眼动数据的难题。平台采集的图片本身是连续高速的，再通过不断更新的模板，进行眼部追踪的模板匹配，从而实现非接触提取眼部局部图像。
如图2所示，本发明提供一种婴幼儿非接触式眼动特征提取方法，分别针对每个相机采集的一组图片，包括提取眼部局部图像、睁闭眼判断和眼动特征提取三个部分，下面分别介绍。
配合图3所示，采用模板匹配结合瞳孔边界点最小圆拟合的方法提取眼部局部图像，其核心思想是不断更新模板，以保持眼部追踪的模板匹配，模板的大小固定，在本实施例中，选取其尺寸为0.05m×0.07n，其中，m表示相机采集图片的高度，n表示相机采集图片的宽度，模板尺寸是根据多次实验选取的能够确保将所有被测者的眼睛都框出的经验值；具体流程是：首先按照时间先后选取时间最早的睁眼图片作为第一张图片(考虑到图中被测者的肖像权，将图片中眼睛以外区域进行打码处理)，研究对象为该时间点之后的所有图片，手动点击瞳孔中心，以其为中心并按照模板的大小提取第一张图片的眼部局部图像，对提取的眼部局部图像采用离散点集最小包围圆算法进行拟合，根据拟合的中心，对图像进行更新，得到第一张眼部局部图像并作为下一张匹配用的模板；然后，按照时间顺序选取第二张图片，基于第一个模板在第二张图片中进行匹配，得到对应第二张图片的眼部局部图像；为了防止模板匹配的误差，对于匹配的图片，采用最小包围圆算法进行瞳孔边界点最小圆拟合，根据拟合的中心，更新第二张眼部局部图像并作为下一张匹配用的模板；以此类推，得到该组图片的所有眼部局部图像。
然后，对得到的所有眼部局部图像，根据实验环境下造成的瞳孔位置的高亮光斑，即只要判断图像中是否存在RGB＝255的像素点，来进行睁闭眼的判断，从而将眼部局部图像分为睁眼的眼部局部图像和闭眼的眼部局部图像，便于按状态依次进行眼部特征提取。
眼动特征提取根据睁眼状态和闭眼状态有所不同，分别说明如下：
首先为了更好地提取瞳孔，对睁眼的眼部局部图像进行二值化、膨胀、腐蚀从而来填充瞳孔中的光斑，但这些处理可能会造成部分瞳孔边界点的缺失，因此，需要根据上述边界点进行采用离散点集最小包围圆算法拟合得到一个大致瞳孔范围，再根据拟合结果：半径r和圆中心，在原图上提取一个圆环(r-1≤r1≤r+1)进行更加精确的瞳孔边界提取，再进行最小二乘法椭圆拟合，详见式(1)～(5)：
Ax2+Bxy+Cy2+Dx+Ey+F＝0 (1)
从而获取椭圆中心xc，yc、长轴a和短轴b(即瞳孔中心和瞳孔大小)。
对于闭眼的眼部局部图像，直接给予闭眼属性。
如图4所示是自动提取眼动数据—瞳孔拟合效果示意图。
得到睁眼状态的瞳孔中心和瞳孔大小，或者闭眼属性后，再结合对应的时间信息，则可以得到被测婴幼儿的眼动特征。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
Claims (8)
1.一种婴幼儿非接触式眼动特征提取装置，其特征在于：所述装置设于暗室中，包括显示屏、双目立体视觉成像拍摄系统和近红外光源，其中，显示屏设于被测婴幼儿的正前方，用于显示刺激图像/视频，供被测婴幼儿观看；双目立体视觉成像拍摄系统用于采集被测婴幼儿的人脸居中占屏图；近红外光源与双目立体视觉成像拍摄系统配合设置，朝向婴幼儿的位置，用于起到照明作用。
2.如权利要求1所述的婴幼儿非接触式眼动特征提取装置，其特征在于：所述双目立体视觉成像拍摄系统包含两个近红外相机，分别设于显示屏的两侧。
3.一种婴幼儿非接触式眼动特征提取方法，其特征在于包括如下步骤：
步骤1，由某一固定角度、固定位置采集被测婴幼儿的人脸居中占屏图，并将所有图片按照时间顺序排列，首先根据模板匹配得到各图片的初步眼部局部图像，并采用离散点集最小包围圆算法进行瞳孔边界点最小圆拟合，得到各图片对应的最终眼部局部图像；
步骤2，将步骤1得到的最终眼部局部图像分为睁眼状态和闭眼状态两组；
步骤3，对于睁眼状态的眼部局部图像，首先进行预处理，然后对其进行最小椭圆拟合得到瞳孔中心和瞳孔大小；对于闭眼状态的眼部局部图像，直接给予闭眼属性；
步骤4，将步骤3得到睁眼状态的瞳孔中心、瞳孔大小和闭眼属性，再结合对应的时间信息，从而得到眼动特征。
4.如权利要求3所述的婴幼儿非接触式眼动特征提取方法，其特征在于：所述步骤1的具体过程是：
步骤11，在所有图片中选取时间最早的睁眼图片作为第一张图片，保留该时间点之后的所有图片，用于提取各图片对应的眼部局部图像；
步骤12，对于第一张图片，手动点击瞳孔中心，以其为中心根据设置的模板大小框出初步眼部局部图像，然后采用最小包围圆算法进行瞳孔边界点最小圆拟合，得到第一张眼部局部图像并作为下一张匹配用的模板；
步骤13，按照时间顺序选取第二张图片，基于步骤12得到的眼部局部图像，在第二张图片中进行匹配，并对匹配的图片进行最小包围圆算法进行瞳孔边界点最小圆拟合，得到对应第二张图片的眼部局部图像并作为下一张匹配用的模板；
步骤14，重复步骤13，对于每一张图片，均用前一张图片进行匹配，再进行拟合，得到步骤11所述保留的所有图片对应的眼部局部图像。
5.如权利要求4所述的婴幼儿非接触式眼动特征提取方法，其特征在于：所述步骤11中，设置的模板大小是指尺寸为0.05m×0.07n，其中，m表示图片的高度，n表示图片的宽度。
6.如权利要求3所述的婴幼儿非接触式眼动特征提取方法，其特征在于：所述步骤2中，区别睁眼和闭眼两种眼部状态的方法是：判断图像中瞳孔位置是否有高亮光斑，若有则判断为睁眼状态，否则为闭眼状态。
7.如权利要求3所述的婴幼儿非接触式眼动特征提取方法，其特征在于：所述步骤3中，对睁眼状态的眼部局部图像进行预处理，是指依次通过进行二值化、膨胀和腐蚀处理，从而填充瞳孔中的光斑。
8.如权利要求3所述的婴幼儿非接触式眼动特征提取方法，其特征在于：所述步骤3中，对于睁眼状态的眼部局部图像，拟合得到瞳孔中心和瞳孔大小的具体过程是：首先根据瞳孔边界点采用离散点集最小包围圆算法拟合得到一个初步瞳孔范围，再根据得到的半径r和圆中心，在未进行预处理的眼部局部图像上，根据半径r和圆中心提取一个圆环，该圆环的半径r1满足r-1≤r1≤r+1；再进行最小二乘法椭圆拟合，得到瞳孔的拟合，椭圆的中心xc，yc即为瞳孔中心，长轴a和短轴b的均值则表征瞳孔大小。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910724967.7A CN110472546B (zh) | 2019-08-07 | 2019-08-07 | 一种婴幼儿非接触式眼动特征提取装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910724967.7A CN110472546B (zh) | 2019-08-07 | 2019-08-07 | 一种婴幼儿非接触式眼动特征提取装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110472546A true CN110472546A (zh) | 2019-11-19 |
| CN110472546B CN110472546B (zh) | 2024-01-12 |
Family
ID=68510344
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910724967.7A Active CN110472546B (zh) | 2019-08-07 | 2019-08-07 | 一种婴幼儿非接触式眼动特征提取装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110472546B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112629424A (zh) * | 2020-11-24 | 2021-04-09 | 江南大学 | 高精度夹芯阀外径动态视觉测量系统及方法 |
| WO2021115097A1 (zh) * | 2019-12-13 | 2021-06-17 | Oppo广东移动通信有限公司 | 瞳孔检测方法及相关产品 |
| CN116687340A (zh) * | 2023-06-26 | 2023-09-05 | 湖南火眼医疗科技有限公司 | 一种基于人脸眼部特征识别的眼科检查辅助设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070140531A1 (en) * | 2005-01-26 | 2007-06-21 | Honeywell International Inc. | standoff iris recognition system |
| CN106037627A (zh) * | 2016-05-20 | 2016-10-26 | 上海青研科技有限公司 | 一种婴幼儿全自动视力检查方法及装置 |
| CN107784300A (zh) * | 2017-11-30 | 2018-03-09 | 西安科锐盛创新科技有限公司 | 防闭眼拍照方法及其系统 |
| CN108595008A (zh) * | 2018-04-27 | 2018-09-28 | 北京计算机技术及应用研究所 | 基于眼动控制的人机交互方法 |
-
2019
- 2019-08-07 CN CN201910724967.7A patent/CN110472546B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070140531A1 (en) * | 2005-01-26 | 2007-06-21 | Honeywell International Inc. | standoff iris recognition system |
| CN106037627A (zh) * | 2016-05-20 | 2016-10-26 | 上海青研科技有限公司 | 一种婴幼儿全自动视力检查方法及装置 |
| CN107784300A (zh) * | 2017-11-30 | 2018-03-09 | 西安科锐盛创新科技有限公司 | 防闭眼拍照方法及其系统 |
| CN108595008A (zh) * | 2018-04-27 | 2018-09-28 | 北京计算机技术及应用研究所 | 基于眼动控制的人机交互方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021115097A1 (zh) * | 2019-12-13 | 2021-06-17 | Oppo广东移动通信有限公司 | 瞳孔检测方法及相关产品 |
| CN112629424A (zh) * | 2020-11-24 | 2021-04-09 | 江南大学 | 高精度夹芯阀外径动态视觉测量系统及方法 |
| CN112629424B (zh) * | 2020-11-24 | 2021-09-24 | 江南大学 | 高精度夹芯阀外径动态视觉测量系统及方法 |
| CN116687340A (zh) * | 2023-06-26 | 2023-09-05 | 湖南火眼医疗科技有限公司 | 一种基于人脸眼部特征识别的眼科检查辅助设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110472546B (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Holmqvist et al. | RETRACTED ARTICLE: Eye tracking: empirical foundations for a minimal reporting guideline | |
| CN106598221B (zh) | 基于眼部关键点检测的3d视线方向估计方法 | |
| Einhäuser et al. | Human eye-head co-ordination in natural exploration | |
| CN106037627B (zh) | 一种婴幼儿全自动视力检查方法及装置 | |
| CN106774863A (zh) | 一种基于瞳孔特征实现视线追踪的方法 | |
| CN110032278A (zh) | 一种人眼感兴趣物体的位姿识别方法、装置及系统 | |
| CN110472546A (zh) | 一种婴幼儿非接触式眼动特征提取装置及方法 | |
| CN111933275B (zh) | 一种基于眼动与面部表情的抑郁评估系统 | |
| US20150050628A1 (en) | Autism diagnosis support method and system, and autism diagnosis support device | |
| CN109712710A (zh) | 一种基于三维眼动特征的婴幼儿发育障碍智能评估方法 | |
| CN111202663A (zh) | 一种基于vr技术的视觉训练学习系统 | |
| CN104809424A (zh) | 一种基于虹膜特征实现视线追踪的方法 | |
| Bérard et al. | Practical Person‐Specific Eye Rigging | |
| Noris et al. | Calibration-free eye gaze direction detection with gaussian processes | |
| Lu et al. | Neural 3D gaze: 3D pupil localization and gaze tracking based on anatomical eye model and neural refraction correction | |
| CN110096978A (zh) | 基于机器视觉的偏心摄影验光图像处理的方法 | |
| CN113065398B (zh) | 一种眼球震颤监测方法及系统 | |
| CN112155511B (zh) | 一种基于深度学习补偿oct采集过程中人眼抖动的方法 | |
| CN115294018A (zh) | 一种基于rgb-d图像的颈部肌张力障碍识别系统 | |
| CN113662822B (zh) | 一种基于眼动的视标调整方法、视觉训练方法及装置 | |
| CN110414302A (zh) | 非接触式的瞳距测量方法及系统 | |
| CN104905764B (zh) | 一种基于fpga的高速视线跟踪方法 | |
| CN203882018U (zh) | 一种3d眼镜及3d显示系统 | |
| Abdulin et al. | Custom video-oculography device and its application to fourth purkinje image detection during saccades | |
| CN113011286B (zh) | 基于视频的深度神经网络回归模型的斜视判别方法及系统 |
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 |