CN116311486A - 一种视线估计方法、装置、设备及介质 - Google Patents
一种视线估计方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116311486A CN116311486A CN202310274151.5A CN202310274151A CN116311486A CN 116311486 A CN116311486 A CN 116311486A CN 202310274151 A CN202310274151 A CN 202310274151A CN 116311486 A CN116311486 A CN 116311486A
- Authority
- CN
- China
- Prior art keywords
- sight
- line
- angle
- right eye
- left eye
- 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.)
- Pending
Links
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Ophthalmology & Optometry (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种视线估计方法、装置、设备及介质,在需要进行视线估计时,获取左眼图像和右眼图像。将左眼图像和右眼图像输入预先训练的视线估计模型中,获得该视线估计模型输出的单眼视线估计结果,即左眼视线角度和右眼视线角度,以及双眼视线估计结果,即双眼组合视线角度。其中,视线估计模型是通过约束单眼视线角度与双眼视线角度一致性训练生成的。也就是,通过本申请提供的技术方案,由于视线估计模型是通过约束单眼视线角度与双眼视线角度一致性训练生成的,从而可以提高视线估计准确度,而且不仅可以获取单眼视线估计结果,还可以获取双眼视线估计结果,满足不同应用场景需求。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种视线估计方法、装置、设备及介质。
背景技术
视线估计技术是利用机械、电子、光学等各种检测手段获取用户当前“注视方向”的技术,被广泛应用于人机交互、智能驾驶、医疗等领域。
目前通常采用眼球模型进行视线估计,而该种方法需要获取较好的光斑和瞳孔成像。当视线的角度较大时,光斑和成像较差,导致视线估计失败或误差较大。
发明内容
有鉴于此,本申请实施例提供一种视线估计方法、装置、设备及介质,以实现准确的视线估计。
为实现上述目的,本申请提供的技术方案如下:
在本申请第一方面,提供了一种视线估计方法,该方法包括:
获取左眼图像和右眼图像;
将所述左眼图像和所述右眼图像输入视线估计模型,获得第一视线估计结果,所述第一视线估计结果包括左眼视线角度、右眼视线角度以及双眼组合视线角度,所述视线估计模型是通过约束单眼视线角度与双眼视线角度一致性训练生成的。
在本申请第二方面,提供了一种视线估计装置,所述装置包括:
第一获取单元,用于获取左眼图像和右眼图像;
第二获取单元,用于将所述左眼图像和所述右眼图像输入视线估计模型,获得第一视线估计结果,所述第一视线估计结果包括左眼视线角度、右眼视线角度以及双眼组合视线角度,所述视线估计模型是通过约束单眼视线角度与双眼视线角度一致性训练生成的。
在本申请第三方面,提供了一种电子设备,所述设备包括:处理器和存储器;
所述存储器,用于存储指令或计算机程序;
所述处理器,用于执行所述存储器中的所述指令或计算机程序,以使得所述电子设备执行第一方面所述的方法。
在本申请第四方面,提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述指令在设备上运行时,使得所述设备执行第一方面所述的方法。
在本申请第五方面,提供了一种计算机程序产品,所述计算机程序产品包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现第一方面所述的方法。
由此可见,本申请具有如下有益效果:
本申请中,在需要进行视线估计时,获取左眼图像和右眼图像。将左眼图像和右眼图像输入预先训练的视线估计模型中,获得该视线估计模型输出的单眼视线估计结果,即左眼视线角度和右眼视线角度,以及双眼视线估计结果,即双眼组合视线角度。其中,视线估计模型是通过约束单眼视线角度与双眼视线角度一致性训练生成的。也就是,通过本申请提供的技术方案,由于视线估计模型是通过约束单眼视线角度与双眼视线角度一致性训练生成的,从而可以提高视线估计准确度,而且不仅可以获取单眼视线估计结果,还可以获取双眼视线估计结果,满足不同应用场景需求。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种生成视线估计模型方法流程图;
图2为本申请实施例提供的一种视线估计模型结构图;
图3为本申请实施例提供的一种视线估计方法流程示意图;
图4为本申请实施例提供的一种视线估计装置结构图;
图5为本申请实施例提供的一种电子设备结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为便于理解本申请的技术方案,下面将先对本申请中视线估计模型的训练过程进行说明。
参见图1,该图为本身实施例提供的一种视线估计模型生成方法流程图,如图1所示该方法可以由视线估计客户端执行,该视线估计客户端可以安装在电子设备中。其中,电子设备可以包括移动电话、平板电脑、笔记本电脑、台式电脑、车载终端、可穿戴电子设备、一体机、智能家居设备等具有通信功能的设备,也可以是虚拟机或者模拟器模拟的设备。如图1所示,该方法可以包括如下步骤:
S101:获取训练样本。
本实施例中,为训练生成视线估计模型,可以预先获取大量的训练样本,该训练样本中包括训练左眼图像、训练左眼图像对应的第一视线角度;训练右眼图像、训练右眼图像对应的第二视线角度;以及第三组合视线角度。也就是,参与训练的图像存在对应的标签,单眼视线角度以及双眼组合视线角度。
其中,第一视线角度、第二视线角度以及第三组合视线角度可以分别为三维角度,包括俯仰角pitch(围绕X旋转)、偏航角yaw(围绕Y轴旋转)以及翻滚角roll(围绕Z轴旋转)。通常情况下,在视线估计的场景小,绕Z轴旋转较少,上述视线角度可以仅包括俯仰角pitch和偏航角yaw,翻滚角可以做归一化处理。
其中,获取训练左眼图像和训练右眼图像时,可以通过视线估计设备分别获取训练左眼图像和训练右眼图像,也可以获取一张包括左眼和右眼的训练图像,对该图像进行裁剪获得训练左眼图像和训练右眼图像。具体地,可以通过以下方式对图像进行裁剪获得训练左眼图像和训练右眼图像:
(1)从训练图像中获取左眼的内外眼角坐标和右眼的内外眼角坐标。
本实施例中,可以通过人脸关键点识别方法得到左眼的内外眼角坐标和右眼的内外眼角坐标。
(2)基于左眼的内外眼角坐标确定左眼区域,以及基于右眼的内外眼角坐标确定右眼区域。
其中,基于左眼的内外眼角坐标确定左眼区域,可以通过以下方式获得:基于左眼的内外眼角坐标确定左眼的内外眼角的第三距离;基于左眼的内眼角坐标以及第三距离确定左眼区域。
具体地,将内眼角和外眼角连接得到矩形框,将该矩形框向外扩,得到眼部区域。例如,根据内眼角坐标为(xi,yi)、外眼角坐标为(x0,y0),将二者连接得到的矩形框向外扩,得到眼部区域R(x1,y1,x2,y2)。其中,矩形框坐标(x1,y1,x2,y2)的计算方式如下:
2.得到矩形框的下侧y坐标y2=yi+0.15*d;
3.得到矩形框的上侧y坐标y1=yi-1.15*d;
4.得到左侧x坐标:若内眼角在外眼角的左侧,则x1=xi-0.2*d,否则x1=xi-1.1*d;
5.得到右侧x坐标:若内眼角在外眼角的左侧,则x2=xi+1.1*d,否则x2=xi+0.2*d;
6.得到眼部区域R=(x1,y1,x2,y2)。
关于基于右眼的内外眼角坐标确定右眼区域可以包括:基于右眼的内外眼角坐标确定右眼的内外眼角的第四距离;基于右眼的内外眼角坐标以及第四距离确定所述右眼区域。其中,具体实现可以参见上述关于左眼区域的确定方式。
(3)基于左眼区域和右眼区域分别对训练图像进行裁剪,获得训练左眼图像和训练右眼图像。
在确定了左眼区域和右眼图区域后,基于左眼区域对训练图像进行裁剪,获得训练左眼图像,以及基于右眼区域对训练图像进行裁剪,获得训练右眼图像。
S102:将训练左眼图像和训练右眼图像输入初始模型,获得第二视线估计结果。
在获取训练左眼图像和训练右眼图像后,将上述两类图像输入初始模型,获得该初始模型输出的第二视线估计结果。其中,第二视线估计结果包括基于训练左眼图像预测的左眼视线角度、基于训练右眼图像预测的右眼视线角度以及基于训练左眼图像和训练右眼图像预测的双眼组合视线角度。
其中,初始模型可以包括特征提取模块、单眼视线预测模块和组合视线预测模块。其中,单眼视线预测模块可以包括左眼视线预测模块和右眼视线预测模块。例如,图2所示的初始模型结构图,可以包括特征提取模块1、特征提取模块2、左眼视线预测模块、右眼视线预测模块、特征拼接模块以及双眼视线预测模块。具体地,特征提取模块1分别从训练左眼图像中提取第一特征、特征提取模块2从训练右眼图像中提取第二特征。将第一特征输入左眼视线预测模块获得左眼视线角度、将第二特征输入右眼视线预测模块获得右眼视线角度、将第一特征和第二特征输入双眼视线预测模块获得双眼组合视线角度。其中,在将第一特征和第二特征输入双眼视线预测模块之前,还可以先将第一特征和第二特征进行拼接,获得拼接特征,将该拼接特征输入双眼视线预测模块中,获得该双眼视线预测模块输出的双眼组合视线角度。
其中,特征提取模块可以包括多组处理单元,每组处理单元可以包括卷积层、非线性层以及下采样层。单眼视线预测模块和双眼预测模型可以包括非线性层、下采样层、卷积层、非线性层。
S103:基于第一视线角度、第二视线角度、第三组合视线角度、左眼视线角度、右眼视线角度以及双眼组合视线角度对初始模型进行训练,直至满足预设条件,获得视线估计模型。
在获取初始模型预测的视线角度后,将预测的视线角度(左眼视线角度、右眼视线角度以及双眼组合视线角度)与图像对应的真实视线角度(第一视线角度、第二视线角度、第三组合视线角度)进行比较,获得二者之间的误差,根据该误差对初始模型的参数进行修正,直至满足预设条件,获得视线估计模型。
其中,基于第一视线角度、第二视线角度、第三组合视线角度、左眼视线角度、右眼视线角度以及双眼组合视线角度对初始模型进行训练,包括:基于第一视线角度以及左眼视线角度获得第一损失值;基于第二视线角度和右眼视线角度获得第二损失值;基于第三组合视线角度以及双眼组合视线角度获得第三损失值;基于第一损失值、第二损失值和第三损失值的加权和对初始模型进行训练。其中,第一损失值、第二损失值以及第三损失值可以为均方误差。在获得第一损失值、第二损失值以及第三损失值后,分别根据各自对应的权重计算加权和,以最小化加权和为目的,对初始模型进行训练,获得视线估计模型。其中,预设条件可以根据实际应用情况设置,例如,预设条件为上述损失值的加权和最小。
在一些实施方式中,还可以基于左眼视线角度和右眼视线角度确定交点坐标,并对该交点坐标进行转换获得第四组合视线角度;基于第三组合视线角度和第四组合视线角度获得第四损失值。在对初始模型进行训练时,将基于第一损失值、第二损失值、第三损失值以及第四损失值进行加权,利用加权结果对初始模型进行训练。即在训练初始模型时,增加了对第三组合视线角度以及第四组合视线角度(通过单眼,即左右眼视线角度确定的)的约束,尽可能是二者相同。其中,各个损失值对应的权重可以相同,也可以不同,具体可以根据实际应用情况进行确定,本实施例在此不做限定。
为便于理解,以训练左眼图像的第一视线角度为L1、训练右眼图像的第二视线角度为R1、第三组合视线角度为C1;初始模型输出的左眼视线角度为L2(包括俯仰角pitch、偏航角yaw)、右眼视线角度为R2(包括俯仰角pitch、偏航角yaw)、双眼组合视线角度为C2(包括俯仰角pitch、偏航角yaw)。则第一损失值为||L1-L2||2 2、第二损失值为||R1-R2||2 2、第三损失值为||C1-C2||2 2、第四损失值为||C1-F(L2、R2)||2 2。其中,F指示求视线焦点,即两条视线(射线)的交点。
其中,基于左眼实现角度和右眼视线角度确定交点坐标,可以包括:基于左眼视线角度获取第一视线方向坐标,以及基于右眼视线角度获取第二视线方向坐标;获取左眼视线起点坐标和右眼视线起点坐标;以左眼视线起点坐标与第一视线方向坐标的计算结果,和右眼视线起点坐标与第二视线方向坐标的计算结果相等为条件,获得交点坐标。
其中,左眼视线起点坐标和右眼视线起点坐标可以在获取训练左眼图像和训练右眼图像时获得,与拍摄训练左眼图像和训练右眼图像的设备相关。
例如,假设左眼视线起点为lst=[lstx,lsty,lstz],视线方向为ldir=[tan(L2pitch),tan(L2yaw),1];右眼视线起点为rst=[rstx,lsty,lstz],视线方向为rdir=[tan(R2pitch),tan(R2yaw),1]。需要说明的是,本实施例中将绕Z轴翻转的角度进行归一化处理。
其中,交点N=[Nx,Ny,Nz],满足:N=lst+s*ldir=rst+t*rdir,其中,s和t为未知变量。因此,可以定义以下计算公式:
可以通过最小二乘法求解M*x=d,x=(MTM)-1*d,取x的前三位可得到交点N=[Nx,Ny,Nz]。
通过上述方法可以对初始模型进行重复训练,直至满足上述预设条件,生成视线估计模型。
在训练生成视线估计模型后,可以在实际应用中使用该视线估计模型进行视线估计,下面将结合附图进行说明。
参见图3,该图为本申请实施例提供的一种视线估计方法流程图,该方法可以由视线估计装置执行,具体可以包括:
S301:获取左眼图像和右眼图像。
本实施例中,为实现视线估计,获得目标对象的左眼图像和右眼图像。其中,目标对象可以为人或者动物,本实施例在此不再限定。
其中,在获取左/右眼图像时,可以分别获取左眼图像和右眼图像,也可以获取一张包括左眼和右眼的待处理图像,并对该待处理图像进行裁剪获得左眼图像和右眼图像。具体地,可以通过以下方式获得:从待处理图像中获取左眼的内外眼角坐标和右眼的内外眼角坐标;基于左眼的内外眼角坐标确定左眼区域,以及基于右眼的内外眼角坐标确定右眼区域;基于左眼区域和右眼区域对待处理图像进行裁剪,获得左眼图像和右眼图像。即,本实施例中,可以通过人脸关键点识别方法得到左眼的内外眼角坐标和右眼的内外眼角坐标,并基于内外眼角坐标确定左右眼各自对应的区域,进而对眼部区域进行截图,获得左眼图像和右眼图像。
具体地,基于左眼的内外眼角坐标确定左眼的内外眼角的第一距离;基于左眼的内眼角坐标以及所述第一距离确定所述左眼区域;基于右眼的内外眼角坐标确定右眼的内外眼角的第二距离;基于右眼的内眼角坐标以及所述第二距离确定所述右眼区域。需要说明的是,关于基于左眼的内眼角坐标以及第一距离确定左眼区域,以及基于右眼的内外眼角坐标以及第二距离确定右眼区域的具体实现可以参见图1所示方法实施例中的相关描述,本实施例在此不再赘述。
S302:将左眼图像和右眼图像输入视线估计模型,获得第一视线估计结果,该第一视线估计结果包括左眼视线角度、右眼视线角度以及双眼组合视线角度。
其中,视线估计模型是利用图1所示方法,通过约束单眼视线角度和双眼视线角度一致性性训练生成的,例如通过约束第三组合视线角度与第四组合视线角度(由单眼视线角度确定)的差值最小训练生成的。该视线估计模型可以包括特征提取模块、单眼预测模块以及双眼预测模块,则可以将左眼图像和右眼图像分别输入特征提取模块,获得左眼特征和右眼特征,将左眼特征输入单眼预测模块获得左眼视线角度、将右眼特征输入单眼预测模块获得右眼视线角度。同时,将左/右眼特征进行拼接,将拼接后的特征输入双眼预测模块,获得双眼组合视线角度。
可见,在需要进行视线估计时,获取左眼图像和右眼图像。将左眼图像和右眼图像输入预先训练的视线估计模型中,获得该视线估计模型输出的单眼视线估计结果,即左眼视线角度和右眼视线角度,以及双眼视线估计结果,即双眼组合视线角度。其中,视线估计模型是通过约束单眼视线角度与双眼视线角度一致性训练生成的。也就是,通过本申请提供的技术方案,由于视线估计模型是通过约束单眼视线角度与双眼视线角度一致性训练生成的,提高视线估计准确度,而且不仅可以获取单眼视线估计结果,还可以获取双眼视线估计结果,满足不同应用场景需求。
基于上述方法实施例,本申请实施例提供了一种视线估计装置和电子设备,下面将结合附图进行说明。
参见图4,该图为本申请实施例提供的一种视线估计装置结构图,如图4所示,该装置可以包括:第一获取单元401和第二获取单元402。
其中,第一获取单元401,用于获取左眼图像和右眼图像;
第二获取单元402,用于将所述左眼图像和所述右眼图像输入视线估计模型,获得第一视线估计结果,所述第一视线估计结果包括左眼视线角度、右眼视线角度以及双眼组合视线角度,所述视线估计模型是通过约束单眼视线角度与双眼视线角度一致性训练生成的。
在一种可能的实现方式中,所述第一获取单元401,具体用于获取待处理图像,所述待处理图像包括左眼和右眼;从所述待处理图像中获取左眼的内外眼角坐标和右眼的内外眼角坐标;基于所述左眼的内外眼角坐标确定左眼区域,以及基于所述右眼的内外眼角坐标确定右眼区域;基于所述左眼区域和所述右眼区域分别对所述待处理图像进行裁剪,获得左眼图像和右眼图像。
在一种可能的实现方式中,所述第一获取单元401,具体用于基于所述左眼的内外眼角坐标确定所述左眼的内外眼角的第一距离;基于所述左眼的内眼角坐标以及所述第一距离确定所述左眼区域;
所述第一获取单元401,具体用于基于所述右眼的内外眼角坐标确定所述右眼的内外眼角的第二距离;基于所述右眼的内外眼角坐标以及所述第二距离确定所述右眼区域。
在一种可能的实现方式中,所述视线估计模型的训练过程包括:
获取训练样本,所述训练样本包括训练左眼图像、所述训练左眼图像对应的第一视线角度、训练右眼图像、所述训练右眼图像对应的第二视线角度以及第三组合视线角度;
将所述训练左眼图像和所述训练右眼图像分别输入初始模型,获得第二视线结果,所述第二视线估计结果包括左眼视线角度、右眼视线角度以及双眼组合视线角度;
基于所述第一视线角度、所述第二视线角度、所述第三组合视线角度、所述左眼视线角度、所述右眼视线角度以及双眼组合视线角度对所述初始模型进行训练,直至满足预设条件,获得视线估计模型。
在一种可能的实现方式中,所述基于所述第一视线角度、所述第二视线角度、所述第三组合视线角度、所述左眼视线角度、所述右眼视线角度以及所述双眼组合视线角度对所述初始模型进行训练,包括:基于所述第一视线角度以及所述左眼视线角度获得第一损失值;基于所述第二视线角度和所述右眼视线角度获得第二损失值;基于所述第三组合视线角度以及所述双眼组合视线角度获得第三损失值;基于所述第一损失值、所述第二损失值和所述第三损失值的加权和对所述初始模型进行训练。
在一种可能的实现方式中,所述训练过程还包括:基于所述左眼视线角度和所述右眼视线角度确定交点坐标,并对所述交点坐标进行转换获得第四组合视线角度;基于所述第三组合视线角度和所述第四组合视线角度获得第四损失值;
所述基于所述第一损失值、所述第二损失值和所述第三损失值的加权和对所述初始模型进行训练,包括:
基于所述第一损失值、所述第二损失值、所述第三损失值以及所述第四损失值的加权和对所述初始模型进行训练。
在一种可能的实现方式中,所述基于所述左眼视线角度和所述右眼视线角度确定交点坐标,包括:基于所述左眼视线角度获取第一视线方向坐标,以及基于所述右眼视线角度获取第二视线方向坐标;获取左眼视线起点坐标和右眼视线起点坐标;以所述左眼视线起点坐标与所述第一视线方向坐标的计算结果,和所述右眼视线起点坐标与所述第二视线方向坐标的计算结果相等为条件,获得交点坐标。
需要说明的是,本实施例中各个单元的具体实现可以参见上述方法实施例中的相关描述。本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。本申请实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。例如,上述实施例中,处理单元和发送单元可以是同一个单元,也可以是不同的单元。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
参见图5,其示出了适于用来实现本公开实施例的电子设备500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM502被安装。在该计算机程序被处理装置501执行时,执行本公开实施例的方法中限定的上述功能。
本公开实施例提供的电子设备与上述实施例提供的方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
本公开实施例提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例所提供的方法。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备可以执行上述方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元/模块的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种视线估计方法,其特征在于,所述方法包括:
获取左眼图像和右眼图像;
将所述左眼图像和所述右眼图像输入视线估计模型,获得第一视线估计结果,所述第一视线估计结果包括左眼视线角度、右眼视线角度以及双眼组合视线角度,所述视线估计模型是通过约束单眼视线角度与双眼视线角度一致性训练生成的。
2.根据权利要求1所述的方法,其特征在于,所述获取左眼图像和右眼图像,包括:
获取待处理图像,所述待处理图像包括左眼和右眼;
从所述待处理图像中获取左眼的内外眼角坐标和右眼的内外眼角坐标;
基于所述左眼的内外眼角坐标确定左眼区域,以及基于所述右眼的内外眼角坐标确定右眼区域;
基于所述左眼区域和所述右眼区域分别对所述待处理图像进行裁剪,获得左眼图像和右眼图像。
3.根据权利要求2所述的方法,其特征在于,所述基于所述左眼的内外眼角坐标确定左眼区域,包括:
基于所述左眼的内外眼角坐标确定所述左眼的内外眼角的第一距离;
基于所述左眼的内眼角坐标以及所述第一距离确定所述左眼区域;
所述右眼的内外眼角坐标确定右眼区域,包括:
基于所述右眼的内外眼角坐标确定所述右眼的内外眼角的第二距离;
基于所述右眼的内外眼角坐标以及所述第二距离确定所述右眼区域。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述视线估计模型的训练过程包括:
获取训练样本,所述训练样本包括训练左眼图像、所述训练左眼图像对应的第一视线角度、训练右眼图像、所述训练右眼图像对应的第二视线角度以及第三组合视线角度;
将所述训练左眼图像和所述训练右眼图像分别输入初始模型,获得第二视线结果,所述第二视线估计结果包括左眼视线角度、右眼视线角度以及双眼组合视线角度;
基于所述第一视线角度、所述第二视线角度、所述第三组合视线角度、所述左眼视线角度、所述右眼视线角度以及双眼组合视线角度对所述初始模型进行训练,直至满足预设条件,获得视线估计模型。
5.根据权利要求4所述的方法,其特征在于,所述基于所述第一视线角度、所述第二视线角度、所述第三组合视线角度、所述左眼视线角度、所述右眼视线角度以及所述双眼组合视线角度对所述初始模型进行训练,包括:
基于所述第一视线角度以及所述左眼视线角度获得第一损失值;
基于所述第二视线角度和所述右眼视线角度获得第二损失值;
基于所述第三组合视线角度以及所述双眼组合视线角度获得第三损失值;
基于所述第一损失值、所述第二损失值和所述第三损失值的加权和对所述初始模型进行训练。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
基于所述左眼视线角度和所述右眼视线角度确定交点坐标,并对所述交点坐标进行转换获得第四组合视线角度;
基于所述第三组合视线角度和所述第四组合视线角度获得第四损失值;
所述基于所述第一损失值、所述第二损失值和所述第三损失值的加权和对所述初始模型进行训练,包括:
基于所述第一损失值、所述第二损失值、所述第三损失值以及所述第四损失值的加权和对所述初始模型进行训练。
7.根据权利要求6所述的方法,其特征在于,所述基于所述左眼视线角度和所述右眼视线角度确定交点坐标,包括:
基于所述左眼视线角度获取第一视线方向坐标,以及基于所述右眼视线角度获取第二视线方向坐标;
获取左眼视线起点坐标和右眼视线起点坐标;
以所述左眼视线起点坐标与所述第一视线方向坐标的计算结果,和所述右眼视线起点坐标与所述第二视线方向坐标的计算结果相等为条件,获得交点坐标。
8.一种视线估计装置,其特征在于,所述装置包括:
第一获取单元,用于获取左眼图像和右眼图像;
第二获取单元,用于将所述左眼图像和所述右眼图像输入视线估计模型,获得第一视线估计结果,所述第一视线估计结果包括左眼视线角度、右眼视线角度以及双眼组合视线角度,所述视线估计模型是通过约束单眼视线角度与双眼视线角度一致性训练生成的。
9.一种电子设备,其特征在于,所述设备包括:处理器和存储器;
所述存储器,用于存储指令或计算机程序;
所述处理器,用于执行所述存储器中的所述指令或计算机程序,以使得所述电子设备执行权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述指令在设备上运行时,使得所述设备执行权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310274151.5A CN116311486A (zh) | 2023-03-17 | 2023-03-17 | 一种视线估计方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310274151.5A CN116311486A (zh) | 2023-03-17 | 2023-03-17 | 一种视线估计方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116311486A true CN116311486A (zh) | 2023-06-23 |
Family
ID=86786722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310274151.5A Pending CN116311486A (zh) | 2023-03-17 | 2023-03-17 | 一种视线估计方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116311486A (zh) |
-
2023
- 2023-03-17 CN CN202310274151.5A patent/CN116311486A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200250462A1 (en) | Key point detection method and apparatus, and storage medium | |
CN111915480B (zh) | 生成特征提取网络的方法、装置、设备和计算机可读介质 | |
CN110555798B (zh) | 图像变形方法、装置、电子设备及计算机可读存储介质 | |
CN112037305B (zh) | 对图像中的树状组织进行重建的方法、设备及存储介质 | |
CN112714263B (zh) | 视频生成方法、装置、设备及存储介质 | |
WO2024016923A1 (zh) | 特效图的生成方法、装置、设备及存储介质 | |
CN116596748A (zh) | 图像风格化处理方法、装置、设备、存储介质和程序产品 | |
CN110619615A (zh) | 用于处理图像方法和装置 | |
CN116311486A (zh) | 一种视线估计方法、装置、设备及介质 | |
CN114419298A (zh) | 虚拟物体的生成方法、装置、设备及存储介质 | |
CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN113362260A (zh) | 图像优化方法及装置、存储介质及电子设备 | |
CN113205530A (zh) | 阴影区域处理方法及装置、计算机可读介质和电子设备 | |
CN112418233A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN111915532A (zh) | 图像追踪方法、装置、电子设备及计算机可读介质 | |
CN111382696A (zh) | 用于检测目标的边界点的方法和装置 | |
CN113808050B (zh) | 3d点云的去噪方法、装置、设备及存储介质 | |
CN112991542B (zh) | 房屋三维重建方法、装置和电子设备 | |
CN115841151B (zh) | 模型训练方法、装置、电子设备和计算机可读介质 | |
CN111814807B (zh) | 用于处理图像的方法、装置、电子设备和计算机可读介质 | |
CN114049417B (zh) | 虚拟角色图像的生成方法、装置、可读介质及电子设备 | |
CN115170674B (zh) | 基于单张图像的相机主点标定方法、装置、设备和介质 | |
CN111105345B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN117906634A (zh) | 一种设备检测方法、装置、设备及介质 | |
CN109255095B (zh) | Imu数据的积分方法、装置、计算机可读介质及电子设备 |
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 |