排序方式: 共有3条查询结果,搜索用时 6 毫秒
1
1.
头部自由的三维视线追踪具有重要的意义。 针对传统的视线追踪方法存在的精度低、设备复杂和穿戴受限等问题,提
出了一种基于机器学习的单目头部自由的三维视线追踪技术,构建出了两个轻量、高精度、实时的视线追踪模型,分别可进行注
视点估计和注视方向估计。 注视点估计模型首先利用 Dlib 进行人脸特征点定位得到眼睛图像进而进行 PnP 解算得到头部姿
态信息,将两种信息与部分特征点坐标共同输入到多通道卷积神经网络中,并最终估计得到人眼注视点。 注视方向估计网络是
注视点估计网络的简化版本。 将本文所提出的视线追踪技术与电动病床相结合,构建出一套基于眼球驱动的电动病床系统,该
系统允许患者利用眼睛控制电动病床的运作。 实验结果表明:所提出的注视点模型在 MPIIGaze 数据集上的误差为 4. 1 cm,注
视方向估计网络在 ColumbiaGaze 数据集上的误差为 7. 2°,两模型的精度分别比 iTracker 和 UlinFT 提高了 6. 8% 和 2. 7% 。 所构
建的眼球驱动电动病床系统有效地提高了患者的生活水平,满足了患者的诸多需求。 相似文献
2.
3.
1