检索结果-南通市图书馆

激光杂志 2022年第3期43卷 76-81页

作者：周巡黄保青陈亚晨张敏娟康宏向中北大学信息与通信工程学院太原030051 中北大学山西省光电信息与仪器工程技术研究中心太原030051 中国人民解放军军事科学院军事医学研究院辐射医学研究所北京100850

针对目前智能眼镜产品人机交互功能中存在的响应速度慢、交互效率低、鲁棒性不好等问题,设计并实现一种眼行为识别方法。该方法利用智能眼镜中眼部摄像头能够稳定拍摄人眼图像的特点,使用模板匹配定位眼睛在图像中的位置,对剪裁后的眼... 详细信息

针对目前智能眼镜产品人机交互功能中存在的响应速度慢、交互效率低、鲁棒性不好等问题,设计并实现一种眼行为识别方法。该方法利用智能眼镜中眼部摄像头能够稳定拍摄人眼图像的特点,使用模板匹配定位眼睛在图像中的位置,对剪裁后的眼睛图像使用矩阵遍历法和灰度积分投影,再结合人眼的行为规律判定凝视、眯眼、闭眼、双眨眼、上扫视、下扫视、右扫视、左扫视八种眼行为。实验结果表明,移植在树莓派上的眼行为识别系统对不同眼行为平均识别准确率为96.25%,平均处理速度为每帧11.25 ms,有较高准确率和实时性,与目前主流智能眼镜的人机交互方式相比,具有低成本、易搭建和不受姿态影响等特点。

关键词：眼行为识别眼机交互眼控装置眼行为人机交互智能眼镜

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进YOLO-v3的眼机交互模型研究及实现

引用

科学技术与工程 2021年第3期21卷 1084-1090页

作者：陈亚晨韩伟白雪剑陈友华赵俊奇阎洁中北大学信息与通信工程学院太原030051 山西省视光学生物诊疗设备工程研究中心太原030051 生物医学成像与影像大数据山西省重点实验室太原030051

针对嵌入式眼-机交互技术中所采用的传统眼行为识别方法准确率低、速度慢等问题,并结合所研制眼机交互系统硬件特点及应用场景,提出一种基于改进YOLO-v3的眼机交互模型。该模型通过去除13×13特征分辨率的检测模块、增加浅层网络的层数... 详细信息

针对嵌入式眼-机交互技术中所采用的传统眼行为识别方法准确率低、速度慢等问题,并结合所研制眼机交互系统硬件特点及应用场景,提出一种基于改进YOLO-v3的眼机交互模型。该模型通过去除13×13特征分辨率的检测模块、增加浅层网络的层数以及采用K-means聚类算法选取初始先验框,提高了网络像素特征提取细粒度并加快了检测速度,进而结合人眼特征参数提取方法和眼行为识别算法,构建出了眼机交互模型并进行实验。实验结果表明,该模型对不同眼行为的识别率达91.30%,改进的YOLO-v3网络的平均检测准确率(mean average precision,mAP)为99.9%,识别速度达22.8 FPS,相比原YOLO-v3方法检测时间缩短了11.4%。

关键词：眼机交互 YOLO-v3 实时性特征提取眼行为识别

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进YOLO-v3算法的眼机交互模型研究及实现

基于改进YOLO-v3算法的眼机交互模型研究及实现

引用

作者：陈亚晨中北大学

学位级别：硕士

随着人工智能的发展,人机交互的方式也随之层出叠现。其中,眼机交互是基于眼动的人机交互方式,其原理主要是通过检测人眼的位置,实现人眼的定位,并利用提取人眼特征判别眼行为,通过眼行为来实现控制。这种交互方式在特定的环境下可以解... 详细信息

随着人工智能的发展,人机交互的方式也随之层出叠现。其中,眼机交互是基于眼动的人机交互方式,其原理主要是通过检测人眼的位置,实现人眼的定位,并利用提取人眼特征判别眼行为,通过眼行为来实现控制。这种交互方式在特定的环境下可以解放双手,对肢体残疾者、重度瘫痪者、车辆驾驶以及在军事领域具有非常重要的研究和应用价值。随着嵌入式所应用的场景越来越广泛,智能化、便携化的穿戴式眼机交互设备成为了近些年的研究热点。由于深度学习的发展,卷积神经网络(Convolutinal neural networks,CNN)对图像特征的提取功能方面,可以提供较强的作用,为人眼识别技术的人眼检测提供了关键的技术支持。因此,本文以眼机交互技术、人眼识别技术和YOLO-v3算法的理论为基础,提出了基于改进YOLO-v3算法的眼机交互模型及眼行为实时识别算法,并实现了眼控指令的输出。首先,本文阐述了几种基于卷积神经网络的目标检测算法,并分析了各种算法工作过程。对比了各种目标检测算法之间的优点与缺点,重点研究了YOLO-v3算法。其次,本文提出了基于改进YOLO-v3的眼机交互模型。该模型首先利用红外摄像机采集人脸图像,制作数据集;然后,基于YOLO-v3的网络模型,删减了13×13特征检测层、增加了浅层网络的层数以及采用K-means聚类算法选取初始先验框,提高了网络像素特征提取细粒度并加快了检测速度;最后,结合人眼特征参数提取方法、眼行为识别算法,及眼行为控制指令输出方法构建了眼机交互模型。实验表明,所提出的改进的YOLO-v3算法对人眼检测的准确率达99.9%,识别速度为22.8FPS。相比改进前的YOLO-v3算法,m AP提高了大约7.01%,检测时间缩短了大约11个百分点。最后,利用人眼特征参数提取方法和眼行为识别算法实现实时眼行为识别。在同样条件下,分别对戴眼镜的人眼和不戴眼镜的人眼进行不同眼行为状态的识别,验证了眼机交互模型的有效性与准确性。经验证结果表明,不同眼行为的识别率达91.30%。同时,通过对眼控信号输出的模拟测试,正确找到了适用该系统的眼控指令。

关键词：眼机交互 YOLO-v3 眼特征提取眼行为识别

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：