【摘 要】
：
针对头戴式视线跟踪的三维方法获取视线方向,通常需要复杂的硬件结构或者是需要使用眼睛平均生理参数的问题,提出一种基于瞳孔轮廓的三维眼球拟合模型。在只使用单相机的条件下,根据瞳孔轮廓的运动轨迹拟合模型获取三维视线方向,并在此基础上提出了一种三维到二维的视线映射模型。避免了头戴式设备的复杂结构和对眼睛平均参数的使用。实验结果表明,该方法能够提高注视精度和简化硬件结构。
论文部分内容阅读
针对头戴式视线跟踪的三维方法获取视线方向,通常需要复杂的硬件结构或者是需要使用眼睛平均生理参数的问题,提出一种基于瞳孔轮廓的三维眼球拟合模型。在只使用单相机的条件下,根据瞳孔轮廓的运动轨迹拟合模型获取三维视线方向,并在此基础上提出了一种三维到二维的视线映射模型。避免了头戴式设备的复杂结构和对眼睛平均参数的使用。实验结果表明,该方法能够提高注视精度和简化硬件结构。
其他文献
"植物生理学"课程教学团队在团队分工、知识点碎片化、课件和视频制作等方面取得了明显成效,然而该课程幕课还存在系统运行稳定性不够、测验题设计和录入失误、课程思政教育内容不足等问题。"植物生理学"课程教学团队通过优化网页和程序、完善题型分值设定、提高试题录入的科学性、增加课程实践内容、加强课程思政教育建设等措施有效解决了上述问题。改进后的幕课教学实践证明,学生学习体验明显改善,学生实践能力显著提高,"
计算机断层扫描是一种可重构患者身体横截面的非侵入式X射线诊断技术。它可以有效地提供有关器官结构的详细信息,并灵敏地检测出器官的病理变化。自20世纪70年代第一代计算机断层扫描被用于临床诊断以来,在该领域上的多项突破促成了现今超快速、低剂量的扫描技术,这种高检测效率和快速响应一定程度上归功于X射线检测器的发展。根据不同的工作原理,当前X射线探测器主要可分为间接和直接探测两种。此外,在过去二十年中,通
图像密集描述是指自动检测图像中的感兴趣区域(region of interest, ROI),并生成自然语言短语或句子来描述这些区域中的语义内容。然而,它存在三个主要难题:第一,图像中密集且高度重叠的ROI,使得难以精确定位到目标区域;第二,图像中一些视觉模糊的ROI,使得难以仅凭借外观来识别目标区域;第三,图像特征表示的深度对视觉识别是极其重要的。针对这三个难题,本文提出了一种端到端的密集描述模
伴随人工智能的浪潮,目标智能检测与识别技术取得了飞速的发展,新的算法和应用不断涌现并趋于成熟,其应用场景涵盖智能安防、交通、医疗、生活、军事、自动驾驶等重要领域。然而仍有大量的实际问题尚未解决,例如监控视频中行人检测和行人再识别中的目标遮挡问题、X-ray图像检测中的目标重叠问题、场景文字检测与识别问题、跨媒体感知问题、
近年来,基于自注意力机制的神经网络在计算机视觉任务中得到广泛的应用。随着智能交通系统的广泛应用,面对复杂多变的交通场景,车牌识别任务的难度不断提高,准确识别的需求更加迫切。因此提出一个基于自注意力的免矫正的车牌识别方法 T-LPR。首先对图像进行切片和序列化,并使用3D卷积对切片序列进行特征提取,从而得到图像的嵌入向量序列。然后将嵌入向量序列输入基于Transformer Encoder的编码器中
提出一种基于视觉显著性的车载单目相机自运动估计及前车尺度估计方法。首先,针对车载相机自运动估计,通过视觉显著性计算方法检测并去除含有噪声的单目图像序列中的运动目标,同时考虑图像的纹理区域和平滑区域,利用加权显著图保留有用特征点,进而对车载相机进行鲁棒的自运动估计。其次,将前车距离转化为前车尺度估计问题,通过描述子匹配与李代数中正则化的强度匹配相结合的方法最小化损失函数,通过设计视觉注意力机制选择有
针对多光谱行人检测系统存在特征融合质量低、模型超参数多且锚框匹配算法复杂等问题,提出了一种基于差分特征注意力机制的无锚框多光谱行人检测算法。该算法首先采用差分特征感知融合方法挖掘多模态特征间的互补信息来优化通道特征;然后利用具有高效无锚框机制的CenterNet检测框架大大降低了模型计算复杂度,从而提升检测速度;最后引入差分特征注意力机制,改善特征融合质量,进一步提升检测精度。在KAIST、CVC
提出了一种基于三视图像由粗到精的三维人脸建模方法。粗糙建模阶段,针对输入三视图像中定位特征点的精准匹配问题,提出了一种基于改进LBP(Local Binary Patterns)特征的稀疏匹配方法进行匹配,进而计算特征点的深度并恢复真实三维坐标,将其映射到通用人脸模型实现形变,生成粗糙人脸模型。精细建模阶段,以粗糙人脸为初始形状,通过增加特征及纹理先验约束,按比例重新定义双线性模型的能量函数并进行
提出一种基于最大相关熵和局部约束的协同表示分类器(CRC/MCCLC),该分类器能同时利用最大相关熵和局部信息。一方面,通过利用最大相关熵准则,CRC/MCCLC不仅在异常值处理上比L1范数鲁棒性更高,还可以使用半二次优化技术进行更有效的计算;另一方面,CRC/MCCLC通过使用局部信息得到近似稀疏表示,以此从训练样本中获得更多的判别信息。在ORL、Yale以及AR人脸数据集等图像数据集上的实验结
鉴别图像中的真伪人脸是一个长期具有挑战性的问题。当合成的伪造人脸十分逼真时,机器识别难分真假,甚至肉眼也难以区分。基于监督学习的真伪人脸识别建模往往需要大量的标签样本,模型的性能严重依赖样本的规模。提出一种基于半监督学习的人脸识别反欺骗方法,以减少对大量标签样本的依赖。该方法利用图像修复模型来学习人脸图像潜在的数据分布。在训练过程中,少量标签样本周期性地提供有监督信号来训练分类器,以区分真伪人脸。