基于卷积神经网络的头戴式瞳孔追踪
计算机视觉与模式识别
2018-07-18 v2 机器学习
摘要
瞳孔追踪是要求高精度的目标追踪的重要分支。我们研究头戴式瞳孔追踪，其常比遥距瞳孔追踪更便捷精确，但也更具挑战性。当瞳孔追踪受不良光照等噪声影响时，检测精度急剧下降。随着头戴式记录设备与公开基准图像数据集的出现，头戴式追踪算法更易设计与评估。本文提出一种鲁棒的头戴式瞳孔检测算法，使用卷积神经网络（CNN）结合瞳孔的不同特征。我们考虑瞳孔的三类特征。首先，使用三种基于瞳孔特征的算法独立定位瞳孔中心。其次，使用CNN评估各结果质量。最后，选取最优结果作为输出。实验结果表明，我们所提算法优于当前SOTA。
引用
@article{arxiv.1805.00311,
title = {Head Mounted Pupil Tracking Using Convolutional Neural Network},
author = {Yinheng Zhu and Wanli Chen and Xun Zhan and Zonglin Guo and Hongjian Shi and Ian G. Harris},
journal= {arXiv preprint arXiv:1805.00311},
year = {2018}
}
备注
It's out of date and not STOA any more