基于卷积神经网络的实时视线方向分类
计算机视觉与模式识别
2016-05-18 v1
摘要
估计视线方向在各种人机交互任务中很有用。视线方向的知识能提供关于用户注意点的有价值信息。某些被称为眼访问线索（eye accessing cues）的眼动模式被报道与人大脑中的认知过程相关。我们提出了一种用于视线方向分类和眼访问线索估计的实时框架。在第一阶段，算法使用改进版的 Viola-Jones 算法检测人脸。利用几何关系和面部标志点获得粗略的眼区域。获得的眼区域在后续阶段用于分类视线方向。本工作采用卷积神经网络（Convolutional Neural Network）用于视线方向分类。所提算法在 Eye Chimera 数据库上测试，表现优于最先进（state of the art）方法。该算法在测试阶段的计算复杂度非常低。算法在桌面环境下达到了平均 24 fps 的帧率。
引用
@article{arxiv.1605.05258,
title = {Real-time Eye Gaze Direction Classification Using Convolutional Neural Network},
author = {Anjith George and Aurobinda Routray},
journal= {arXiv preprint arXiv:1605.05258},
year = {2016}
}
备注
5 pages, To appear in IEEE International Conference on Signal Processing and Communication, SPCOM 2016