基于事件相机的实时人脸与眼睛跟踪及眨眼检测
计算机视觉与模式识别
2020-10-19 v1 机器学习
摘要
事件相机包含新兴的、神经形态视觉传感器，其在每个像素处捕获局部光强变化，生成异步事件流。这种获取视觉信息的方式脱离了传统的基于帧的相机，并提供了若干显著优势：低能耗、高时间分辨率、高动态范围与低延迟。驾驶员监控系统（DMS）是用于感知并理解驾驶员身体与认知状态的舱内安全系统。由于其固有优势，事件相机尤其适合 DMS。本文提出一种同时检测与跟踪人脸及眼睛用于驾驶员监控的新方法。给出了一种独特的、全卷积循环神经网络架构。为训练该网络，我们模拟了一个具有精确边界框标注的合成基于事件的数据库，称为 Neuromorphic HELEN。此外，利用事件相机的高时间分辨率，提出了一种检测并分析驾驶员眨眼的方法。眨眼行为可更深入地揭示驾驶员的疲劳或困倦程度。我们表明眨眼具有独特的时间特征，可被事件相机更好地捕获。
引用
@article{arxiv.2010.08278,
title = {Real-Time Face & Eye Tracking and Blink Detection using Event Cameras},
author = {Cian Ryan and Brian O Sullivan and Amr Elrasad and Joe Lemley and Paul Kielty and Christoph Posch and Etienne Perot},
journal= {arXiv preprint arXiv:2010.08278},
year = {2020}
}
备注
20 Pages, 8 Figures