一种残膜回收机防缠绕挑膜装置的制 一种秧草收获机用电力驱动行走机构

一种眼皮运动分析方法及系统与流程

2021-11-15 15:53:00 来源:中国专利 TAG:

技术特征:
1.一种眼皮运动分析方法,其特征在于,该方法包括:获取待分析的眼图集合的各个眼图图像;将每个所述眼图图像输入至预创建的眼皮检测模型,获得与所述眼图图像相匹配的上下眼皮距离;依据所述眼图集合对应的各个所述上下眼皮距离,生成眼皮张合程度曲线;基于所述眼皮张合程度曲线,分析得到眼皮运动数据。2.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取样本信息,所述样本信息表征若干幅标注了上下眼皮距离的眼图图像;将各个样本信息分别作为神经网络的训练输入,训练得到所述眼皮检测模型,所述眼皮检测模型具有将输入的眼图图像对应的上下眼皮距离趋于所述眼图图像对应的实际的上下眼皮距离的能力。3.根据权利要求2所述的方法,其特征在于,所述将各个样本信息分别作为神经网络的训练输入,训练得到所述眼皮检测模型,包括:获取样本信息的标注信息,所述标注信息表征了上下眼皮距离信息;对所述标注信息进行预处理,得到处理后的样本信息,所述预处理为使得样本信息对应的眼图图像中睁眼数据和闭眼数据分布均匀的处理方式;将各个所述处理后的样本信息分别作为神经网络的训练输入,训练得到所述眼皮检测模型。4.根据权利要求3所述的方法,其特征在于,所述训练得到所述眼皮检测模型,包括:利用预创建的损失函数,训练得到所述眼皮检测模型;其中,所述预创建的损失函数在所述预创建损失函数中n表示样本数据量,y
true
表示训练样本中上下眼皮距离与图像高度的占比的真值,且y
true
=d/h,d表示上下眼皮的像素距离,h为图像高度,y
predict
为模型的输出值;其中,所述眼皮检测模型为5层结构的卷积神经网络,其中,前3层为卷积层,后两层为全连接层,所述全连接层后连接sigmoid函数。5.根据权利要求1所述的方法,其特征在于,所述依据所述眼图集合对应的各个所述上下眼皮距离,生成眼皮张合程度曲线,包括:对所述上下眼皮距离进行滤波处理,得到处理后的结果;利用预创建的归一化函数,对所述处理后的结果进行归一化处理,得到眼皮的张合程度信息,其中,所述归一化函数其中x
t
是第t帧图像通过眼皮检测模型的输出值,x
max
=max(x
t
),t=1,

,t;t是眼皮运动过程中的最大值对应的图像帧;依据所述张合程度信息,生成眼皮张合程度曲线。6.根据权利要求1所述的方法,其特征在于,所述基于所述眼皮张合程度曲线,分析得到眼皮运动数据,包括:基于所述眼皮张合程度曲线,检测获得目标触发时刻,所述目标触发时刻表征用户眼皮睁开动作出现的时刻。7.一种眼皮运动分析系统,其特征在于,所述系统包括:
图像获取单元,用于获取待分析的眼图集合的各个眼图图像;模型处理单元,用于将每个所述眼图图像输入至预创建的眼皮检测模型,获得与所述眼图图像相匹配的上下眼皮距离;曲线生成单元,用于依据所述眼图集合对应的各个所述上下眼皮距离,生成眼皮张合程度曲线;分析单元,用于基于所述眼皮张合程度曲线,分析得到眼皮运动数据。8.根据权利要求7所述的系统,其特征在于,所述系统还包括:样本获取单元,用于获取样本信息,所述样本信息表征若干幅标注了上下眼皮距离的眼图图像;模型训练单元,用于将各个样本信息分别作为神经网络的训练输入,训练得到所述眼皮检测模型,所述眼皮检测模型具有将输入的眼图图像对应的上下眼皮距离趋于所述眼图图像对应的实际的上下眼皮距离的能力。9.根据权利要求8所述的系统,其特征在于,所述模型训练单元包括:第一获取子单元,用于获取样本信息的标注信息,所述标注信息表征了上下眼皮距离信息;预处理子单元,用于对所述标注信息进行预处理,得到处理后的样本信息,所述预处理为使得样本信息对应的眼图图像中睁眼数据和闭眼数据分布均匀的处理方式;训练子单元,用于将各个所述处理后的样本信息分别作为神经网络的训练输入,训练得到所述眼皮检测模型。10.根据权利要求9所述的系统,其特征在于,所述训练子单元具体用于:利用预创建的损失函数,训练得到所述眼皮检测模型;其中,所述预创建的损失函数在所述预创建损失函数中n表示样本数据量,y
true
表示训练样本中上下眼皮距离与图像高度的占比的真值,且y
true
=d/h,d表示上下眼皮的像素距离,h为图像高度,y
predict
为模型的输出值;其中,所述眼皮检测模型为5层结构的卷积神经网络,其中,前3层为卷积层,后两层为全连接层,所述全连接层后连接sigmoid函数。11.根据权利要求7所述的系统,其特征在于,所述曲线生成单元包括:滤波子单元,用于对所述上下眼皮距离与所述眼图图像高度的占比进行滤波处理,得到处理后的结果;归一化子单元,用于利用预创建的归一化函数,对所述处理后的结果进行归一化处理,得到眼皮的张合程度信息,其中,所述归一化函数其中,x
t
是第t帧图像通过眼皮检测模型的输出值,x
max
=max(x
t
),t=1,

,t;t是眼皮运动过程中的最大值对应的图像帧;生成子单元,用于依据所述张合程度信息,生成眼皮张合程度曲线。12.根据权利要求7所述的系统,其特征在于,所述分析单元具体用于:基于所述眼皮张合程度曲线,检测获得目标触发时刻,所述目标触发时刻表征用户眼皮睁开动作出现的时刻。

技术总结
本发明公开了一种眼皮运动分析方法及系统,获取待分析的眼图集合的各个眼图图像;将每个眼图图像输入至预创建的眼皮检测模型,获得与眼图图像相匹配的上下眼皮距离;然后根据获得的上下眼皮距离,生成眼皮张合程度曲线,基于该曲线分析得到眼皮运动数据。在本发明中利用了眼皮检测模型对眼图图像进行处理,而该眼皮检测模型是通过眼图图像对神经网络训练得到的,相比于对眼图图像的眼皮定位检测对资源的占用率低,算法效果更鲁棒,从而提升眼皮运动分析的准确性。运动分析的准确性。运动分析的准确性。


技术研发人员:王志强 王云飞
受保护的技术使用者:北京七鑫易维信息技术有限公司
技术研发日:2020.04.27
技术公布日:2021/11/14
再多了解一些

本文用于企业家、创业者技术爱好者查询,结果仅供参考。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

相关文献