一种基于快速人眼语义分割网络的瞳孔精确检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110490083A(43)申请公布日2019.11.22(21)申请号201910667779.5(22)申请日2019.07.23(71)申请人苏州国科视清医疗科技有限公司地址215000江苏省苏州市高新区锦峰路8号(72)发明人姚康付威威管凯捷任谊文朱海龙潘力(74)专利代理机构北京联瑞联丰知识产权代理事务所(普通合伙)11411代理人周超(51)Int.Cl.G06K9/00(2006.01)G06K9/34(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书1页说明书8页附图3页(54)发明名称一种基于快速人眼语义分割网络的瞳孔精确检测方法(57)摘要本发明公开了一种基于快速人眼语义分割网络的瞳孔精确测量方法，(a)基于快速人眼语义分割网络，对瞳孔进行精确分割，以获取瞳孔区域；(b)在快速人眼语义分割网络中，膨胀卷积和普通卷积双线并行，扩大感受野同时提升局部精细化能力；(c)引入多个注意力生成模块，充分提取语义特征，获取精细化的语义结果。通过降采样抽取不同层次的特征再结合上采样至原图大小进行推理。其在瞳孔语义特征提取的基础上完成瞳孔的精细化重建，从而进行自动语义分割，避免了在以往算法中存在的一些盲目搜索。CN110490083ACN110490083A权利要求书1/1页1.一种基于快速人眼语义分割网络的瞳孔精确测量方法，其特征在于，包括以下步骤：(a)基于快速人眼语义分割网络，对瞳孔进行精确分割，以获取瞳孔区域；(b)在快速人眼语义分割网络中，膨胀卷积和普通卷积双线并行，扩大感受野同时提升局部精细化能力；(c)引入多个注意力生成模块，充分提取语义特征，获取精细化的语义结果。2.根据权利要求1所述的瞳孔精确测量方法，其特征在于，所述快速人眼语义分割网络基于深度神经网络，所述深度神经网络包括一收缩路径和一扩展路径。3.根据权利要求2所述的瞳孔精确测量方法，其特征在于，在所述收缩路径中采用膨胀卷积和普通卷积双线并行，且层层融合。4.根据权利要求2所述的瞳孔精确测量方法，其特征在于，对所述扩展路径中获得多个特征图分别使用所述注意力生成模块，以生成对应层级的权重图。5.根据权利要求4所述的瞳孔精确测量方法，其特征在于，所述注意力生成模块的生成步骤为：(c1)对不同尺度和深度的特征输入，采用卷积层进行降维，至与输入层相同的通道数；(c2)利用激活层对特征图中的值进行0-1转换，由此评估重要性，越接近1则越重要；(c3)与输入层的结果进行相乘，从而对输入层中的每一个特征图进行注意力加权。6.根据权利要求1-5任一所述的瞳孔精确测量方法，其特征在于，在所述注意力生成模块中融合在自动通道筛选器。7.根据权利要求6所述的瞳孔精确测量方法，其特征在于，通过采用所述注意力生成模块计算出每一个通道中目标特征的被激活程度，再通过所述自动通道筛选器来选择出合适的通道来继续向前传播。8.根据权利要求7所述的瞳孔精确测量方法，其特征在于，所述自动通道筛选器的步骤在于：(d1)对卷积层进行池化，以减小参数量，采用4*4的卷积核进行平均池化，增加全局的语义捕捉能力；(d2)对平均池化后的卷积层，采用全卷积的方法，卷积核为W/4*H/4，生成特征值；(d3)对特征值张量进行激活，将其区间映射到[-1,1]，用以计算每个通道的惩罚因子；(d4)将惩罚因子作用到每一个通道特征图上；(d5)对惩罚后的卷积层进性激活，以避免其在后续的传播过程中，带来误差干扰。9.根据权利要求2所述的瞳孔精确测量方法，其特征在于，在所述收缩路径中进行4次3层普通卷积后再进行最大池化的操作，原始输入尺寸被缩放16倍，在所述扩张路径中进行4次上采样并与之前的同尺度的卷积层堆叠融合。2CN110490083A说明书1/8页一种基于快速人眼语义分割网络的瞳孔精确检测方法技术领域[0001]本发明涉及检测领域，特别涉及一种基于快速人眼语义分割网络的瞳孔精确检测方法。背景技术[0002]在计算机视觉研究领域，通过提取人眼特征开展人眼相关技术研究一直是该领域的主要研究方向之一。瞳孔检测作为人眼检测中一个重要的中间环节，在眨眼检测、疲劳检测、人机交互等领域有着重要的应用前景。[0003]有人提出了一种将Hough圆变换和轮廓匹配相结合的瞳孔检测算法(Hough-Contour)。对每帧图像，首先进行灰度化并滤波去噪；然后提取边缘并利用修改后的Hough梯度法检测出初始圆作为瞳孔参数；最后在滤波后的灰度图上的瞳孔附近用位置和半径在一定范围可变的圆形轮廓去匹配瞳孔，从而计算出瞳孔中心坐标和直径。这类传统图像处理的研究难以克服睫毛和皮肤痣干扰以及不均匀光照干扰，在暗光情况下，难以计算