基于深度学习的手机移动端视线跟踪算法研究

发布时间：2021-04-29 01:03

　　视线跟踪技术是计算机视觉领域中的重要课题,伴随着高性能图像采集和计算设备的出现以及图像处理分析的相关算法的不断涌现,视线跟踪技术已经逐渐走入我们日常生活中的各个领域。将视线跟踪技术用于人机交互领域中,不仅可以改变传统的人机交互模式,给用户带来全新、高效的使用体验,还可以给四肢行动存在障碍的用户带来极大的方便。然而,传统的视线跟踪技术往往要依靠眼动跟踪仪等其他的硬件设备,不仅造价昂贵,还会给使用者带来一定的不便。本课题以使用iPhone手机过程中的人机交互为例,尝试将深度学习技术应用于视线跟踪任务中,使得用户可以不借助眼动跟踪仪等其他的硬件设备,仅依靠手机前置摄像头拍摄到的用户操作手机照片的图片,利用纯软件的方式预测用户视线在手机屏幕上的聚焦位置,从而实现用眼睛代替手指进行触屏操作。首先,本文介绍了卷积神经网络的基本理论。卷积神经网络由标准神经网络演变而来,采用卷积运算实现层间连接,可以显著降低计算成本,满足信号局部特征提取的要求,在计算机视觉领域获得了广泛的应用。其次,综合考虑实时性和准确性因素,采用方向梯度直方图特征和级联的梯度提升回归树算法进行用户人脸和人眼的分割定位以及眨眼检测,... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究目的与意义
    1.2 国内外研究现状
        1.2.1 传统视线跟踪方法研究现状
        1.2.2 深度学习技术在视线跟踪中的应用研究
        1.2.3 未来的研究方向与趋势
    1.3 论文研究内容及章节安排
第2章 人脸检测和人眼检测算法研究
    2.1 概述
    2.2 人脸检测算法设计
        2.2.1 人脸检测算法综述
        2.2.2 基于方向梯度直方图的人脸检测算法
    2.3 眨眼检测算法设计
    2.4 本章小结
第3章 基于多输入信号的视线跟踪算法
    3.1 算法概述
    3.2 卷积神经网络基本理论
        3.2.1 神经网络基本结构及学习算法
        3.2.2 卷积神经网络理论
    3.3 基于回归的多输入视线估计算法
        3.3.1 AlexNet卷积神经网络架构
        3.3.2 算法设计
    3.4 基于分类的多输入视线估计算法
        3.4.1 多分类问题中的分类器及损失函数
        3.4.2 算法设计
    3.5 本章小结
第4章 基于单输入信号的视线跟踪算法
    4.1 算法概述
    4.2 深度残差网络
        4.2.1 提出背景
        4.2.2 残差模块及深度残差网络
    4.3 批处理标准化
        4.3.1 内部协变量转移及解决办法
        4.3.2 卷积神经网络中的批处理标准化操作
    4.4 算法设计
        4.4.1 网络结构的设计
        4.4.2 损失函数和优化方法的设计
    4.5 本章小结
第5章 实验测试与分析
    5.1 实验环境
    5.2 深度学习模型的训练
        5.2.1 模型训练的技巧
        5.2.2 深度神经网络训练过程
    5.3 实验结果与分析
    5.4 本章小结
结论
参考文献
致谢



本文编号：3166530