[发明专利]一种基于深度学习算法的人眼注意力检测方法

权利要求书

1.一种基于深度学习算法的人眼注意力检测方法，其特征在于，包括以下步骤：

步骤一，对于给定的图像F(x,y)，先做直方图均衡化，其中，x，y表示像素点的坐标值；

步骤二，用AdaBoost算法进行人脸检测，将检测到的人脸区域设为感兴趣区域ROI；

步骤三，采用回归树方法从ROI中估计人脸特征点坐标，实现高精度的人脸对齐；

步骤四，根据特征点线性回归，回归出头部姿态角度(α,β,γ)；

步骤五，抠取ROI中L、R小矩形区域，得到左右眼两幅小图片，分别表示为L(x,y)，R(x,y)；

步骤六，将L(x,y)、R(x,y)大小归一化为L'(x,y)、R'(x,y)；

步骤七，对L'(x,y)进行人眼闭合程度检测，返回结果范围[0,1]，其中0表示闭眼，1表示完全睁眼；

步骤八，将L'(x,y)传入卷积神经网络模型进行识别分类，分类识别的结果是：视线向右I、视线向上Ⅱ、视线向左Ⅲ、视线向下Ⅳ、视线向前Ⅴ；

步骤九，将R'(x,y)左右镜像处理为R”(x,y)＝R’(W-x,y)，其中W为图片宽度；

步骤十，对R”(x,y)进行人眼闭合程度检测，返回结果范围[0,1]，其中0表示闭眼，1表示完全睁眼；

步骤十一，将R”(x,y)传入卷积神经网络模型，进行识别，并还原到左右镜像处理前的结果，视线向左和视线向右结果相反，分类识别的结果是：视线向右I、视线向上Ⅱ、视线向左Ⅲ、视线向下Ⅳ、视线向前Ⅴ；

步骤十二，将步骤六和步骤九结果输入注意力检测模型：

得到结果y，对应视线向右I、视线向上Ⅱ、视线向左Ⅲ、视线向下Ⅳ、视线向前Ⅴ；

其中φ_L、φ_R表示左、右眼最大似然视线方向；N表示模型分析区间长度；i∈[1,2,3,4,5]对应于视线向右I、视线向上Ⅱ、视线向左Ⅲ、视线向下Ⅳ、视线向前Ⅴ。

2.根据权利要求1所述的一种基于深度学习算法的人眼注意力检测方法，其特征在于，步骤二中采用AdaBoost算法进行人脸检测，具体为：

给定一个训练数据集N＝N_face+N_non-face，其中N_face表示人脸数据，N_non-face表示非人脸数据；

T={(x1,y1),(x2,y2),...,(xNface,yNface),(xNface+1,yNface+1),...,(xN-1,yN-1),(xN,yN)}]]>

其中，

Adaboost算法的目的就是从训练数据中学习一系列弱分类器或基本分类器，然后将这些弱分类器组合成一个强分类器；

其中f(x)表示强分类器，α_m表示权重参数，Φ_m(x)表示弱分类器。