智能眼镜人机交互功能中眼行为识别方法的设计与实现

针对目前智能眼镜产品人机交互功能中存在的响应速度慢、交互效率低、鲁棒性不好等问题,设计并实现一种眼行为识别方法。该方法利用智能眼镜中眼部摄像头能够稳定拍摄人眼图像的特点,使用模板匹配定位眼睛在图像中的位置,对剪裁后的眼睛图像使用矩阵遍历法和灰度积分投影,再结合人眼的行为规律判定凝视、眯眼、闭眼、双眨眼、上扫视、下扫视、右扫视、左扫视八种眼行为。实验结果表明,移植在树莓派上的眼行为识别系统对不同眼行为平均识别准确率为96.25%,平均处理速度为每帧11.25 ms,有较高准确率和实时性,与目前主流智能眼镜的人机交互方式相比,具有低成本、易搭建和不受姿态影响等特点。

基于改进YOLO-v3的眼机交互模型研究及实现

针对嵌入式眼-机交互技术中所采用的传统眼行为识别方法准确率低、速度慢等问题,并结合所研制眼机交互系统硬件特点及应用场景,提出一种基于改进YOLO-v3的眼机交互模型。该模型通过去除13×13特征分辨率的检测模块、增加浅层网络的层数以及采用K-means聚类算法选取初始先验框,提高了网络像素特征提取细粒度并加快了检测速度,进而结合人眼特征参数提取方法和眼行为识别算法,构建出了眼机交互模型并进行实验。实验结果表明,该模型对不同眼行为的识别率达91.30%,改进的YOLO-v3网络的平均检测准确率(mean average precision,mAP)为99.9%,识别速度达22.8 FPS,相比原YOLO-v3方法检测时间缩短了11.4%。