.png){kind=icon}
返回
Efficient Space-Adaptive Eye Tracking Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1109/LSP.2026.3664743.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
眼动追踪已被广泛应用于疾病诊断、健康管理和康复治疗等领域。然而，眨眼可能会显著影响瞳孔定位的性能。为解决此问题，我们提出了一种高效的算法，称为空间自适应眼动追踪，能够高精度地联合检测瞳孔坐标和眨眼事件。该算法使用共享网络提取模板和搜索图像的特征，然后通过两个特定任务的分支比较特征相似度，以获取瞳孔坐标和存在置信度。在此基础上，为解决近眼摄像头拍摄时瞳孔移动至活动空间边缘并伴随大形变所导致的置信度下降问题，该算法将瞳孔活动空间划分为多个子区域，并记录每个子区域的模板，可用于为边缘区域选择适当的模板。通过使用这种空间自适应方法，置信度仅在眨眼时才会下降，从而能够利用置信度检测眨眼行为。实验表明，所提出的方法优于现有方法。
Keyword:
Pupil localization
blink detection
eye tracking
adaptive template
mobile healthcare
期刊
I
IF:
3.9
论文数:
808
被引数:
0
机构
引用论文
分享收藏Before your very eyes: the value and limitations of eye tracking in medical education.png)
MEDICAL EDUCATION
MEDICAL EDUCATIONIF5.2
PREAI
分享收藏Swin-Unet: Unet-Like Pure Transformer for Medical Image SegmentationSwin Unet: 用于医学图像分割的类Unet纯变压器
PREAI
分享收藏A Robust Pupil Detection Algorithm based on a New Adaptive Thresholding Procedure一种基于新自适应阈值化过程的眼球检测算法
PREAI
分享收藏The effectiveness of eye tracking in the diagnosis of cognitive disorders: A systematic review and meta-analysisPLOS ONE
OAAI
PLOS ONEIF0
OAAI分享收藏
查看更多内容