基于时空注意力机制和高斯过程的个性化视线追踪方法

本发明涉及一种基于时空注意力机制和高斯过程的个性化视线追踪方法，属于视线追踪技术领域。其包括：采用基于深度残差网络的卷积神经网络模型接收输入视频并提取所有帧的特征映射；通过基于双重和交叉结构的混合空间注意力模型来处理特征映射，得到连续帧之间的空间运动信息；空间运动信息通过时间注意力模型学习使用过去帧嵌入的时间动态，得到具有时间维度动态信息的特征；通过视线回归层将时间注意力模型输出的具有时间维度动态信息的特征映射到预测视线方向序列中；通过基于高斯过程的个性化时空注意力模型得到的后验均值函数预测凝视角残差值，并将其用于校正预测视线方向序列后输出最终预测视线方向向量。本发明能够提取更多的凝视细节。