摘要
本发明提出了一种机器学习与深度学习结合的免校准眼动追踪系统及方法,该系统包括以下模块:预校准模块,用于通过近眼摄像头和红外光源采集用户眼部的近眼图像,提取瞳孔中心坐标与角膜反射点坐标,并基于提取的所述瞳孔中心坐标与角膜反射点坐标计算用户个性化kappa角;决策器模块,采用AdaBoost集成学习算法,根据计算获得的所述kappa角对用户进行分类,输出对应的权重组合;深度学习模块,用于接收输出的所述权重组合及实时近眼图像,通过卷积神经网络与残差连接结构,预测用户注视点的坐标。本发明在保障精度的同时,极大增强眼动追踪技术的应用灵活性与用户友好度。
技术关键词
眼动追踪系统
眼动追踪方法
弱分类器
反射点
集成学习算法
校准
坐标
注视点
红外光源
角膜
深度学习模型
图像
眼动追踪技术
错误率
决策
模块
样本
阶段
处理器
系统为您推荐了相关专利信息
强化学习模型
面形检测方法
转台
图样
深度确定性策略梯度
地理信息数据
卫星遥感数据
浓度监测方法
梯度提升树模型
梯度提升机
XGBoost模型
价值评估方法
文本
大语言模型
价值评估系统
相干层析成像
眼科光学
光学相干层析扫描
对位方法
机器人末端执行器
新鲜度
梯度提升树模型
深度卷积神经网络模型
集成学习算法
环境传感器数据