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

AITNT
正文
推荐专利
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
申请号:CN202510310873
申请日期:2025-03-17
公开号:CN120260106A
公开日期:2025-07-04
类型:发明专利
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
1
大口径镜面面形检测方法及装置
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
2
基于卫星遥感与人工智能的区域二氧化氮近地面浓度监测方法
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
3
多指标融合的中文专利价值评估方法
XGBoost模型 价值评估方法 文本 大语言模型 价值评估系统
4
眼科光学相干层析成像的机器人辅助跟踪对位方法和装置
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
5
一种基于图像处理的食品新鲜度评估方法和系统
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
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号