基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出一种采用级联的序列级和帧级两层检测模型,分别处理持续睁眼和眨眼的视频片段,由粗到精渐进地检测眨眼的方法.在序列级初步检测阶段,将视频表示为浓缩图并提取卷积神经网络(CNN)特征.累计视频中的帧间光流,采用特征包模型表示为动态特征,融合以上两种特征进行分类,将持续睁眼和可能存在眨眼的视频快速分开.在帧级精确检测阶段,精细刻画眨眼过程,提取多模式特征描述可能眨眼的每帧图像,通过随机回归森林计算眼睛开合度,最终完成眨眼过程的精确定位.在两个数据库上进行了实验,将该算法与其他算法进行了定量比较,结果表明该算法在鲁棒性、正确率和处理速度等方面都达到很好的性能,具有明显的实用价值.
推荐文章
基于眼动特征的疲劳驾驶检测方法
疲劳驾驶
眼动特征
支持向量机
滑移时窗
时窗
检测模型
基于眼动记录与分析技术的测谎研究
人眼检测
眼动
眼睛跟踪
测谎
基于连续眨眼的人-机交互新模式
面部视频
G通道
眼电图
眨眼信号
人-机交互控制
基于 Adaboost 的人脸识别眨眼检测磁
Adaboost算法
人脸检测
人脸识别
分类器
眨眼检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于眼动序列分析的眨眼检测
来源期刊 计算机工程与应用 学科 交通运输
关键词 序列级检测 帧级检测 多模式特征 随机回归森林
年,卷(期) 2019,(8) 所属期刊栏目 热点与综述
研究方向 页码范围 40-47
页数 8页 分类号 U283.4
字数 9892字 语种 中文
DOI 10.3778/j.issn.1002-8331.1901-0359
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王兴元 大连理工大学电子信息与电气工程学部 120 1088 18.0 26.0
3 王秀坤 大连理工大学电子信息与电气工程学部 124 1429 18.0 31.0
6 高宁 大连理工大学电子信息与电气工程学部 2 5 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (1)
同被引文献  (5)
二级引证文献  (0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(4)
  • 参考文献(4)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
序列级检测
帧级检测
多模式特征
随机回归森林
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导