Logowanie
Zarejestruj się
Zresetuj hasło
Publikuj i Dystrybuuj
Rozwiązania Wydawnicze
Rozwiązania Dystrybucyjne
Dziedziny
Architektura i projektowanie
Bibliotekoznawstwo i bibliologia
Biznes i ekonomia
Chemia
Chemia przemysłowa
Filozofia
Fizyka
Historia
Informatyka
Inżynieria
Inżynieria materiałowa
Językoznawstwo i semiotyka
Kulturoznawstwo
Literatura
Matematyka
Medycyna
Muzyka
Nauki farmaceutyczne
Nauki klasyczne i starożytne studia bliskowschodnie
Nauki o Ziemi
Nauki o organizmach żywych
Nauki społeczne
Prawo
Sport i rekreacja
Studia judaistyczne
Sztuka
Teologia i religia
Zagadnienia ogólne
Publikacje
Czasopisma
Książki
Materiały konferencyjne
Wydawcy
Blog
Kontakt
Wyszukiwanie
EUR
USD
GBP
Polski
English
Deutsch
Polski
Español
Français
Italiano
Koszyk
Home
Czasopisma
International Journal of Advanced Network, Monitoring and Controls
Tom 7 (2022): Zeszyt 1 (January 2022)
Otwarty dostęp
Research on the Estimation of Gaze Location for Head-eye Coordination Movement
Qiyou Wu
Qiyou Wu
oraz
Changyuan Wang
Changyuan Wang
| 28 maj 2023
International Journal of Advanced Network, Monitoring and Controls
Tom 7 (2022): Zeszyt 1 (January 2022)
O artykule
Poprzedni artykuł
Następny artykuł
Abstrakt
Artykuł
Ilustracje i tabele
Referencje
Autorzy
Artykuły w tym zeszycie
Podgląd
PDF
Zacytuj
Udostępnij
Data publikacji:
28 maj 2023
Zakres stron:
116 - 131
DOI:
https://doi.org/10.2478/ijanmc-2022-0009
Słowa kluczowe
Head-Eye Coordination
,
Gaze Estimation Method
,
Experimental Platform Design
,
Deep Residual Networks
© 2022 Qiyou Wu et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Figure 1.
Deployment of the “Three Cameras and Eight Lights” platform
Figure 2.
Flow chart of head-eye movement data collection
Figure 3.
The experimental process of head-eye movement data collection
Figure 4.
Euler angle of head posture
Figure 5.
Three-axis attitude data record
Figure 6.
Face detection, Eye detection results
Figure 7.
Location of the target center point
Figure 8.
Purkinje detect results
Figure 9.
Eye gaze point estimation network structure
Figure 10.
Gaze estimation model with head-eye movement fusion
Figure 11.
Comparison of the performance of different models
Figure 12.
Comparison of the performance of three gaze estimation models
图 1
“三目八光源”平台部署示意图”
图 2
头眼运动数据采集流程图
图 3
头眼运动数据采集实验过程
图 4
头部姿态欧拉角
图 5
三轴姿态数据记录
图 6
人脸检测、人眼检测结果
图 7
目标中心点位置
图 8
普尔钦斑检测结果
图 9
人眼视线落点估计网络结构
图 10
融合头眼运动的视线落点估计模型
图 11
Eye 和 Eye&Purkinje 模型性能对比分析图
图 12
三种视线落点估计模型性能对比分析图