CN111222390A - 取得眼球追踪位置的影像运算方法和其*** - Google Patents

取得眼球追踪位置的影像运算方法和其*** Download PDF

Info

Publication number
CN111222390A
CN111222390A CN201910138580.3A CN201910138580A CN111222390A CN 111222390 A CN111222390 A CN 111222390A CN 201910138580 A CN201910138580 A CN 201910138580A CN 111222390 A CN111222390 A CN 111222390A
Authority
CN
China
Prior art keywords
stage
feature
features
frame
tracking position
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910138580.3A
Other languages
English (en)
Other versions
CN111222390B (zh
Inventor
简韶逸
林裕盛
邱柏榕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Publication of CN111222390A publication Critical patent/CN111222390A/zh
Application granted granted Critical
Publication of CN111222390B publication Critical patent/CN111222390B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/013—Eye tracking input arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ophthalmology & Optometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

一种取得眼球追踪位置的影像运算方法和其***，执行多个特征运算阶段，当储存单元暂存眼球帧的子帧后即先运算抽取出子帧的始阶段特征，再将这些由运算子帧所得的始阶段特征进行至少一个阶段的运算后得到终阶段特征，运算终阶段特征后可取得眼球追踪位置信息。储存单元暂存子帧的方式和多特征运算阶段的处理方式可减少整个***的耗电、硬件面积和延迟。

Description

取得眼球追踪位置的影像运算方法和其***
技术领域
本发明是关于一种眼球追踪的运算方法和其***，尤其是关于一种取得眼球追踪位置的影像运算方法和其***。
背景技术
视线追踪是一种从眼睛影像获取眼睛正在注视方向/位置的技术。由于视线追踪元件/装置通常是放置于眼睛周围，故一般视线追踪模块应具备低功耗、小面积、低延迟等特性以符合要求。然而，现有的技术通常需储存取得完整的眼睛影像帧(frame)之后才可计算眼球注视方向/位置。如此的技术功耗大且易产生延迟，需加以改进。
发明内容
本发明的目的在于克服现有技术的缺陷，而提供一种针对省电需求设计的眼球追踪特征抽取以及对应硬件设计，采用多阶段方法减低影像储存单元的硬件面积需求和功耗，并且降低取得计算结果的延迟。
本发明还提供一种针对省电需求设计的眼球追踪特征抽取以及对应硬件设计，通过部分帧来抽取必要信息(特征)的方法，取得部分帧时便计算第一阶段特征，之后再用第一阶段合并出第二甚至第三阶段特征来计算后取得眼球注视方向/位置。
本发明的目的及解决其技术问题是采用以下技术方案来实现的。
依据本发明提出的一种取得眼球追踪位置的影像运算方法，包括:撷取眼球帧，其中，该眼球帧包括多个子帧；执行多个特征运算阶段(operation stage for feature)以取得眼球追踪位置信息，其中，该多个特征运算阶段至少包括一个始阶特征运算阶段(launch-stage feature)和一个终阶特征运算阶段(terminal-stage feature)，该始阶特征运算阶段包括运算出该多个子帧的多个始阶段特征(launch-stage features)，该终阶特征运算阶段通过该多个始阶段特征抽取出多个终阶段特征(terminal-stagefeatures)；及运算该多个终阶段特征以取得该眼球追踪位置信息。
依据本发明还提出的一种取得眼球追踪位置的影像运算***，包括:控制单元，提供控制指令；处理单元，依据该控制指令，对眼球帧的多个子帧执行多个特征运算阶段以取得眼球追踪位置信息，其中，该些特征运算阶段至少包括一个始阶特征运算阶段和一个终阶特征运算阶段，该始阶特征运算阶段包括运算出该多个子帧的多个始阶段特征，该终阶特征运算阶段通过该多个始阶段特征抽取出多个终阶段特征；及储存单元，用以储存该些始阶段特征和终阶段特征。
本发明的目的及解决其技术问题还可采用以下技术措施进一步实现。前述的取得眼球追踪位置的影像运算方法中，该多个子帧至少包括第一子帧和第二子帧，以及运算出该多个始阶段特征的步骤包括:(1)储存该第一子帧数据于储存单位中；(2)取得对应该储存第一子帧数据的前序特征；(3)删除该储存单位中的该储存第一子帧数据；(4)储存该第二子帧数据于该储存单位中；及(5)取得对应该储存第二子帧数据的后序特征，其中，该前序特征和该后序特征为该多个始阶段特征中的两个特征。
前述的取得眼球追踪位置的影像运算方法中，该始阶特征运算阶段通过矩阵乘法取得该前序特征和该后序特征。
前述的取得眼球追踪位置的影像运算方法中，该终阶特征运算阶段通过叠加该前序特征和该后序特征得到该多个终阶段特征中的一个或全部特征。
前述的取得眼球追踪位置的影像运算方法中，该始阶特征运算阶段通过矩阵乘法取得该多个始阶段特征。
前述的取得眼球追踪位置的影像运算方法中，该终阶特征运算阶段通过叠加该多个始阶段特征的部分或全部得到该多个终阶段特征。
前述的取得眼球追踪位置的影像运算方法中，任一个该子帧数据量少于该眼球帧数据量。
前述的取得眼球追踪位置的影像运算方法中，该多个特征运算阶段的数目至少为2。
前述的取得眼球追踪位置的影像运算***中，该处理单元包括单处理器或多个阶段处理次单元。
前述的取得眼球追踪位置的影像运算***中,该储存单元在该始阶特征运算阶段时暂存该多个子帧数据。
前述的取得眼球追踪位置的影像运算***更包括影像感测单元提供该眼球帧。
本发明与现有技术相比具有明显的优点和有益效果。借由上述技术方案,本发明提出的取得眼球追踪位置的影像运算方法和其***可达到相当的技术进步性及实用性，并具有产业上的广泛利用价值，其至少具有以下具备低功耗、小面积、低延迟的优点。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图,详细说明如下。
附图说明
图1为本发明的取得眼球追踪位置的影像运算方法实施例的流程示意图。
图2为本发明的取得眼球追踪位置的影像运算方法实施例的流程方框示意图。
图3为本发明的取得眼球追踪位置的影像运算***实施例的架构示意图。
图4为本发明的取得眼球追踪位置的影像运算***另一实施例的架构示意图。
【符号说明】
2、4、6:步骤
10:眼球帧
12:第一子帧
13、15、17、19:特征
14:第二子帧
16:第三子帧
18:第四子帧
22:第一特征运算阶段
23、25:第二阶段特征
24:第二特征运算阶段
31:影像帧数据
32:控制单元
33:总线
34:储存单元
36:处理单元
35:控制指令
38:影像感测单元
39:阶段处理次单元
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的取得眼球追踪位置的影像运算方法和其***，其具体实施方式、结构、方法、步骤、特征及其功效，详细说明如后。
有关本发明的前述及其他技术内容、特点及功效，在以下配合参考图式的较佳实施例的详细说明中将可清楚呈现。通过具体实施方式的说明,当可对本发明为达成预定目的所采取的技术手段及功效更加深入且具体的了解，然而所附图式仅是提供参考与说明之用，并非用来对本发明加以限制。
本发明以下所谓的特征运算阶段(operation stage for feature)可以是多个，包括始阶特征(launch-stage feature)运算阶段和终阶特征(terminal-stage feature)运算阶段。为方便说明，以下将以2个特征运算阶段做说明，但本发明的特征运算阶段的数目不限为2。当本发明以2个特征运算阶段做说明时，以下所述的第一特征运算阶段即为始阶特征运算阶段(operation stage of launch-stage feature)，第二特征运算阶段即为终阶特征运算阶段(operation stage of terminal-stage feature)。
其次，任一个特征运算阶段可依序或同时运算出多个特征。对于眼球帧数据进行运算的始阶特征运算阶段而言，眼球帧被分为多个子帧，并且在时序上依序取得子帧数据的一个或多个特征，即始阶段特征(launch-stage feature)。为方便说明，以下以2个子帧(第一和第二子帧)为例时，用前序特征和后序特征来表示在时序上先后自第一和第二子帧数据取得的特征。若以4个子帧为例时，亦可以此类推，此时用前序特征和后序特征来表示在时序上先后自第一和第四子帧数据取得的特征。另，对于始阶特征运算阶段以外的其他或终阶特征运算阶段而言，时序上在后的特征运算阶段可通过将时序上在先的特征运算阶段所得的全部或部分特征进行叠加以抽取出其中一个或多个特征，对于终阶特征运算阶段而言即抽取得到终阶段特征(terminal-stage feature)。可以理解的，当本发明以2个特征运算阶段做说明时，始阶段特征即为第一阶段特征，终阶段特征即为第二阶段特征。又，由子帧数据取得的特征，举例但不限地，例如对比超过预定比例或值，例如与特定图样(pattern ex:eye shape)相似度超过某一水平、例如侦测特定几何形状的区域。
图1为本发明的取得眼球追踪位置的影像运算方法实施例的流程示意图，图2为本发明的取得眼球追踪位置的影像运算方法实施例的流程方框示意图。请参考图1和图2，本发明的取得眼球追踪位置的影像运算方法，以用适当方法感测/撷取到的眼球帧10为出发，并将撷取到的眼球帧10分成若干个子帧(sub frame)(步骤2)。子帧的数目不限，于第一实施例中，眼球帧10被划分成第一子帧12、第二子帧14、第三子帧16和第四子帧18，每个子帧数据量少于眼球帧数据量。
之后，执行本发明的多个特征运算阶段(operation stage for feature)(步骤4)。在本发明中，特征运算阶段的数目并不限制，在第一实施例中以两个阶段为说明，即第一特征运算阶段22和第二特征运算阶段24。在第一特征运算阶段22中，通过矩阵乘法运算来抽取出每个子帧的特征。在第一实施例中，第一子帧12、第二子帧14、第三子帧16和第四子帧18分别采取值为1/4的均匀系数的矩阵运算后，分别得到第一子帧12的特征13、第二子帧14的特征15、第三子帧16的特征17和第四子帧18的特征19。可以理解的，特征13、特征15、特征17和特征19则皆为第一特征运算阶段22所得到的第一阶段特征(始阶段特征)。
继续参考图1和图2，本发明的特征之一在于，执行第一特征运算阶段22中，来自影像感测元件/模块的眼球帧数据若依序传递并储存一部分数据时，时序上在先的子帧数据可通过运算抽取出其特征(前序特征)，且可于传递时序在后的子帧数据需要储存前完成抽取出前序特征。如此，当前序特征已经抽取出来时，便可删除时序上在先的子帧数据并利用该储存位置储存时序上在后的子帧数据。因此，本发明无须设置容量过大的储存单元/模块，可以减少整个装置所占用的面积。
继续参考图1和图2，在第二特征运算阶段24中，通过适当的系数矩阵运算特征13、特征15、特征17和特征19的全部或一部分，可抽取出一个或多个第二阶段特征。在第一实施例中，利用机器学习的系数矩阵运算特征13、特征15、特征17来得到第二阶段特征23，以及运算特征15、特征17和特征19来得到第二阶段特征25。可以理解的，在第一实施例中，第二阶段特征23和第二阶段特征25则皆为终阶段特征。
继续参考图1和图2，之后，运算第二阶段特征23和第二阶段特征25以取得眼球追踪位置信息(步骤6)。在第一实施例中，可利用叠加方法运算第二阶段特征23和第二阶段特征25(终阶段特征)后得到眼球追踪位置信息。呈上，因本发明中，当完整眼球帧被看到之后，便已取得所有的子帧，接着再用第一阶段特征合并出第二阶段特征，以便计算眼球注视方向。因为先前的子帧数据已经计算完成，因此计算的延迟仅有第二阶段特征。故本发明具有减少延迟之效。
图3为本发明的取得眼球追踪位置的影像运算***实施例的架构示意图。请参考图3，本发明的影像运算***包括控制单元32、储存单元34和处理单元36。处理单元36接收来自影像感测单元38的影像帧数据31，并且通过控制单元32的控制排程依序执行多个特征运算阶段后输出终阶段特征以供取得眼球追踪位置信息之用。在此实施例中，控制单元32和储存单元34之间，以及储存单元34和处理单元36可通过总线33(bus)或适当的导线相通讯，控制单元32亦可输出控制指令35给处理单元36。其次，处理单元36可为单处理器，集中执行特征运算阶段的运算。并且，通过控制单元32的控制指令35，处理单元36可精细地执行特征运算阶段的运算，集中运算的处理单元36可减少硬件面积并优化硬件使用效率。
继续参考图1和图3，眼球帧10的影像帧数据31被接收时，第一子帧12的数据先储存在储存单元34，之后处理单元36从第一子帧12的数据取得其特征13。当特征13被抽取出来后，储存于储存单元34中的第一子帧12的数据已经不需要，故可被删除。另一方面，眼球帧10的第二子帧14的数据就可被储存在已经清空的储存单元34中，之后处理单元36从第二子帧14的数据取得其特征15，再把第二子帧14的数据从储存单元34中删除，依此类推。如此，储存单元34，例如内存模块，可以无需大容量，可减少硬件面积。
图4为本发明的取得眼球追踪位置的影像运算***另一实施例的架构示意图。和图3不同的是，本发明的影像运算***的处理单元36亦可采用非整合为单处理器的多个阶段处理次单元39，每一阶段处理次单元39依据控制指令35依序运算前一阶段的特征后得到本阶段的特征并传至下一阶段特征，如此采用多阶段运算阶段仍可达到本发明的目的。
综上所述，本发明取得眼球追踪位置的影像运算方法和其***可以达到低功耗、小面积、低延迟的优点。在本发明的技术领域内，只要具备最基本的知识，可以对本发明的其他可操作的实施例进行改进。在本发明中对实质性技术方案提出了专利保护请求，其保护范围应包括具有上述技术特点的一切变化方式。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (12)

1.一种取得眼球追踪位置的影像运算方法，其特征在于,包括:
撷取眼球帧，其中，该眼球帧包括多个子帧；
执行多个特征运算阶段以取得眼球追踪位置信息，其中，该多个特征运算阶段至少包括一个始阶特征运算阶段和一个终阶特征运算阶段，该始阶特征运算阶段包括运算出该多个子帧的多个始阶段特征，该终阶特征运算阶段通过该多个始阶段特征抽取出多个终阶段特征；及
运算该多个终阶段特征以取得该眼球追踪位置信息。
2.如权利要求1所述的取得眼球追踪位置的影像运算方法，其特征在于,该多个子帧至少包括第一子帧和第二子帧，以及运算出该多个始阶段特征的步骤包括:
(1)储存该第一子帧数据于储存单位中；
(2)取得对应该储存第一子帧数据的前序特征；
(3)删除该储存单位中的该储存第一子帧数据；
(4)储存该第二子帧数据于该储存单位中；及
(5)取得对应该储存第二子帧数据的后序特征，其中，该前序特征和该后序特征为该多个始阶段特征中的两个特征。
3.如权利要求2所述的取得眼球追踪位置的影像运算方法，其特征在于,该始阶特征运算阶段通过矩阵乘法取得该前序特征和该后序特征。
4.如权利要求3所述的取得眼球追踪位置的影像运算方法，其特征在于,该终阶特征运算阶段通过叠加该前序特征和该后序特征得到该多个终阶段特征中的一个或全部特征。
5.如权利要求1所述的取得眼球追踪位置的影像运算方法，其特征在于,该始阶特征运算阶段通过矩阵乘法取得该多个始阶段特征。
6.如权利要求1所述的取得眼球追踪位置的影像运算方法，其特征在于,该终阶特征运算阶段通过叠加该多个始阶段特征的部分或全部得到该多个终阶段特征。
7.如权利要求1所述的取得眼球追踪位置的影像运算方法，其特征在于,任一个该子帧数据量少于该眼球帧数据量。
8.如权利要求1所述的取得眼球追踪位置的影像运算方法，其特征在于,该多个特征运算阶段的数目为至少为2。
9.一种取得眼球追踪位置的影像运算***，其特征在于,包括:
控制单元，提供控制指令；
处理单元，依据该控制指令，对眼球帧的多个子帧执行多个特征运算阶段以取得眼球追踪位置信息，其中，该多个特征运算阶段至少包括始阶特征运算阶段和终阶特征运算阶段，该始阶特征运算阶段包括运算出该多个子帧的多个始阶段特征，该终阶特征运算阶段通过该多个始阶段特征抽取出多个终阶段特征；及
储存单元，用以储存该多个始阶段特征和终阶段特征。
10.如权利要求9所述的取得眼球追踪位置的影像运算***，其特征在于,该处理单元包括单处理器或多个阶段处理次单元。
11.如权利要求9所述的取得眼球追踪位置的影像运算***，其特征在于,该储存单元于该始阶特征运算阶段时暂存该多个子帧数据。
12.如权利要求9所述的取得眼球追踪位置的影像运算***，其特征在于,更包括影像感测单元提供该眼球帧。
CN201910138580.3A 2018-11-23 2019-02-25 取得眼球追踪位置的影像运算方法和其*** Active CN111222390B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW107141770 2018-11-23
TW107141770A TWI685772B (zh) 2018-11-23 2018-11-23 取得眼球追蹤位置的影像運算方法和其系統

Publications (2)

Publication Number Publication Date
CN111222390A true CN111222390A (zh) 2020-06-02
CN111222390B CN111222390B (zh) 2023-11-03

Family

ID=70413365

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910138580.3A Active CN111222390B (zh) 2018-11-23 2019-02-25 取得眼球追踪位置的影像运算方法和其***

Country Status (3)

Country Link
US (1) US10895911B2 (zh)
CN (1) CN111222390B (zh)
TW (1) TWI685772B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1987005205A1 (en) * 1986-03-08 1987-09-11 G. Rodenstock Instrumente Gmbh Laser installation for examining and treating the eye
CN101292876A (zh) * 2007-04-28 2008-10-29 姚士康 驾驶疲劳监测防护仪
CN101593346A (zh) * 2009-07-06 2009-12-02 中国人民解放军总装备部军械技术研究所 集成化通用目标视频图像采集识别***
CN101599127A (zh) * 2009-06-26 2009-12-09 安徽大学 眼电信号的特征提取与识别方法
EP2275020A1 (en) * 2009-07-16 2011-01-19 Tobil Technology AB Eye detection unit using sequential data flow
US20110050573A1 (en) * 2009-08-25 2011-03-03 Stavely Donald J Tracking motion of mouse on smooth surfaces
WO2011153112A2 (en) * 2010-05-29 2011-12-08 Wenyu Jiang Systems, methods and apparatus for making and using eyeglasses with adaptive lens driven by gaze distance and low power gaze tracking
CN104200216A (zh) * 2014-09-02 2014-12-10 武汉大学 一种多特征提取逐步求精的高速移动目标跟踪算法
CN104281543A (zh) * 2013-07-01 2015-01-14 图芯芯片技术（上海）有限公司 显示控制器和二维图形处理器通过同一个内存控制器访问内存的架构方法
CN105872418A (zh) * 2016-03-30 2016-08-17 浙江大华技术股份有限公司 一种在数字图像上叠加gui图层的方法及装置
CN106033613A (zh) * 2015-03-16 2016-10-19 北京大学 目标跟踪方法及装置
CN106096630A (zh) * 2016-06-03 2016-11-09 福州大学 一种集成像元与对象的水稻自动变化检测方法
CN108259797A (zh) * 2018-01-09 2018-07-06 武汉精测电子集团股份有限公司 一种对图像进行字符叠加的方法及装置
CN108668096A (zh) * 2018-05-18 2018-10-16 京东方科技集团股份有限公司 视频数据的管理方法、装置及录像设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6329635B2 (ja) * 2014-02-25 2018-05-23 アイベリファイ インコーポレイテッド 視線追跡
US9514364B2 (en) * 2014-05-29 2016-12-06 Qualcomm Incorporated Efficient forest sensing based eye tracking

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1987005205A1 (en) * 1986-03-08 1987-09-11 G. Rodenstock Instrumente Gmbh Laser installation for examining and treating the eye
CN101292876A (zh) * 2007-04-28 2008-10-29 姚士康 驾驶疲劳监测防护仪
CN101599127A (zh) * 2009-06-26 2009-12-09 安徽大学 眼电信号的特征提取与识别方法
CN101593346A (zh) * 2009-07-06 2009-12-02 中国人民解放军总装备部军械技术研究所 集成化通用目标视频图像采集识别***
US8610768B2 (en) * 2009-07-16 2013-12-17 Tobii Technology Ab Eye detection unit using sequential data flow
EP2275020A1 (en) * 2009-07-16 2011-01-19 Tobil Technology AB Eye detection unit using sequential data flow
US20110050573A1 (en) * 2009-08-25 2011-03-03 Stavely Donald J Tracking motion of mouse on smooth surfaces
WO2011153112A2 (en) * 2010-05-29 2011-12-08 Wenyu Jiang Systems, methods and apparatus for making and using eyeglasses with adaptive lens driven by gaze distance and low power gaze tracking
CN104281543A (zh) * 2013-07-01 2015-01-14 图芯芯片技术（上海）有限公司 显示控制器和二维图形处理器通过同一个内存控制器访问内存的架构方法
CN104200216A (zh) * 2014-09-02 2014-12-10 武汉大学 一种多特征提取逐步求精的高速移动目标跟踪算法
CN106033613A (zh) * 2015-03-16 2016-10-19 北京大学 目标跟踪方法及装置
CN105872418A (zh) * 2016-03-30 2016-08-17 浙江大华技术股份有限公司 一种在数字图像上叠加gui图层的方法及装置
CN106096630A (zh) * 2016-06-03 2016-11-09 福州大学 一种集成像元与对象的水稻自动变化检测方法
CN108259797A (zh) * 2018-01-09 2018-07-06 武汉精测电子集团股份有限公司 一种对图像进行字符叠加的方法及装置
CN108668096A (zh) * 2018-05-18 2018-10-16 京东方科技集团股份有限公司 视频数据的管理方法、装置及录像设备

Also Published As

Publication number Publication date
TW202020624A (zh) 2020-06-01
US20200166995A1 (en) 2020-05-28
US10895911B2 (en) 2021-01-19
TWI685772B (zh) 2020-02-21
CN111222390B (zh) 2023-11-03

Similar Documents

Publication Publication Date Title
US11449745B2 (en) Operation apparatus and method for convolutional neural network
CN111696132B (zh) 目标跟踪方法、装置、计算机可读存储介质及机器人
CN109543549B (zh) 用于多人姿态估计的图像数据处理方法及装置、移动端设备、服务器
CN110378913B (zh) 图像分割方法、装置、设备及存储介质
CN111951280B (zh) 图像分割方法、装置、设备及存储介质
CN111310705A (zh) 图像识别方法、装置、计算机设备及存储介质
CN110610154A (zh) 行为识别方法、装置、计算机设备和存储介质
CN111709406B (zh) 文本行识别方法及装置、可读存储介质、电子设备
US11636712B2 (en) Dynamic gesture recognition method, device and computer-readable storage medium
CN113743599B (zh) 一种卷积神经网络的运算装置及服务器
CN111144556B (zh) 面向深度神经网络训练和推理的范围批处理归一化算法的硬件电路
JP2019008421A (ja) 処理方法、プログラム、情報処理装置、および画像処理装置
CN112541394A (zh) 黑眼圈及鼻炎识别方法、***及计算机介质
CN114022748B (zh) 目标识别方法、装置、设备及存储介质
CN112200305A (zh) 一种神经网络加速协处理器、处理***及处理方法
US20200349341A1 (en) Performing an iterative bundle adjustment for an imaging device
CN111222390A (zh) 取得眼球追踪位置的影像运算方法和其***
CN109472289B (zh) 关键点检测方法和设备
CN108876767B (zh) 一种甘蔗蔗节特征快速识别装置
CN115511918A (zh) 一种基于并行处理的目标跟踪方法及装置
CN110503594B (zh) 视频跟踪装置、方法、***和视频跟踪设备
CN109063822B (zh) 一种计算方法及计算装置
JP2022185872A5 (zh)
CN112489687A (zh) 一种基于序列卷积的语音情感识别方法及装置
CN110459330A (zh) 药物适应症预测方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant