基于眼动序列分析的眨眼检测

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。