一种基于深度学习眼球追踪光斑检测方法及装置

专利主权项内容

1.一种基于深度学习眼球追踪光斑检测方法，其特征在于，包括：将带有光斑的单通道样本眼球图像的数据组进行处理后存储在txt文件中；读取txt文件中单通道样本眼球图像的数据组中首位数字不为0的数据组；使用opencv图像视觉库生成像素值全为1的浮点型图像，所述浮点型图像大小与单通道样本眼球图像大小相同；以每个所述数据组中的末尾两个值乘以单通道样本眼球图像的宽和高得到的值为圆心，以每个所述数据组的首位数字为像素，以预设像素值为半径在浮点型图像上画圆，得到单通道样本眼球图像对应的第一多通道标签图像；通过初级神经网络模型对所述单通道样本眼球图像对应的数据组进行语义分割输出第二多通道标签图像；根据所述第一多通道标签图像与第二多通道标签图像确定损失函数；通过所述损失函数迭代优化所述初级神经网络模型，得到最终神经网络模型；通过所述最终神经网络模型对带有光斑的单通道待测眼球图像进行处理，并推理得到所述单通道待测眼球图像的光斑中心和光斑排序。