实现基于神经网络的高精度瞳孔检测系统,用于实时和现实世界的应用
Gabriel Bonteanu1, Petronela Bonteanu2, Arcadie Cracan1
1Fundamentals of Electronics Department, "Gheorghe Asachi" Technical University of Iasi, 700050 Iasi, Romania.
Sensors (Basel, Switzerland)
|April 27, 2024
概括
这项研究介绍了一种人工智能驱动的学生检测系统,使用微薄的神经网络进行实时应用. 它在100/秒的处理速度下达到96.29%的5像素精度,增强了辅助技术和驾驶员安全系统.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 准确的学生检测对于人机交互和监控系统至关重要.
- 现有的方法往往与现实世界条件 (如可变的照明和多样化的数据集) 进行斗争.
- 在实时应用中,对高效,高准确度的瞳孔检测的需求正在增长.
研究的目的:
- 实施和评估一种基于人工智能 (AI) 的新型学生检测系统.
- 为了实现现实世界,实时应用的高精度和处理速度.
- 为了证明系统在各种眼睛图像数据集中的通用性.
主要方法:
- 利用了具有平行架构的细型神经网络,以减少复杂性.
- 从20个不同的数据库中对大约4万张眼睛图像进行了训练和验证.
- 使用两个独立的分类器来确定学生中心坐标.
主要成果:
- 在5像素值内实现了96.29%的检测率.
- 报告了3.38像素的标准偏差,用于所有数据集的检测准确度.
- 演示了每秒100 (fps) 的处理速度.
结论:
- 开发的AI学生检测系统提供了高精度和处理速度.
- 该系统的稳定性和通用性使其适用于可变的照明条件.
- 潜在的应用包括辅助技术 (眼部打字),游戏和汽车驾驶员安全监控.
