基于改进的YOLOv11模型的Eye-Tracking控制方法的研究
Xiangyang Sun1, Jiahua Wu1, Wenjun Zhang2
1Key Laboratory of Intelligent Rehabilitation and Barrier-Free for the Disabled (Ministry of Education), Changchun University, Changchun 130022, China.
Sensors (Basel, Switzerland)
|October 16, 2025
概括
这项研究通过改进YOLOv11模型的EFFM和ORC模块来提高医疗康复的眼睛跟踪精度. 增强的眼动检测可以精确控制机器人手臂进行康复任务.
科学领域:
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
- 康复技术 康复技术 康复技术
背景情况:
- 眼睛追踪是一种非侵入性的康复工具.
- 目前的方法在眼睛检测和运动分析方面缺乏准确性.
研究的目的:
- 使用增强的YOLOv11.1提高眼睛跟踪的准确性.
- 通过眼睛运动开发精确的机器人手臂控制.
主要方法:
- 增强的YOLOv11与EFFM和ORC模块用于眼和虹膜识别.
- 框架投票和眼动区区分用于方向检测.
- 眼睛运动编码用于机器人手臂控制命令生成.
主要成果:
- 改善了眼 (1.7%) 和虹膜 (9.9%) 的识别精度.
- 增加了眼 (5.5%) 和虹膜 (44%) 的回忆率.
- 在眼睛运动方向区分 (92.8%-95.3%) 和机器人手臂控制 (93.4%-96.8%) 中的高精度.
- 使用眼睛控制的机器人手臂,成功完成物体抓取任务率 (78%-98%).
结论:
- 增强的眼睛追踪系统提供了更高的准确性和可靠性.
- 这项技术显示出先进的医疗康复和人机交互的巨大潜力.
