买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海大学申请的专利一种自适应视线估计方法、系统、电子设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115862095B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211471537.7，技术领域涉及：G06V40/16；该发明授权一种自适应视线估计方法、系统、电子设备及存储介质是由赵梓辰;柯维涛;陆小锋设计研发完成，并于2022-11-23向国家知识产权局提交的专利申请。

本一种自适应视线估计方法、系统、电子设备及存储介质在说明书摘要公布了：本发明公开了一种自适应视线估计方法、系统、电子设备及存储介质，涉及视线估计技术领域，该方法包括对目标人员的脸部图像进行处理得到眼脸位置信息；将目标人员的脸部图像和眼脸位置信息输入至自适应视线估计模型，得到目标人员的注视线估计结果；自适应视线估计模型为利用第一样本输入数据以及第一样本输入数据对应的样本实测结果对基于多尺度特征融合的自适应视线估计网络进行训练，利用眼指导网络对基于多尺度特征融合的自适应视线估计网络中的平移参数和缩放参数进行更新后得到的模型。本发明充分利用脸部和眼部之间内在的特征关系，达到自适应视线估计目的。

本发明授权一种自适应视线估计方法、系统、电子设备及存储介质在权利要求书中公布了：1.一种基于多尺度特征融合的自适应视线估计方法，其特征在于，所述自适应视线估计方法包括： 获取目标人员的脸部图像； 对所述目标人员的脸部图像进行处理，得到所述目标人员的眼脸位置信息；所述眼脸位置信息包括脸部边界框信息、左眼边界框信息和右眼边界框信息； 将目标人员信息输入至自适应视线估计模型，得到目标人员的注视线估计结果；所述目标人员信息包括目标人员的脸部图像和眼脸位置信息； 所述自适应视线估计模型为利用第一样本输入数据以及所述第一样本输入数据对应的样本实测结果对基于多尺度特征融合的自适应视线估计网络进行训练，利用眼指导网络对所述基于多尺度特征融合的自适应视线估计网络中的平移参数和缩放参数进行更新后得到的模型； 所述眼指导网络用于采用深度学习算法对所述第一样本输入数据对应的第二样本输入数据进行处理，得到平移参数和缩放参数； 所述第一样本输入数据为作为模型训练时所需的脸部图像和眼脸位置信息；所述第二样本输入数据为作为模型训练时所需的左眼图像、右眼图像和眼脸位置信息；所述样本实测结果为作为模型训练时所需的注视线实测结果； 所述基于多尺度特征融合的自适应视线估计网络包括依次连接的卷积层、无平移参数和缩放参数的全局平均池化层、第一平移缩放层、通道维度拼接层、第一多尺度注意力模块、第二平移缩放层、第二多尺度注意力模块和全连接层；其中，所述第一平移缩放层中的平移参数和缩放参数是由所述眼指导网络确定的；所述第二平移缩放层中的平移参数和缩放参数是由所述眼指导网络确定的；所述全连接层包括第一全连接块和第二全连接块以及第三全连接块；所述第一全连接块用于输入眼脸位置信息，所述第二全连接块用于输入所述第二多尺度注意力模块输出的特征；所述第三全连接块的输入端分别与所述第一全连接块的输出端和所述第二全连接块的输出端；所述卷积层用于输入脸部图像； 所述眼指导网络包括第一分支网络、第二分支网络、第三分支网络、以及与第一分支网络的输出端、第二分支网络的输出端、第三分支网络的输出端均连接的全连接层模块；所述第一分支网络包括依次连接的第一卷积块、通道维度拼接层和全连接层；所述第一卷积块用于输入右眼图像；所述第二分支网络包括依次连接的第二卷积块、交叉视图池化层和全连接层；所述第二卷积块用于输入左眼图像；所述第三分支网络用于输入眼脸位置信息；所述全连接层模块用于输出平移参数和缩放参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海大学，其通讯地址为：200444 上海市宝山区上大路99号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。