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！

龙图腾网获悉南通诺瞳奕目医疗科技有限公司;北京诺瞳奕目医疗科技有限公司申请的专利一种基于深度学习模型的非接触式视线估计方法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：CN121564784B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610092028.5，技术领域涉及：G06V40/18；该发明授权一种基于深度学习模型的非接触式视线估计方法是由阿金卡·杰迪普辛格·普尔;海娜·斯内哈尔·帕特尔;萨米克沙·普拉迪普·帕恰德;普加·吉加尔·乔克西;萨蒂什·庞努萨米;阿尼尔班·乔杜里设计研发完成，并于2026-01-23向国家知识产权局提交的专利申请。

本一种基于深度学习模型的非接触式视线估计方法在说明书摘要公布了：本发明公开了一种基于深度学习模型的非接触式视线估计方法，涉及计算机视觉技术领域。该方法通过摄像头与可控近红外光源构建多模态采集系统，同步获取用户面部图像、深度信息及屏幕注视点坐标；利用双流深度学习网络分别提取眼部表观纹理特征和头部几何特征并进行融合；将融合特征输入可微分眼球物理模型，结合个性化生理参数进行物理正则化处理，解耦头部运动与眼球转动；通过对抗性训练机制学习对眼镜反光、光照变化等干扰因素不变的特征表示；最终经回归网络输出精确的屏幕视线坐标。本发明通过多模态融合、物理先验约束与对抗学习的协同作用，在中等成本硬件上实现了高精度、高鲁棒性的视线估计，有效克服了个体差异和环境变化的影响。

本发明授权一种基于深度学习模型的非接触式视线估计方法在权利要求书中公布了：1.一种基于深度学习模型的非接触式视线估计方法，其特征在于，包括以下步骤： S1、通过由RGB-D摄像头和可编程近红外光源构成的硬件系统，同步采集用户在注视屏幕刺激点时的一系列数据，所述数据包括：RGB图像序列、深度图像序列、与每一图像帧精确同步的屏幕刺激点坐标、以及在不同近红外光照模式下生成的图像数据； S2、对采集到的所述RGB图像序列和深度图像序列进行处理，提取用户的头部三维姿态信息，并基于此定位眼部区域，进而通过一个双流深度学习编码网络，分别从RGB眼部图像和深度信息中提取特征，并将所述特征融合为一个统一的多模态特征向量； 所述双流深度学习编码网络具体包括： 一个RGB流编码子网络，由一个卷积神经网络构成，其输入为从所述RGB图像序列中定位到的眼部区域图像块，用于提取与瞳孔、虹膜及眼角轮廓相关的表观纹理特征； 一个深度姿态流编码子网络，其输入包含由所述深度图像序列计算得到的头部三维姿态向量以及眼部的深度图块，用于提取与头部空间位置和眼部几何结构相关的深度几何特征； 一个特征融合模块，用于将所述表观纹理特征与所述深度几何特征进行拼接或加权融合，从而输出所述统一的多模态特征向量； S3、将所述统一的多模态特征向量输入一个包含可微分眼球物理模型的网络模块，其中，基于预置的用户个性化眼球生理参数初值，对所述多模态特征向量进行符合眼球光学几何规律的变换与正则化，输出一个经过物理模型约束的、表征纯眼球转动的视线方向特征； 所述可微分眼球物理模型是一个嵌入在深度学习网络中的数学计算层，该模型被配置为：接收所述统一的多模态特征向量和所述用户个性化眼球生理参数初值作为输入； 基于眼球的光学几何特性，建立从眼部表观特征到眼球三维旋转的映射关系，该映射关系通过一系列可微分的数学运算实现； 所述数学运算包括根据所述个性化眼球生理参数，将眼部图像特征映射到头部坐标系中的三维坐标，并通过矢量运算求解眼球的注视方向； 该模型的输出是一个表征眼球在三维空间中旋转方向的特征向量，整个计算过程的梯度可在反向传播中被计算，使得所述个性化眼球生理参数和所述双流深度学习编码网络的参数能够被联合优化； S4、将所述视线方向特征输入一个包含对抗性训练机制的网络结构，包括：一个主任务回归器负责根据所述视线方向特征预测视线坐标，一个对抗性判别器被配置为识别输入数据中的干扰因素域；通过对抗性训练，迫使所述双流深度学习编码网络学习到对所述干扰因素域不变的视线特征表示； S5、基于经过所述对抗性训练机制净化后的视线方向特征，通过最终的回归层计算并输出用户在屏幕上的二维视线坐标。

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南通诺瞳奕目医疗科技有限公司;北京诺瞳奕目医疗科技有限公司，其通讯地址为：226100 江苏省南通市海门区临江镇洞庭湖路100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。