基于卷积神经网络的眼动识别技术研究与实现开题报告

1. 研究目的与意义（文献综述）

眼睛是人类获取外界信息的主要途径之一，人类大约80%的信息都是通过眼睛来获得的。同时，眼睛的状态以及运动也能传递出很多信息。通过对眼球运动进行追踪，可以获取到人的视觉信息、分析人的心理感受或是了解人们的主观意愿。早在古希腊时期就已经有学者提出了针对眼动的研究，而真正开始用仪器设备来检测眼动则是始于中世纪。随着计算机技术、光学传感器技术等技术的高速发展，眼动识别技术才得以快速发展并广泛应用于各个领域。

早期的眼动参数测量有直接观察法、主观感受法和机械记录法等方法，但这些方法存在主观影响的精度低等问题。目前的眼动检测方法主要有电流记录法、电磁感应法、光学记录法等。以基于眼电图法（eog）的眼动识别为例，首先需要佩戴电极帽来提取眼电信号，然后再进行信号特征提取，整个过程较复杂，而且会使测试者产生不适感。20世纪60年代以来，随着摄像技术、计算机技术的快速发展，基于计算机视觉的人眼检测与跟踪技术由于其低侵入性和高精确性，已经成为了当前眼动研究的主要方法之一。

眼动识别技术具有十分广泛的应用前景，其在人机交互、疲劳检测、心理学、医学、航空和军事等领域都具有深远的研究意义。在市场营销方面，可以分析用户浏览网页时的注视热点来合理安排网页布局；在人机交互领域，tobii公司已经与联想共同推出了眼控笔记本电脑，减轻双手负担，帮助老弱病残控制电脑；在疲劳检测领域，通过安装摄像机监测驾驶员的眼睛闭合状态，papanikolopoulos等提出了当眼睛闭合状态持续两到三秒时，及判定驾驶员有疲劳症状。

2. 研究的基本内容与方案

(1)研究目标

① 设计实现基于卷积神经网络的眼动识别算法

② 眼动识别在疲劳检测中的应用

3. 研究计划与安排

第1 - 3周：收集、整理选题相关的文献资料，完成、完善方案论证，撰写开题报告；

第4 - 5周：认真学习选题相关的知识、理论和算法实现等，熟悉软硬件环境；

第6 - 8周：建立软硬件仿真模型、完成程序编写、仿真实验等，并做好相关记录及分析；

4. 参考文献（12篇以上）

[1]方超. 基于深度学习的驾驶员疲劳状态识别[d].大连理工大学,2019.

[2]杨子贤. 基于深度学习卷积神经网络图像识别技术的研究与应用[j].中国设备工程, 2018, 409(23):154-157.

[3]周飞燕,金林鹏,董军.卷积神经网络研究综述[j].计算机学报,2017,40(06):1229-125