1.一种基于注意力机制的卷积神经网络视线估计方法，其特征在于，包括以下步骤：
步骤1：采用局部约束神经元域来对人脸关键点进行定位；
步骤2：使用步骤1检测到的坐标点来对眼部图像进行截取；
步骤3：将截取到的图像进行标准化处理；
步骤4：将标准化处理后的图像送入注意力机制的卷积神经网络进行回归，得到估计的视线角度坐标。
2.根据权利要求1所述的一种基于注意力机制的卷积神经网络视线估计方法，其特征在于：
所述图像标准化处理即通过图像的仿射变换，将图像转换到一个标准化的相机空间，在这个标准化相机空间中，所有图像中的人的头部和相机的距离是一样的，且头部姿态也是一样的。
3.根据权利要求2所述的一种基于注意力机制的卷积神经网络视线估计方法，其特征在于：
所述图像标准化处理包括有三个步骤：
步骤1：以相机坐标系为世界坐标系，已知双眼中心坐标ec和头部姿态旋转矩阵r，先将相机旋转至相机的z轴对准两眼中心；这一步只需让相机z轴对齐双眼中心坐标ec，可得旋转后的相机z轴为rz＝ec/||ec||；
步骤2：相机绕z轴旋转至相机的x轴和头部姿态的x轴位于同一平面上；由于头部姿态的x轴为已知量，为头部姿态旋转矩阵r的第一列rx，要让旋转后的相机x轴rx和rx位于同一平面，则需满足旋转后的相机y轴ry垂直于此平面；又ry垂直于旋转后的相机z轴rz，因此，ry可由rx和rz的叉积求得：ry＝rx×rz；rx可由ry和rz的叉积求得：rx＝ry×rz；于是，得到相机的旋转矩阵rc＝[rx,ry,rz]；
步骤3：标准化双眼中心到相机中心的距离；这一步可通过缩放相机的z轴实现，即定义一个尺度缩放矩阵s＝diag(1,1,d/||ec||)，其中d为双眼中心到相机中心的标准化距离。
4.根据权利要求1所述的一种基于注意力机制的卷积神经网络视线估计方法，其特征在于：
所述注意力机制的卷积神经网络的注意力模块由双通道组成；
上层的称为主通道，由cnn模块构成；
下层称为掩码通道，是一个自底向上-自顶向下的沙漏网络。。
5.根据权利要求4所述的一种基于注意力机制的卷积神经网络视线估计方法，其特征在于：
对于一个输入图像i，记主通道的输出为f(i)，掩码通道的输出为a(i)，则注意力模块的输出m(i)可以根据f(i)和a(i)的点乘得到：mc(i)＝fc(i)+fc(i)·ac(i)；
式中：fc(i)表示f(i)的第c个通道，ac(i)表示a(i)的第c个通道，符号·表示矩阵的点乘。