技术特征：
1.一种生成眼角识别模型的方法，包括步骤：对眼部图像中的眼角关键点进行标注，得到标注数据；对所述眼部图像及所述标注数据分别进行预处理，得到预处理后的眼部图像及预处理后的标注数据；构建眼角识别模型，并设置初始模型参数；将所述预处理后的眼部图像输入所述眼角识别模型，以识别其中的眼角关键点，并输出包含眼角关键点的特征图；对所述特征图进行处理，生成关于眼角关键点的数值坐标；基于所述标注数据、所述数值坐标和所述特征图，确定损失值，以更新所述眼角识别模型的模型参数，直到所述损失值满足预定条件时，将所对应的眼角识别模型作为最终生成的眼角识别模型。2.如权利要求1所述的方法，其中，所述眼角识别模型包括相互耦接的卷积处理组件和分类组件；所述卷积处理组件至少包括多个处理阶段、且各处理阶段间耦接有注意力模块，其中，所述多个处理阶段适于提取所述预处理后的眼部图像的特征，所述注意力模块适于增强所述预处理后的眼部图像的特征。3.如权利要求2所述的方法，其中，所述将预处理后的眼部图像输入眼角识别模型，以识别其中的眼角关键点，并输出包含眼角关键点的特征图的步骤包括：通过所述卷积处理组件，提取所述预处理后的眼部图像的眼角关键点，并输出包含眼角关键点的位置坐标的第一特征图；通过所述分类组件，预测所提取的眼角关键点可见的概率，并输出包含所述概率的第二特征图。4.如权利要求3所述的方法，其中，所述对特征图进行处理，生成关于眼角关键点的数值坐标的步骤包括：生成与所述第二特征图相同大小的特征图模板，且所述特征图模板的值分布在区间[
‑
1,1]；对所述特征图模板与所述第二特征图进行点积运算，生成所述数值坐标。5.如权利要求3所述的方法，其中，所述标注数据包括：眼角关键点的标注坐标及指示所述眼角关键点是否可见的属性标签，其中，当所述眼角关键点可见时，属性标签为1，当所述眼角关键点不可见时，属性标签为0。6.如权利要求5所述的方法，其中，所述损失值通过如下方式确定：，其中，表示第二特征图，表示数值坐标，t为属性标签，函数l
d
指对数值坐标计算的损失值，函数l
f
指对第二特征图计算的损失值，为平衡两部分损失值的超参数。7.如权利要求6所述的方法，其中，基于所述标注数据、所述数值坐标和所述特征图，确定损失值的步骤，还包括：若所述属性标签为0，则只计算所述数值坐标的损失值；
若所述属性标签为1，则计算所述数值坐标的损失值和所述第二特征图的损失值。8.一种识别眼部图像中眼角的方法，包括步骤：将眼部图像输入眼角识别模型，经处理后输出包含眼角关键点的特征图；对所述特征图中的眼角关键点的坐标进行转换，生成转换后坐标；若转换后坐标不在所述眼部图像的坐标范围内，则确认所述眼部图像中眼角不可见；若转换后坐标在所述眼部图像的坐标范围内，则通过计算所述眼角关键点的置信度，来确认所述眼部图像中的眼角是否可见，其中，所述眼角识别模型通过执行如权利要求1
‑
7中任一项所述的方法来生成。9.如权利要求8所述的方法，其中，通过计算所述眼角关键点的置信度，来确认所述眼部图像中的眼角是否可见的步骤，包括：基于所述特征图与特征图模板，计算方差；基于所述方差，确定所述眼角关键点的置信度；若所述置信度大于阈值，则确认所述眼部图像中的眼角可见；若所述置信度不大于阈值，则确认所述眼部图像中的眼角不可见。10.一种计算设备，包括：至少一个处理器和存储有程序指令的存储器；当所述程序指令被所述处理器读取并执行时，使得所述计算设备执行如权利要求1
‑
7中任一项所述的方法，和/或，如权利要求8或9中所述的方法。
技术总结
本公开公开了生成眼角识别模型的方法及识别眼部图像中眼角的方法。其中，生成眼角识别模型的方法包括步骤：对眼部图像中的眼角关键点进行标注，得到标注数据；对眼部图像及标注数据分别进行预处理，得到预处理后的眼部图像及预处理后的标注数据；构建眼角识别模型，并设置初始模型参数；将预处理后的眼部图像输入眼角识别模型，以识别其中的眼角关键点，并输出包含眼角关键点的特征图；对特征图进行处理，生成关于眼角关键点的数值坐标；基于标注数据、数值坐标和特征图，确定损失值，以更新眼角识别模模型参数，直到损失值满足预定条件时，将所对应的眼角识别模型作为最终生成的眼角识别模型。角识别模型。角识别模型。
技术研发人员：ꢀ(74)专利代理机构
受保护的技术使用者：北京万里红科技有限公司
技术研发日：2021.09.29
技术公布日：2021/11/2