可視光環境下における瞳孔径計測のための深層学習を用いた瞳孔領域抽出

カテゴリ: 部門大会

論文No: MC3-3

グループ名: 【C】2021年電気学会電子・情報・システム部門大会

発行日: 2021/09/08

タイトル(英語): Pupil Segmentation Using Deep Learning for Pupil Diameter Measurement under Visible-light Environment

著者名: 梅谷 和人（富山県立大学）,舘 和輝（富山県立大学）,高野 博史（富山県立大学）

著者名(英語): Kazuto Umetani (Toyama Prefectural University),Kazuki Tachi (Toyama Prefectural University),Hironobu Takano (Toyama Prefectural University)

キーワード: 瞳孔検出|セマンティックセグメンテーション|SegNet|U-Net|Pupil Detection|Semantic Segmentation|SegNet|U-Net

要約(日本語): 現在、瞳孔の大きさが感情や疲労，興味などの要因によって変化することを利用したシステムの開発が行われている。瞳孔検出は主に近赤外照明と近赤外カメラを用いて行われるため、瞳孔検出は汎用化させるには制約がある。そのため、一般的に普及している可視光カメラを用いることで、瞳孔検出の汎用化を図った。しかし、可視光カメラによる瞳孔検出は近赤外カメラを用いた場合よりも精度が低い。本研究では、可視光カメラを用いた瞳孔検出の精度を向上させるために、可視光カメラで撮影された瞳孔画像の瞳孔領域と虹彩領域の分離を、SegNetとU-Netによるセマンティック・セグメンテーションを用いて行った。そして、SegNetとU-Netを用いたときの瞳孔領域と虹彩領域の分離精度について、mIoUを用いて比較を行った。その結果、U-NetよりもSegNetを用いた方が瞳孔領域と虹彩領域の分離精度が高いという結果が得られた。

PDFファイルサイズ: 2,118 Kバイト