Resumen

Proponemos un método eficiente que puede ser utilizado para la detección de parpadeo de ojos o seguimiento ocular en plataformas de teléfonos inteligentes en este documento. Los algoritmos de detección de parpadeo de ojos o seguimiento ocular tienen diversas aplicaciones en entornos móviles, por ejemplo, como medida contra la suplantación en sistemas de reconocimiento facial. En entornos de teléfonos inteligentes con recursos limitados, uno de los problemas clave de la detección de parpadeo de ojos es su eficiencia computacional. Para abordar el problema, tomamos un enfoque híbrido que combina dos técnicas de aprendizaje automático: SVM (máquina de vectores de soporte) y CNN (red neuronal convolucional) de manera que la detección de parpadeo de ojos se pueda realizar de manera eficiente y confiable en teléfonos inteligentes con recursos limitados. Los resultados experimentales en teléfonos inteligentes de consumo muestran que nuestro enfoque logra una precisión del 94.4% y una velocidad de procesamiento de 22 cuadros por segundo.

• Materias:Lector de pantalla Interfaz de usuario Localización en interiores Realidad virtual móvil Redes móviles
• Subjects:Screen reader User interface Indoor localization Mobile virtual reality Mobile networks
• Palabras claves:Método eficaz; Detección del parpadeo; Seguimiento ocular; Plataformas de teléfonos inteligentes; Eficiencia computacional; Técnicas de aprendizaje automático
• Keywords:Efficient method; Eye-blinking detection; Eye tracking; Smartphone platforms; Computational efficiency; Machine learning techniques