采用Mediapipe和SpeedyBlock的快速鲁棒轻量级眼睛状态估计方法

洪叁亮; 王李珍; 陈玉思

doi:10.14098/j.cn35-1288/z.2025.06.004

三明学院学报 ›› 2025, Vol. 42 ›› Issue (6) : 29 -37. DOI: 10.14098/j.cn35-1288/z.2025.06.004

采用Mediapipe和SpeedyBlock的快速鲁棒轻量级眼睛状态估计方法

洪叁亮, 王李珍, 陈玉思

作者信息 +

Author information +

文章历史 +

摘要

提出一种快速、鲁棒的轻量级眼睛状态估计方法。利用开源库Mediapipe的Facemesh模块快速定位眼睛区域，并基于Light EyeNet模型估计眼睛的状态提出了快速特征提取模块SpeedyBlock和基于多层级及注意力机制特征融合的轻量级眼睛状态估计网络（Light EyeNet），通过减少中间张量的通道数量，进一步降低计算成本，从而提高特征提取速度；Light EyeNet则利用不同层级间的特征融合和注意力机制提高模型的鲁棒性。实验结果表明，该眼睛状态估计模型的准确率可达99.354%,CPU推理时间仅为9.8 ms,GPU可实现亚毫秒级运算，相比基于骨干网络MobileNetV2、MobileNetV3、ShuffleNetV2和MobileViT，推理时间减少10～167 ms，模型参数量仅为它们的2.8%～26.4%。同时，Mediapipe+Light EyeNet在人脸测试集上的性能、准确率和模型参数上优于文献方法，准确率达到99.25%，提高了3.84%～5.87%,CPU推理时间仅为20 ms，减少了83～547 ms，模型参数量仅为91 k，对各种不利情况具有很好的鲁棒性，适用于计算资源有限的边缘设备、移动端等应用场景。