这篇论文介绍了一个名为 mEBAL 的多模态数据库，用于眨眼检测和注意力水平估计，其改进了现有数据库在采集传感器和样本方面的限制，并基于学生眨眼频率估计其注意力水平，初步实验表明使用卷积神经网络在面部图像中眨眼检测的效果比较好。

Jun, 2020

本文提出了一个基于多模态脸部分析的新型远程注意力水平估计系统，它使用多达四个基于卷积神经网络的模块来分析面部表情、眨眼、头部姿势和距离等信号，并评估了这些模块分别进行注意力水平估计和多模态融合的效果。

Jan, 2023

这项研究介绍了一个新的多光谱数据库和针对 RGB 和近红外（NIR）个体图像的眨眼检测的新方法。通过提供的数据集（mEBAL2），我们有机会改进数据驱动的多光谱方法，以提高眨眼检测和相关应用的表现。通过在各种难度的在线学习任务中使用多个传感器捕捉面部动作的方式，以及结合脑电图（EEG）频段记录用户的认知活动和眨眼事件，我们证明了这些方法的泛化能力。最终，通过在更具挑战性的环境中验证模型的适用性，我们展示了训练 mEBAL2 可以用于培养新一代数据驱动的眨眼检测方法的重要性。

Sep, 2023

本文研究实时眨眼检测技术在野外环境中的应用。作者提出了一个人眼位置和轨迹跟踪后使用改进的 LSTM 模型识别多尺度时序信息的眨眼检测方法，并建立了适用于野外环境的眨眼数据集（HUST-LEBW）以验证该方法的可行性和效率。

Feb, 2019

本文提出了一种基于计算机视觉和机器学习的实时嵌入式平台，通过检测驾驶员的 PERCLOS 指标实现对日夜驾驶状态下驾驶员注意力损失的监测，并使用支持向量机（SVM）对眼睛状态进行分类。实验结果表明该算法稳健可靠，并已在单板计算机上实现。

May, 2015

本文利用同时测量的脑电图 (EEG) 和眼动数据集，提出了一种可解释的基于关注机制的深度学习框架用于估计眼球注视方向，通过对结果的分析可见该方法在准确性和鲁棒性方面优于现有方法，并提供了解释和强调注意力机制在 EEG 数据分析中提高效率和有效性的潜力。

Aug, 2023

本文研究基于 EEG 采集数据的图像视觉注意力识别算法，结果表明其效果与传统基于图像分析的方法相当，数据集和代码已提供。

Jan, 2022

交通事故致使全球每年数百万人死亡和数十亿美元的经济损失，成为一个重大问题。本研究关注于检测驾驶员的睡眠 / 清醒状态，使用基于摄像头的解决方案来减少事故发生，避免与驾驶员身体接触，通过评估外眼睑频率以及驾驶员自适应的眼睑行为，发现眼睑行为能够提供有用的疲劳检测信息。该研究开发了一种基于图像的系统，可以适应驾驶员的生理特征和在车辆中的位置。

Jul, 2024

利用脑机接口从人脑中提取高级认知，结合具备高效特征提取能力的计算机视觉技术，可实现对航空图像中微弱目标更强大、更准确的检测。本文首先构建了基于脑眼计算机的航空图像目标检测系统，通过基于眼动追踪的慢速串联视觉呈现范式在脑电图中激发事件相关电位（ERP）信号，并将眼动数据和图像数据构建成脑电图 - 图像数据对。然后，提出了一种自适应模态平衡的在线知识蒸馏（AMBOKD）方法，用于利用脑电图 - 图像数据识别微弱目标。AMBOKD 利用多头注意力模块将脑电图和图像特征融合，构建具备全面特征的新模态。为了提升融合模态的性能和鲁棒能力，采用端到端在线知识蒸馏实现模态之间的同时训练和相互学习。在学习过程中，提出了一种自适应模态平衡模块，通过动态调整各种模态的重要性权重和训练梯度来确保多模态平衡。通过与现有先进方法的比较，验证了我们方法的有效性和优越性。此外，对公共数据集进行的实验和在真实场景中的系统验证也证明了提出的系统和设计方法的可靠性和实用性。

Jul, 2024

该研究提出了一种新的框架来解决基于面部生成技术的下游任务中的眼部控制问题，该框架包括两个不同的模块：眨眼控制模块和注视重定向模块，并提出了一种新的数据增强方法来训练每个模块，证明该框架能够生成高质量的眼睛控制图像，并改善下游任务的性能。

Jun, 2023