通过融合多模态深度学习模型，利用非结构化数据（即带有面部线段的图像帧）和结构化数据（即面部表情特征），本研究旨在检测面部麻痹，并分析不同数据模式和多模态融合方法的效果，实验证明在不同数据模式中使用面部表情特征的前馈神经网络具有最高的准确率，为 76.22，而使用面部线段图像的基于 ResNet 的模型具有最高的召回率，为 83.47。当同时利用面部线段图像和面部表情特征时，多模态融合深度学习模型稍微提高了准确率至 77.05，但减少了召回率。

May, 2024

本研究介绍了一种基于神经网络生成的虚假脸部视频中眼部眨眼检测方法，测试结果表明该方法在多个数据集上表现良好，能有效暴露 DeepFake 等虚假视频。

Jun, 2018

通过分析网络摄像头录制的手指敲击、面部表情（微笑）和语音（说出包含所有字母的句子）的特征，我们训练了一种新颖的基于神经网络的融合架构来检测帕金森病，该模型还使用了蒙特卡洛随机失活来提高预测准确性。这种低成本、便捷的帕金森病筛查方法只需一个带有网络摄像头和麦克风的互联网设备，在有限制性临床专家资源的地区尤其方便。

Jun, 2024

通过使用眼动追踪数据，分析巴金森病诊断和分类的深度学习算法，研究发现通过用于准备阶段的短时间序列数据作为输入可实现疾病分类任务，结果表明这些数据具有较低的主体间变异性并携带关于大脑认知和运动状况的有用信息，有效用于机器学习发现与疾病相关的生物标志物。

Nov, 2023

分析医学专家对面部麻痹和眨眼过程的需求，使用先进的计算机视觉算法和 Jena 面部麻痹工具箱可简化面部分析，提供更好的眼部看护。

Feb, 2024

本文提出一种基于眨眼频率的远程注意水平估计方案，通过使用卷积神经网络构建的眨眼检测系统，并分析在线课堂学生的注意力与眨眼率之间的关系，提出一种名为 ALEBk 的方法来估计注意力。研究结果显示出眨眼频率与注意水平之间呈现反相关的关系，为在未来的远程学习平台上引入这项技术及基于面部分析的这类行为生物识别技术应用打开了新的研究方向。

Dec, 2021

该论文提供了一个新的方法：开发一种在野外普遍应用的实时多人眨眼检测方法及其数据集，该数据集包含大量未剪辑的场景；使用端到端学习来处理面部检测、跟踪和人体级别眨眼检测等子任务，减少了运行时间。与现有方法相比，该方法的表现更好并具有高速推理的特点。

Mar, 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

本文旨在解决在野外环境下眼部闪烁检测面临的问题，主要通过上采样和下采样的方法解决图像分辨率和检测效率问题。同时采用深度可分卷积方法能够在提取空间和时间特征的同时减小网络规模。

Jun, 2023

该研究提出了一种名为 'CP-EB' 的交谈面部生成方法，该方法以音频信号作为输入、以人物图像作为参考，通过控制一个短视频剪辑和适当的嵌入式眨眼操作，合成出一个由头部姿势控制的逼真人物对话视频。实验结果表明，该方法可以产生出具有同步嘴唇动作、自然头部姿势和眨眼效果的照片般逼真的交谈面部。

Nov, 2023