RTMPose-MCA:一种改进的瞳孔和眼角点定位模型

来源：计算机技术与发展杂志2025年第04期北京时间：

作者：张丁玮;万亚平;邹刚;罗扬;张璇

单位：1. 南华大学 计算机学院,湖南 衡阳 421001;2. 湖南中科助英智能科技研究院,湖南 长沙 410000;3. 中南大学 湘雅医院,湖南 长沙 410000

摘要：精确定位瞳孔和眼角点有助于准确测量认知障碍评估中的视觉反应时间这一关键指标,由于形状、光照等图像噪声和干扰问题,实现高精度定位仍存在挑战。为此,提出了一种基于改进 RTMPose 的瞳孔和眼角点定位模型 RTMPose-MCA,以进一步提升定位的准确性。 首先,设计了多尺度融合卷积模块 MSFCM 替换原模型的第一个卷积模块,增强了对区域细节信息的提取能力。 其次,设计了通道方差融合注意力模块 CVFAM 替换 Backbone 部分模块,增强了对全局和局部特征的捕捉能力,减弱光照等噪声干扰。 最后,设计了空洞融合卷积模块 AFCM 替代 Head 中的 7×7 卷积,减少了参数量。实验结果表明,在 BioID 和 GI4E 数据集上,RTMPose-MCA 模型在瞳孔和眼角点的定位精度方面优于其他对比算法,平均像素距离误差分别为 0. 82 像素和 1. 08 像素,且模型的参数量处于较低水平。 这些结果验证了该模型在复杂环境下能够有效定位瞳孔和眼角点。

关键词：瞳孔定位;眼角定位;RTMPose;特征融合;注意力模块