科研思路

== BPPV万能复位法

==  帝国时代分割

侧卧+叩拜

1. 1. 基于三维眼球模型参数制约的虹膜分割
      1. 关键技术

1）尺度自适应虹膜边缘增强技术 巅峰梯度图 2）基于眼动视频的眼球建模技术 minimize 最小误差技术 3）基于眼球模型参数制约的虹膜分割技术

1. 1. 基于目标检测的虹膜分割技术
      1. 关键技术

1）基于三维眼球模型参数制约的虹膜分割和OBB标签制作 2）虹膜边缘梯度值反馈 思考： 应该是梯度图同步传入，获取OBB后计算虹膜边缘梯度值进行反馈。 可以直接用模型预测三维眼球模型参数和虹膜中心，通过虹膜边缘梯度强度进行反馈。 基于yolo8进行目标检查，首先应该是确保OBB标签的准确性，然后是训练的时候施加虹膜边缘梯度强度反馈。 当然任务应该是首先完成基于三维眼球模型参数制约的虹膜分割，建立眼球模型，虹膜标签，半自动校验。 然后训练yolo8模型。分析比较：yolo8目标检测结果，基于三维眼球模型参数制约的虹膜分割结果，人工标签三者差别。

1. 1. 基于像素尺度空间特征的边缘检测技术

尺度空间 2D NMS几何，基于尺度空间边缘稳定性确定边缘，结合有效梯度值筛选边缘 比较分析： 巅峰梯度尺度，方向一致性，

1. 1. 基于孤立森林和尺度特征张量的特征点检测技术

1. 1. 虹膜纹理特征提取和匹配

1. 尺度自适应虹膜纹理增强技术 2. 基于孤立森林和尺度特征张量的特征点检测技术 3. 虹膜特征匹配 4. 低分辨率虹膜图片纹理特征提取和匹配

1. 1. 双椭圆瞳孔拟合和微瞳孔运动监测

1. 1. 眼动生物学特征提取