Desarrollo y Validación de Redes Neuronales Profundas para Identificación y Clasificación de Parpadeo

Este método se basa en la segmentación del iris y la esclerótica en ambos ojos a partir de las imágenes adquiridas, utilizando arquitecturas neuronales de codificador-decodificador (DLED) de aprendizaje profundo de última generación. La secuencia de los fotogramas segmentados se procesa posteriormente para calcular la distancia entre los párpados de cada ojo (fisura palpebral) y el diámetro del iris correspondiente. Estas cantidades se filtran temporalmente y su fracción se somete a un umbral adaptativo para identificar los parpadeos y determinar su tipo, de forma independiente para cada ojo. Los dos DLED fueron entrenados con imágenes segmentadas manualmente y el post-proceso fue parametrizado usando un video de 4 minutos. Después del entrenamiento DLED, el sistema propuesto fue probado en 8 sujetos diferentes, cada uno con un video de 4 a 10 minutos. Se calcularon varias métricas de detección de parpadeo y precisión de clasificación contra la verdad del terreno, que fue generada por 3 expertos independientes, cuyos conflictos fueron resueltos por un experto senior. Se supone que dos identificaciones de parpadeo independientes están de acuerdo, si y solo si hay suficiente superposición temporal y el tipo de parpadeo es el mismo entre el sistema DLED y la realidad del suelo.