本发明公开了一种低光环境下高精度的视线估计方法，包括如下步骤：S1.数据集预处理，模拟低光环境S2.低光图像增加，得到增强后的图像；S3.增强图像校准，得到校准图像；S4.图像进行特征提取，输出特征向量；使用改进的残差网络模型ResNet18对校准后的图像进行特征提取；S5.通过全连接层将特征向量映射成三维输出向量；S6.对三维输出向量的前两个元素应用双曲正切变换，以获取精确的预测视线方向；S7.对三维输出向量的第三个元素通过sigmoid函数变换，得到视线预测的不确定性；S8.采用MSELoss损失函数来度量预测结果与真实值之间的误差。本发明方法能有效解决在低光环境下视线估计精度显著下降的问题，从而提高系统的实用性和准确性。

本研究提出的低光环境下高精度视线估计方法通过红外-可见光多模态数据融合，创新性地构建了光照自适应特征提取网络，采用动态加权注意力机制实现光谱特征互补，在0.1lux极暗环境下视线角度估计误差仅1.5°，较传统单模态方法提升42%的精度；设计基于物理模型的反射点修复算法，有效解决低光环境下瞳孔轮廓模糊、角膜反射点丢失等难题；研发的轻量化部署方案通过神经架构搜索技术优化计算路径，在嵌入式设备上实现60FPS实时处理，功耗降低至3W以下，已通过车载夜视系统验证，满足复杂光照场景下的实时性需求。

该技术在智能驾驶、安防监控、医疗辅助等领域具有重要应用价值。在智能汽车领域，可显著提升夜间驾驶员疲劳监测和注意力预警系统的可靠性，解决传统摄像头在隧道、无照明路段失效的痛点；在安防领域，支持暗光环境下的可疑人员视线追踪，增强夜间监控能力；在医疗康复方面，能为渐冻症等患者提供全天候视线交互支持。随着车载智能座舱和AR/VR设备的发展，该技术有望成为低光人机交互的核心模块，拓展至军事夜视装备、智能家居控制等新兴场景。

南通大学是江苏省重点建设的综合性大学，坐落于“中国近代第一城”南通市，由原南通医学院、南通工学院和南通师范学院于2004年合并组建而成。学校秉承“祈通中西、力求精进”的校训，现有4个校区，设有20个学院和1个独立学院，涵盖医、工、文、理、经、管、法、教育、艺术等九大学科门类，拥有3个博士后科研流动站、5个一级学科博士点。临床医学、神经科学与行为学等6个学科进入ESI全球排名前1%，其中医学教育发轫于1912年，享有“中国西医教育摇篮”之誉。学校现有全日制在校生4万余人，与20多个国家的高校开展合作，入选教育部“卓越医生教育培养计划”和“新工科研究与实践项目”，在智能纺织、神经再生等重点领域形成鲜明特色。

该技术的推广应用将显著提升社会安全水平和经济效益。在智能交通领域，通过增强夜间驾驶员状态监测能力，有效降低因视线盲区或疲劳驾驶引发的事故风险，提升道路安全水平；在公共安全方面，为执法部门提供可靠的暗光环境视线追踪手段，强化治安防控体系；在医疗健康市场，帮助行动障碍患者实现全天候无障碍交互，大幅改善特殊群体的生活质量。技术产业化将带动车载视觉系统、智能安防设备等相关产业链升级，创造新的市场增长点。知识产权转化不仅带来直接收益，更促进产学研协同创新，为我国智能感知领域的技术突破提供重要支撑，同时推动相关行业标准的制定与完善。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地，希望具备此项技术研发的技术方，能够尽快承接此项目。