CN104021382A - 一种眼部图像采集方法及其系统 - Google Patents

Abstract

本发明公开了一种眼部图像采集方法及其系统。该方法包括以下步骤：在图像采集设备与人体接近的过程中采集多帧眼部图像，对其中的每一帧进行初步检测；将通过初步检测的采集帧作为待处理图像，基于生物特征参数对待处理图像进行精确检测；通过精确检测的图像作为保留图像，选取清晰度最佳的保留图像作为眼部采集图像。利用本发明，几乎不需要用户配合测距就可以采集到高质量的眼部图像，极大地改善用户的使用体验。

Description

一种眼部图像采集方法及其系统

技术领域

本发明涉及一种眼部图像采集方法，尤其涉及一种依据生物特征参数进行质量评估，不需要测距就可以快速采集到清晰眼部图像的方法，同时还涉及用于实现该方法的眼部图像采集系统，属于生物特征识别技术领域。

背景技术

虹膜是位于眼睛黑色瞳孔和白色巩膜之间的圆环状部分，总体上呈现一种由里到外的放射状结构，由相当复杂的纤维组织构成，包含有很多相互交错的类似于斑点、细丝、冠状、条纹、隐窝等细节特征，这些特征在出生之前即以随机组合的方式确定下来，一旦形成终生不变，因此虹膜识别的准确性是各种生物特征识别技术中最高的。

在此背景下，基于虹膜图像(或眼部图像)的生物特征识别技术以有效性、可靠性、安全性等优点受到人们的普遍青睐，在门禁、考勤、安防、支付等涉及身份认证的领域具有广泛的应用前景。

但是，目前的虹膜识别系统在采集虹膜图像时，往往让使用者感觉不方便。例如，有的采集设备需要在严格限定的范围内使用，并需要用户积极配合采集工作，严重降低了采集设备的方便性和舒适度；有的采集设备专门安装了红外或者超声测距功能，增加了生产成本和设计的复杂性、局限性；有的采集设备采用复杂的算法处理图像，但面对实际应用中众多无效且干扰大的复杂背景图像，现有算法的实时性又远远达不到实际应用的要求，严重阻碍了虹膜识别技术的推广普及。因此，拥有能快速、便捷、低成本地获取高质量虹膜图像的采集设备是整套虹膜识别系统推广普及的重要前提。

在虹膜图像的采集识别方面，专利文献1(CN103324908A)公开了一种用于虹膜识别的快速虹膜采集判断控制方法。它利用初步快速检测与虹膜定位后的精确检测相结合的方法，首先计算图像的清晰度、运动模糊、有无眨眼、有效虹膜比例及是否为活体虹膜图像；以上指标通过后，再进行虹膜定位，然后计算虹膜外圆的半径，根据虹膜外圆的半径大小调整CCD的放大倍数。通过了初步质量检测的虹膜图像95％以上满足最后精细虹膜检测的要求，从而使得采集速度有了很大的提高。但是其缺点是需配置人体感应探头，取像范围需要在探头感应的工作范围之内，因此需要人的配合才能启动进行图像采集。专利文献2(CN101388070B)进一步提供了一种选择最佳时机捕获虹膜影像的方法。它通过一般对焦，定位被拍摄者的虹膜位置；量测所述虹膜的长度和直径；判断该虹膜长度与虹膜外圆直径之间的比值是否大于等于一个指定数值；若该比值大于等于该指定数值，则判定被拍摄者没有眨眼，进而捕获影像。但是，该方法在拍摄影像时需要进行对焦，实时性差，用户等待时间长，不适合完成快速便捷的虹膜图像采集任务。

因此，有必要开发一种不需要测距就可以快速采集最佳虹膜图像(或眼部图像)的方法及系统。

发明内容

针对现有技术的不足，本发明所要解决的首要技术问题在于提供一种不需要通过额外的硬件设备测距就可以快速采集到清晰眼部图像的方法。

本发明所要解决的另一个技术问题在于提供一种用于实现上述方法的眼部图像采集系统。

为实现上述发明目的，本发明采用下述的技术方案：

一种眼部图像采集方法，包括以下步骤：

在图像采集设备与人体接近的过程中采集多帧眼部图像，对其中的每一帧进行初步检测；

将通过初步检测的采集帧作为待处理图像，基于生物特征参数对各所述待处理图像进行精确检测，通过精确检测的图像作为保留图像，选取清晰度最佳的保留图像作为眼部采集图像。

其中较优地，所述初步检测包括如下步骤：

S1：采用眼部图像样本进行训练，得到分类器，用来定位眼睛；

S2：以单个眼睛坐标为中心，将输入图像裁剪成单眼标准图像；

S3：对所述单眼标准图像进行分析，初步检测眼部图像质量。

其中较优地，所述精确检测包括如下步骤：

S4：对单眼标准图像进行瞳孔中心的定位；

S5：所述瞳孔中心定位完成后，进行虹膜边缘检测；

S6：精确计算所述单眼标准图像的生物特征参数，对眼部图像进行评估。

其中较优地，在所述步骤S1中，检测输入图像中有无眼睛，进行人眼定位以得到若干定位区域；遍历定位结果，选择其中面积较大区域的中心坐标作为人眼初始的定位中心。

其中较优地，在所述步骤S3中，初步进行眼部图像清晰度方面的检测。

其中较优地，在所述步骤S6中，对所述眼部图像进行基于生物特征参数的计算，跟设定的阈值对比，若所述眼部图像符合生物指标要求，说明成像对象处于或接近于图像采集设备的工作范围，将该眼部图像保存为保留图像进入后续处理；若所述眼部图像不符合生物指标要求，表明成像对象不在图像采集设备的工作范围，则将该眼部图像舍弃，并提示用户朝正确的方向移动所述图像采集设备。

其中较优地，在图像采集过程中，通过计算每帧眼部图像的生物特征参数，并结合所述图像采集设备的光电特性，换算出眼部和成像器件之间的物距，从而产生控制信号，实时指引用户前后移动所述图像采集设备的位置实现对焦成像。

其中较优地，所述生物特征参数为人眼的单眼虹膜的外圆直径、人眼的双眼瞳孔的水平间距或人的单眼在水平方向的眼角距离中的任意一种。

一种眼部图像采集系统，用于实现上述的眼部图像采集方法，包括图像采集模块、预处理模块、初步检测模块和精确检测模块；其中，

所述图像采集模块采集眼部图像并传送到所述预处理模块，所述预处理模块对所述眼部图像进行人眼定位后，裁剪成标准图像；所述初步检测模块对所述标准图像是否符合使用要求进行判断，确认合格图像并送入所述精确检测模块；所述精确检测模块基于生物特征参数对所述合格图像进行检测，将通过精确检测的图像作为保留图像，选取清晰度最佳的保留图像作为眼部采集图像。

与现有技术相比较，本发明具有以下优点：利用初步快速检测与后期精确检测相结合的方法，可以针对任意大小的眼部图像进行处理；采用渐进阶梯式的判别方式，使得图像识别的速度明显加快。利用本发明，虹膜图像采集设备或虹膜识别系统几乎不需要用户配合测距就可以采集到高质量的虹膜图像，减少繁琐的人工参与，改善用户的使用体验。

附图说明

图1为虹膜成像过程的光学原理示意图；

图2为本发明所提供的眼部图像采集方法的流程图；

图3为本发明中，依据虹膜外圆直径评估图像质量的流程图；

图4为外部输入的干扰较大的图像示例；

图5为经过样本训练库定位的眼睛位置示意图；

图6是以图5定位的眼睛位置为中心，所裁剪的分辨率为640*480的标准虹膜图像示例；

图7为对图6进行定位后，瞳孔中心及边缘的检测示意图；

图8为采用Canny算子对图6进行边缘检测所得的边缘图像示例；

图9为对图6进行定位后，虹膜外边界的示意图；

图10为本发明所提供的眼部图像采集系统的整体结构示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的详细说明。

在本发明的不同实施例中，所使用的生物特征参数可以是人眼的单眼虹膜的外圆直径，也可以是人眼的双眼瞳孔的水平间距，还可以是人的单眼在水平方向的眼角距离。这些生物特征参数针对不同的用户会有微小的不同，但这种不同不会影响本发明中所采集的虹膜图像用于虹膜识别后的结果。

由于上述生物特征参数针对同一个成人用户是基本不变的，可以视为恒定的当量作为该用户的生物信息保存在虹膜图像采集系统内。所以，对于新用户而言，在开始使用时可以进行数据训练，给予用户相应的操作指引(例如从远到近，或从近到远)以采集一组数据，然后虹膜图像采集系统对该数据进行处理，得到针对该用户的生物特征参数与物距的对照表，将其进行保存以用于后续的识别应用。

下面，以生物特征参数为单眼虹膜的外圆直径为例，对本发明的具体实施方式展开详细的说明。

图1显示了虹膜成像设备的基本光学原理。一个典型的虹膜成像设备包括镜头部分和感光部分，其采用的光学成像公式如下式所示：

P＝2*tan(theta/2)*f            (1)

theta＝2*arctan(W/2d)              (2)

其中，f是镜头的焦距，P是像高，W是物高，d是物距，theta是相机镜头的视场角。

由公式(1)可知，在焦距f一定的情况下，像高P是与视场角theta成单调递增关系的。同理，由公式(2)可知，在物高W一定的情况下，视场角theta是与物距d成单调递减关系的。综上分析，当相机工作在成像范围附近，并且物体前后移动时，像高P是与物距d是成单调递减关系的。所以，当相机的成像工作范围(物距)一定时，像高P就已经确定了。因此，可以依据镜头、成像器件(CMOS/CCD)的成像清晰范围，并根据生物特征本身的物理参数转化而来的图像参数，有效判断虹膜图像的质量是否满足实际使用要求。

基于上述的工作原理，如图2所示，虹膜图像采集设备连续或间断获取多帧眼部图像，在每一帧图像中定位人眼。在这个过程中，若定位不成功，则继续采集图像，若定位成功，则对该图像进行裁剪，将其裁剪成标准图像。接下来，对该标准图像进行清晰度方面的质量检测。若该图像的清晰度不满足要求，则返回继续采集图像，若图像质量满足要求，继续进行瞳孔定位，同时对该虹膜外边界进行定位，并对完成边界定位的虹膜半径进行计算。如果计算的生物特征不满足图像采集要求，则返回继续采集眼部图像，如果满足图像采集要求，则判定结束，将存储该虹膜图像。等待采集到数帧满足图像质量初步检测和生物特征精确检测的虹膜图像序列时，则采集结束，在符合要求的虹膜图像序列中选取清晰度最高的一帧作为最终的采集结果。

在本发明中，通过计算每帧采集的虹膜图像的生物特征参数(具体为虹膜外圆直径)，并对应虹膜图像采集设备的光电特性，换算出被采集者的眼部和成像器件之间的物距，从而产生控制信号，实时指引用户前后移动手持的虹膜图像采集设备的位置实现对焦成像。这样，用户手部的前后移动十分自然，使用方式很容易接受。与之对比的是，由于现有技术中的虹膜图像采集设备较为沉重，因此需要用户前后移动头部以调整眼部和成像器件之间的物距，用户的使用体验并不太好。

虹膜识别系统需要具备高稳定性和识别的可重复性，对输入图像有严格的要求。因此，对所采集的每一帧虹膜图像进行质量评估和筛选就变得非常重要。质量评估是虹膜识别技术实用化的重要环节之一，其评估结果的效率和准确性直接影响虹膜识别系统的稳定性和识别的可重复性。

在图2所示的虹膜图像采集过程中，本发明利用初步快速检测与后期精确检测两个技术环节对虹膜图像的质量进行评估，从而快速采集最佳的虹膜图像。这样，虹膜图像采集设备可以一次采集多帧虹膜图像，在图像采集过程中对该多帧虹膜图像中的每一帧进行计算，通过图像处理的方法评估序列输入图像的质量，判断该采集帧是否处于采集所需的虹膜图像采集设备的工作范围(焦距景深范围)内，从而能够实时地对输入的虹膜图像进行质量评估，将上述符合要求图像中的最优图像作为采集结果。这样可以几乎不需要用户配合就采集到高质量的虹膜图像，改善用户的使用体验。下面通过对具体操作步骤的解释，对虹膜图像质量评估的过程进行进一步的详细说明。

在初步快速检测环节中，主要包括如下三个操作步骤：

一.采用眼部图像样本进行训练，得到分类器，利用该分类器大致定位人眼的位置，从待检测的眼部图像中将人眼的位置坐标提取出来。该步骤具体包括以下子步骤：

1.采集一定数量的眼部图像样本；

2.学习眼部图像样本并构造分类器；

3.对输入的任意图像，进行人眼定位，得到若干例如矩形的定位区域；

4.遍历定位结果，选择其中面积较大区域的中心坐标作为人眼(即以后的瞳孔、虹膜等)初始的粗略定位中心。

二.裁剪单眼标准图像。在定位眼睛后，以单个眼睛坐标为中心，把大小各异的输入图像裁剪为固定大小的标准图像(根据国际标准，标准的单眼(左眼或右眼)虹膜图像，其分辨率一般为640*480)，即一幅大小为640*480的单眼标准图像。

在本发明中，可以先接收任意设备所采集的像素数大于640*480的眼部图像，然后将它们裁剪成固定大小的标准图像。因此，本发明可以应用于不同的虹膜图像采集设备，具有更大的适用范围。

三.虹膜质量初步检测。针对上述单眼标准图像进行分析，做出取舍判断。其中，初步检测包含图像清晰度等方面的检测，速度较快。

该步骤具体包括以下子步骤：

1.计算图像的聚焦程度。在图像处理中，梯度函数常用来提取边缘信息，聚焦程度越好的图像，图像边缘越尖锐，梯度值越大。。

2.计算图像的对比度。对比度，即图像黑与白的比值，也就是从黑到白的渐变层次。对比度的值越大，代表从黑到白的层次越多，其色彩越丰富。

经过初步快速检测环节之后，虹膜图像采集设备采集的多帧虹膜图像经过挑选，只剩下少数进入工作范围的几帧图像需要进入后期的精确检测环节。而精确检测环节需要占用较多的计算资源，是提高虹膜图像识别速度的瓶颈之一。在本发明中，由于需要进入精确检测环节的虹膜图像数量较少，使得虹膜图像识别的速度明显加快。

在后期精确检测环节中，主要包括如下三个操作步骤：

四.瞳孔中心的检测定位。利用形态学运算对上述单眼标准图像进行瞳孔中心的定位，具体包括以下子步骤：

1.反向二值化；

2.采用图像形态学操作；

3.进行瞳孔定位。

五.虹膜精细分割。瞳孔中心的检测定位完成后，利用Canny算子(或其它类似的算法，包括但不限于二值法和Sobel算法检测、近似圆拟合算法、二值化和卡尼算法、自适应学习算法和几何算法等)进行边缘检测，产生上述单眼标准图像的边缘图像，然后以瞳孔中心为坐标原点进行坐标系转换，将直角坐标转换为极坐标，原图像中的圆形虹膜外边界转换为极坐标图像中的直线。依据Hough变换方法(或其它类似的算法，包括但不限于积分微分算子的算法、改进的Hough变换方法、椭圆的Hough变换方法等)，在变换后的图像中寻找直线，即为虹膜的外边界。该步骤具体包括以下子步骤：

1.利用Canny算子做边缘检测，得到边缘图像；

2.清除掉大量的非真正边缘点，即噪音点以及亮斑点；

3.进行外边界定位和计算。

六.虹膜图像判定，指对裁剪的单眼标准图像进行基于生物特征参数的计算。

由于正常人的虹膜外圆直径变化很小(物理尺寸大约在11～12mm左右)，也可以被视为恒定不变的参数。因此,在分割后的虹膜图像中计算虹膜的直径，依据分割的虹膜外径的大小跟设定的阈值对比，若该单眼标准图像的质量符合要求，说明成像对象处于或接近于虹膜图像采集设备的工作范围，可以继续下一步的处理，将该图像保存为保留图像；若其质量不符合要求，说明成像对象不在虹膜图像采集设备的工作范围内，则将该图像舍弃，并提示用户朝正确的方向移动手持的虹膜图像采集设备。

图3显示了依据虹膜外圆直径评估图像质量的基本操作流程。首先，针对任意一款虹膜采集镜头，其光电参数是确定的，特别是视场角和焦距位置，从而其工作物距的范围也相应确定，所对应的虹膜外圆直径的理论值也就确定下来。然后，对所采集的虹膜图像进行分析，通过计算虹膜外圆直径在图像中的范围，将所采集的每帧图像的虹膜外圆直径与理论值进行比较，如果大于理论值，说明用户使用距离过近，需要向远处移动手持的虹膜图像采集设备；反之如果小于理论值，说明用户使用距离过远，需要向近处移动手持的虹膜图像采集设备；如果在理论值范围内，说明用户使用距离合适，符合工作范围的要求，指令系统完成该帧眼部图像的采集，可以直接进入后续处理阶段。

在本发明中，虹膜图像采集设备采集用户的眼部图像，如图4所示，图中包含有眼睛、眉毛以及外部不清楚区域，因此需要对该图像继续进行处理。首先，对人眼进行定位，选取面积最大的矩形图，如图5所示。图5中的矩形把人眼全部包含在内，其内切圆的直径为用户眼睛的直径。利用训练好的眼部图像样本库，从输入图像中将人眼的位置坐标提取出来，把输入图像裁剪为固定大小的标准图像，如图6所示。接下来，去掉原始图像中边缘不清楚的部分，并且把人眼放置于标准图像的中心位置。此时，对标准图像进行初步检测。假设经过初步检测，该标准图像符合要求。因此，对该符合要求的标准图像进行瞳孔定位，如图7所示，图中圆圈内部即为该标准图像中人眼的瞳孔，再利用Canny算子进行边缘检测得到边缘图，如图8所示。接着，清除掉非真正边缘点，即噪音点以及亮斑点后得到图9，将遮挡人眼的部分去掉，如图中上下两个端部成一定弧形的黑色矩形1、2，其中白色圆圈3内部为人眼瞳孔，外部白色圆圈4代表虹膜的外边缘，白色圆圈3与白色圆圈4之间为人眼虹膜部分。在对焦位置成像后，虹膜外圆直径在对焦图像中为200像素(pixel)。我们设定正常工作时，清晰图像中虹膜外圆直径的范围为180～220像素。经过计算的虹膜外圆直径为200像素，符合虹膜图像质量评估要求，判断为合格，保存为保留图像。

在本发明中，可以设置为采集到符合要求的图像后，即可进行后续操作；也可设置采集图像的帧数，经过多次采集，最后在保留图像的图像组中，选取聚焦程度最高的一帧作为最终的虹膜采集图像。

本发明的上述实施例公开了生物特征参数为单眼虹膜外圆直径时的眼部图像采集方法。前已述及，上述生物特征参数包括但不限于人的单眼在水平方向的眼角距离、人眼的双眼瞳孔的水平间距等。当生物特征参数为人的单眼在水平方向的眼角距离时，相应的眼部图像采集方法与生物特征参数为单眼虹膜外圆直径时的类似，只是把虹膜外圆直径参数替换为眼角距离即可。当生物特征参数为人眼的双眼瞳孔的水平间距时，相应的眼部图像采集方法中需要采集双眼的标准图像，同时还需要计算双眼瞳孔的水平间距。在裁剪为单眼标准图像后，再以单眼虹膜图像中的生物特征进行筛选，具体处理方法与上述方法类似，只需要做较小的调整，在此不再赘述了。

为实现上述眼部图像采集方法，本发明还提供了一种眼部图像采集系统，如图10所示，它包括顺序连接的图像采集模块、预处理模块、初步检测模块和精确检测模块。其中，图像采集模块用来采集用户的眼部图像，并传送到预处理模块。预处理模块将所采集的眼部图像进行图像训练，得到分类器，利用该分类器可以大致确定人眼的位置。在眼部图像样本库中保存了一定数量的眼部图像样本，将上面大致确定好人眼位置的图像中的人眼坐标提取出来。确定了人眼坐标的眼部图像被裁剪成固定格式的标准图像，其中，标准图像以单个眼睛的坐标为中心，分辨率一般为640*480像素，该标准图像可以作为进行后续处理的基础。初步检测模块接收到预处理模块传送的单眼标准图像后，从聚焦程度以及对比度两个方面出发，对其进行质量初步检测，从而做出该标准图像是否具有使用价值的判断，如果不能使用则舍弃该标准图像，如果可以使用，则作为需进一步处理的图像输入到精确检测模块。该精确检测模块对输入图像基于生物特征参数进行检测计算并进行筛选，选取清晰度最佳的合格图像作为眼部采集图像。

根据虹膜识别系统的需要，可以设置为采集到符合要求的图像后，即可进行后续操作；也可设置采集图像的帧数，经过多次采集，最后在保留图像的图像组中，选取聚焦程度最高的一帧作为最终的虹膜采集图像。

本发明的上述实施例公开了生物特征参数为单眼虹膜外圆直径时的眼部图像采集系统。上述生物特征参数包括但不限于人的单眼在水平方向的眼角距离、人眼的双眼瞳孔的水平间距等。当生物特征参数为人的单眼在水平方向的眼角距离时，采集与处理图像时的各个模块与生物特征参数为单眼虹膜外圆直径时的功能相同，只是把虹膜外圆直径参数替换为眼角距离。当生物特征参数为人眼的双眼瞳孔的水平间距时，上述裁剪模块中需要采集双眼的标准图像，同时还需要对双眼瞳孔的水平间距进行计算。具体处理方式与上述系统类似，只需要做较小的调整，在此不再赘述了。

需要说明的是，上述眼部图像采集系统的实施方式可以以软件、硬件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本实施例的系统及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，可以用各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。

本发明不需要配置例如人体感应模块、红外测距模块、超声测距模块等各种硬件测距装置来判别用户是否在工作范围。当用户利用虹膜图像采集设备采集虹膜图像时，会一次采集多帧图像。该方法会自动对该多帧图像中的每一帧进行计算，从而能够实时地对输入的任意虹膜图像进行质量评估，并将上述符合要求图像中的最优图像作为采集结果，方便虹膜识别系统较快得到高质量的虹膜图像进行后续操作。从而使上述设备或者系统几乎不需要用户配合测距就可以采集到高质量的虹膜图像，极大地改善用户的使用体验。本发明非常适合在手持式、便携式虹膜采集和识别设备上使用，符合虹膜图像采集设备和识别系统小型化的发展趋势。

上面对本发明所提供的眼部图像采集方法及其系统进行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质精神的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。

Claims (9)

1.一种眼部图像采集方法，其特征在于包括以下步骤：

在图像采集设备与人体接近的过程中采集多帧眼部图像，对其中的每一帧进行初步检测；

将通过初步检测的采集帧作为待处理图像，基于生物特征参数对各所述待处理图像进行精确检测，通过精确检测的图像作为保留图像，选取清晰度最佳的保留图像作为眼部采集图像。

2.如权利要求1所述的眼部图像采集方法，其特征在于所述初步检测包括如下步骤：

S1：采用眼部图像样本进行训练，得到分类器，用来定位眼睛；

S2：以单个眼睛坐标为中心，将输入图像裁剪成单眼标准图像；

S3：对所述单眼标准图像进行分析，初步检测眼部图像质量。

3.如权利要求1所述的眼部图像采集方法，其特征在于所述精确检测包括如下步骤：

S4：对单眼标准图像进行瞳孔中心的定位；

S5：所述瞳孔中心定位完成后，进行虹膜边缘检测；

S6：精确计算所述单眼标准图像的生物特征参数，对眼部图像进行评估。

4.如权利要求2所述的眼部图像采集方法，其特征在于在所述步骤S1中，对输入图像进行人眼定位，初步检测输入图像有无眼睛，得到若干定位区域；遍历定位结果，选择其中面积较大区域的中心坐标作为人眼初始的定位中心。

5.如权利要求2所述的眼部图像采集方法，其特征在于在所述步骤S3中，初步检测眼部图像质量包含图像清晰度方面的检测。

6.如权利要求3所述的眼部图像采集方法，其特征在于在所述步骤S6中，对所述眼部图像进行基于生物特征参数的计算，跟设定的阈值对比，若所述眼部图像质量符合要求说明成像对象处于或接近于图像采集设备的工作范围，则该眼部图像进入后续处理；若所述眼部图像的质量不符合要求，表明成像对象不在图像采集设备的工作范围，则将该眼部图像舍弃，并提示用户朝正确的方向移动所述图像采集设备。

7.如权利要求1或6所述的眼部图像采集方法，其特征在于：

在图像采集过程中，通过计算每帧眼部图像的生物特征参数，并结合所述图像采集设备的光电特性，换算出眼部和成像器件之间的物距，从而产生控制信号，实时指引用户前后移动所述图像采集设备的位置实现对焦成像。

8.如权利要求1～6中任意一项所述的眼部图像采集方法，其特征在于：

所述生物特征参数为人眼的单眼虹膜的外圆直径、人眼的双眼瞳孔的水平间距或人的单眼在水平方向的眼角距离中的任意一种。

9.一种眼部图像采集系统，用于实现权利要求1～6中任意一项所述的眼部图像采集方法，其特征在于包括图像采集模块、预处理模块、初步检测模块和精确检测模块；

所述图像采集模块采集眼部图像并传送到所述预处理模块，所述预处理模块对所述眼部图像进行人眼定位后，裁剪成标准图像；所述初步检测模块对所述标准图像是否符合使用要求进行判断，确认合格图像并送入所述精确检测模块；所述精确检测模块基于生物特征参数对所述合格图像进行检测，将通过精确检测的图像作为保留图像，选取清晰度最佳的保留图像作为眼部采集图像。