CN105389574A - 一种检测图片中人眼虹膜的方法及系统 - Google Patents

Abstract

本发明属于通信技术领域，公开一种检测图片中人眼虹膜的方法及系统，包括步骤利用客户端摄像头获取眼部图像；将所述眼部图像转化为灰度图像；对所述灰度图像进行滤波计算和矩形块灰度值统计，获得虹膜的估计圆心及估计半径；根据所述估计圆心和估计半径，利用渐进步长重置圆心的方法迭代求解，获得虹膜的精确圆心和精确半径；将虹膜的精确圆心和精确半径发送至客户端。本发明能够精确定位眼睛虹膜的圆心位置和半径，能够较好的排除睫毛和眼皮等干扰，大大加快了检测速度。

Description

一种检测图片中人眼虹膜的方法及系统

技术领域

本发明属于人眼检测技术领域，特别是涉及一种检测图片中人眼虹膜的方法及系统。

背景技术

近年来，随着手机前置摄像头和后置摄像头的进步，所拍摄的图像越来越清晰，从而获得的眼睛图像也越来越好，研发人员可以通过终端获得眼睛图像进行许多工作：从安全角度来说现在指纹解锁应用较广，但通过虹膜解锁比指纹的安全系数高很多；从简化使用手机习惯的角度来首，也可以写一个APP，通过虹膜中的瞳孔移动方向来控制手机翻页等；从美化照片的角度来说，可以美化虹膜照片，达到佩戴美瞳的效果，或者增大眼睛显得更为有神。而以上一系列操作都有一个前提，那就是首先要准确的检测出虹膜的圆心和半径。

目前检测虹膜或瞳孔的方法有基于的圆周差分法与的圆周霍夫变换检测。以上方法，均要求采样照片像素较高，需要专门的拍摄一起；无法排除睫毛和眼皮等干扰；并且传统的搜索圆心方法，搜索范围极大，需要对图像中每一个点，计算以该点为中心的一系列不同半径的圆周，然后统计每个半径圆周的分数，检测速度较慢。

发明内容

为了解决上述问题，本发明提出了一种检测图片中人眼虹膜的方法及系统，能够精确定位眼睛虹膜的圆心位置和半径，能够较好的排除睫毛和眼皮等干扰，大大加快了检测速度。

为达到上述目的，本发明采用的技术方案是：一种检测图片中人眼虹膜的方法，包括步骤：

(1)利用客户端摄像头获取眼部图像；(2)将所述眼部图像转化为灰度图像；(3)对所述灰度图像进行滤波计算和矩形块灰度值统计，获得虹膜的估计圆心及估计半径；(4)根据所述估计圆心和估计半径，利用渐进步长重置圆心的方法迭代求解，获得虹膜的精确圆心和精确半径；(5)将虹膜的精确圆心和精确半径发送至客户端。

进一步的是，所述步骤（1）中，所述眼部图像的获取方法为，通过机器学习检测人脸获得检测人脸的关键点，提取眼部关键点构成眼部图像；或者通过用户交互，点击屏幕获得眼部图像。

进一步的是，所述步骤（2）中，所述眼部图像为图像，利用图像中的R、G和B三个通道的值将眼部图像转化为灰度图像。

进一步的是，所述步骤（3）中，所述滤波计算包括步骤：在所述灰度图像中设定一行像素中的某个像素为中心；找出所述中心水平方向附近的像素；计算所述中心和所述附近像素的灰度值；将灰度值由小到大排序；用最大或者次大的灰度值替换所述中心的灰度值。通过滤波计算能够有效减少眼睫毛和眼线等对虹膜定位检测的影响。

进一步的是，所述步骤（3）中，所述矩形块灰度值统计包括步骤：在所述灰度图像中创建水平矩形块；从左到右移动所述水平矩形块，每移动一个像素时统计水平矩形块内的所有像素灰度值之和以及水平矩形块的中心位置；找出灰度值之和最小的水平矩形块，将其中心位置作为瞳孔的水平位置；创建竖直矩形块，将所述竖直矩形块在所述水平位置那一列的像素上竖直滑动，每移动一个像素时统计竖直矩形块内的所有像素灰度值之和以及竖直矩形块的中心位置；找出灰度值之和最小的竖直矩形块，将其中心位置作为瞳孔的竖直位置；统计所述水平位置那一列像素的灰度值形成灰度直方图；将所述灰度直方图的谷底对应的灰度值乘以预定系数得到对比阈值；统计所述水平位置那一列像素中灰度值小于所述对比阈值的像素；将所统计像素的个数除以2，得到估计的瞳孔半径；所述瞳孔的水平位置和竖直位置作为虹膜的估计圆心，所述瞳孔半径作为虹膜的估计半径。

进一步的是，所述水平矩形框高度为眼部图像高度，宽度为眼部图像宽度的四分之一；所述竖直矩形框高度为眼部图像高度的四分之一，宽度为眼部图像宽度；所述系数取值为1.4。

进一步的是，所述步骤（4）中，渐进步长重置圆心的方法迭代求解，包括步骤：先将所述估计圆心作为初始圆心，并求出所述初始圆心的评分与对应半径；然后以所述初始圆心为中心，根据渐进步长搜索其周围一系列点的评分与对应半径；若某个点的评分超过初始圆心的评分，就将该点作为新的中心；对新的中心依然以渐进步长搜索其周围一系列点的评分与对应半径，进行新一轮的迭代；迭代后，若全部点的评分均小于中心的评分，则将该中心作为精确圆心，并且将该中心的对应半径作为精确半径。进一步的是，所述评分方法包括步骤：设定初始半径，根据所述中心统计部分圆周上的灰度值之和；之后将所述灰度值之和除以部分圆周上的像素个数，获得圆周平均灰度值；从初始半径开始递增至某一半径，形成半径序列；求半径序列中所有半径对应的圆周平均灰度值，获得平均灰度值序列；将所述平均灰度值序列中的后一个值减去前一个值，得到新序列，所述新序列中每一个值，都代表对应半径的分数；找出所述新序列中的最高分数作为该中心的评分，最高分数对应的半径作为该中心的最佳对应半径。在计算每一个圆心的评分只考虑部分圆周，能够很好排除眼睫毛遮挡虹膜，眼皮遮挡虹膜的情况。

进一步的是，对中心以渐进步长搜索其周围一系列点的评分的方法包括步骤：

(a)计算中心评分，作为初始评分；

(b)计算与中心相隔2像素的八邻域评分；取所述八邻域评分中的最大值与所述初始评分比较，若最大值大于初始评分，那么将最大值所对应的点作为新的中心返回步骤（a），否则继续；

(c)计算与中心相隔4像素的八邻域评分；取所述八邻域评分中的最大值与所述初始评分比较，若最大值大于初始评分，那么将最大值所对应的点作为新的中心返回步骤（a），否则继续；

(d)计算与中心相隔6像素的八邻域评分；取所述八邻域评分中的最大值与所述初始评分比较，若最大值大于初始评分，那么将最大值所对应的点作为新的中心返回步骤（a），否则继续；

(e)计算与中心相隔8像素的八邻域评分；取所述八邻域评分中的最大值与所述初始评分比较，若最大值大于初始评分，那么将最大值所对应的点作为新的中心返回步骤（a），否则继续；

(f)假如上述所有点的评分均小于初始评分，那么将迭代出的中心为精确圆心，并且将该中心的最佳半径作为精确半径。

另一方面，本发明还提供了一种检测图片中人眼虹膜的系统,包括图像获取模块、图像转化模块、估计计算模块、精确计算模块和输出模块；

所述图像获取模块，利用客户端摄像头获取眼部图像；

所述图像转化模块，将所述眼部图像转化为灰度图像；

所述估计计算模块，对所述灰度图像进行滤波计算和矩形块灰度值统计，获得虹膜的估计圆心及估计半径；

所述精确计算模块，根据所述估计圆心和估计半径，利用渐进步长重置圆心的方法迭代求解虹膜的精确圆心和精确半径；

所述输出模块，将虹膜的精确圆心和精确半径发送至客户端。

采用本技术方案的有益效果：

本发明所提出的一种检测图片中人眼虹膜的方法，通过先滤波，再统计矩形块的灰度值的方式来计算虹膜的估计圆心和估计半径，能够较好的排除睫毛等给虹膜检测带来的干扰影响；利用渐进步长重置圆心的方法迭代求解时，通过增大与中心点的距离，进行迭代搜索并计算评分，凡是出现更优值则用该值重新初始化，大大加快了检测速度。本发明所提出一种检测图片中人眼虹膜的系统，能够配合本发明所提出的方法实现该方法的应用。

附图说明

图1为本发明的一种检测图片中人眼虹膜的方法流程图；

图2为本发明实施例中人眼图像灰度等级示意图；

图3为本发明实施例中滤波计算的流程图；

图4为本发明实施例中矩形块灰度值统计的流程图；

图5为本发明实施例中渐进步长重置圆心的方法迭代求解的流程图；

图6为本发明实施例中评分方法的流程图；

图7为本发明实施例中多个八邻域渐进步长迭代搜索的评分方法流程图；

图8为本发明实施例中虹膜精确定位迭代搜索的顺序示意图；

图9为本发明的一种检测图片中人眼虹膜系统的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。

在本实施例中，参见图1所示，本发明提出了一种检测图片中人眼虹膜的方法，包括步骤：

(1)利用客户端摄像头获取眼部图像。

所述眼部图像的获取方法为，通过机器学习检测人脸获得检测人脸的关键点，提取眼部关键点构成眼部图像。

所述眼部图像的获取方法还可为，通过用户交互，点击屏幕获得眼部图像。

(2)将所述眼部图像转化为灰度图像。

所述眼部图像为RGB图像，利用RGB图像中的R、G和B三个通道的值将眼部图像转化为灰度图像。

转化公式如下：

其中，R,G,B分别是图像中颜色空间的三个通道值。

(3)对所述灰度图像进行滤波计算和矩形块灰度值统计，获得虹膜的估计圆心及估计半径。

如图2中显示了眼部图像中瞳孔、虹膜和巩膜的位置以及相应位置的灰度图像等级。由图像可以看出瞳孔位置是眼睛图像中最黑的部分，虹膜次之，巩膜最亮。

因为图像中瞳孔最暗，所以可以在灰度图像中寻找最暗的中心作为瞳孔的初始圆心，假如直接采用灰度和值最小处的行和列作为初始圆心的纵坐标和横坐标，往往会受到眼线或者眼睫毛的影响，因为眼睫毛或者眼线的灰度值较低，所以这样统计出来的初始中心往往偏向眼睫毛或者眼线。因此，本发明中采用滤波计算和矩形块灰度值统计，在获取虹膜的估计圆心和估计半径的同时还减少眼睫毛和眼线的影响。

（3.1）所述滤波计算，如图3所示包括步骤：在所述灰度图像中设定一行像素中的某个像素为中心；找出所述中心水平方向附近的像素；计算所述中心和所述附近像素的灰度值；将灰度值由小到大排序；用最大或者次大的灰度值替换所述中心的灰度值。通过滤波计算能够有效减少眼睫毛和眼线等对虹膜定位检测的影响。

具体实施为：设定一行中的某个像素为中心。

水平方向附近的像素分别为：

对应的灰度值分别为：

将这些灰度值由小到大排序，用最大或者次大的灰度值，替换掉的灰度值。

（3.2）所述矩形块灰度值统计，如图4所示包括步骤：在所述灰度图像中创建水平矩形块；从左到右移动所述水平矩形块，每移动一个像素时统计水平矩形块内的所有像素灰度值之和以及水平矩形块的中心位置；找出灰度值之和最小的水平矩形块，将其中心位置作为瞳孔的水平位置；创建竖直矩形块，将所述竖直矩形块在所述水平位置那一列的像素上竖直滑动，每移动一个像素时统计竖直矩形块内的所有像素灰度值之和以及竖直矩形块的中心位置；找出灰度值之和最小的竖直矩形块，将其中心位置作为瞳孔的竖直位置；统计所述水平位置那一列像素的灰度值形成灰度直方图；将所述灰度直方图的谷底对应的灰度值乘以预定系数得到对比阈值；统计所述水平位置那一列像素中灰度值小于所述对比阈值的像素；将所统计像素的个数除以2，得到估计的瞳孔半径；所述瞳孔的水平位置和竖直位置作为虹膜的估计圆心，所述瞳孔半径作为虹膜的估计半径。

具体实施为，首先在图像中创建一个水平矩形块，该水平矩形块的高度，宽度；其中，是眼部图像的高度，是眼部图像的宽度；从左到右移动水平矩形块，每移动一个像素时，统计矩形块内的所有像素灰度值之和：，为水平矩形块内像素灰度值之和，为水平矩阵块内对应每个位置的灰度值。同时，记录水平矩形块的中心位置；从左到右遍历一次之后，找出灰度值之和最小的水平矩形块，以及其对应的中心位置。初步认定此中心位置是瞳孔的水平位置

其次，创建竖直矩形块，该竖直矩形块的高度，宽度；其中，是眼部图像的高度，是眼部图像的宽度；将所述竖直矩形块在所述水平位置那一列的像素上竖直滑动，用与上述瞳孔的水平位置类似方法求出瞳孔的竖直位置。

然后，统计所述水平位置那一列像素的灰度值形成灰度直方图，最黑的那一部分即灰度直方图的谷底肯定属于瞳孔。假设灰度直方图谷底对应的灰度值为，对这个谷底最小值乘以预定系数，本发明中预定系数设为1.4；将作为对比阈值；统计所述水平位置那一列像素中灰度值小于所述对比阈值的像素都认作瞳孔像素；将所统计像素的个数除以2，得到估计的瞳孔半径。

最后，瞳孔的估计位置，以及瞳孔的估计半径estRadius。

在实际拍摄的图像中，对于亚洲人来说，瞳孔通常是黑色，虹膜通常会棕色或者类似的深色，这就导致在图像中，瞳孔和虹膜非常相近，所以对于亚洲人种来说，得到的瞳孔中心与半径即为虹膜的中心与半径。

因此，所述瞳孔的水平位置和竖直位置作为虹膜的估计圆心

，所述瞳孔半径作为虹膜的估计半径

(4)根据所述估计圆心和估计半径，利用渐进步长重置圆心的方法迭代求解，获得虹膜的精确圆心和精确半径。

所述步骤（4）中，渐进步长重置圆心的方法迭代求解，如图5所示包括步骤：先将所述估计圆心作为初始圆心，并求出所述初始圆心的评分与对应半径；然后以所述初始圆心为中心，根据渐进步长搜索其周围一系列点的评分与对应半径；若某个点的评分超过初始圆心的评分，就将该点作为新的中心；对新的中心依然以渐进步长搜索其周围一系列点的评分与对应半径，进行新一轮的迭代；迭代后，若全部点的评分均小于中心的评分，则将该中心作为精确圆心，并且将该中心的对应半径作为精确半径。

（4.1）所述评分方法，如图6所示包括步骤：设定初始半径，根据所述中心统计部分圆周上的灰度值之和；之后将所述灰度值之和除以部分圆周上的像素个数，获得圆周平均灰度值；从初始半径开始递增至某一半径，形成半径序列；求半径序列中所有半径对应的圆周平均灰度值，获得平均灰度值序列；将所述平均灰度值序列中的后一个值减去前一个值,得到新序列，所述新序列中每一个值，都代表对应半径的分数；找出所述新序列中的最高分数作为该中心的评分，最高分数对应的半径作为该中心的最佳对应半径。在计算每一个圆心的评分只考虑部分圆周，能够很好排除眼睫毛遮挡虹膜，眼皮遮挡虹膜的情况。

具体实施为，首先估计圆心为中心，以一定长度R1为初始半径，统计部分圆周上的灰度值之和，取部分圆周的原因是虹膜经常被上下眼皮遮挡，能够有效避免眼皮对检测结果的影响。之后将除以圆周上的像素点个数，获得圆周平均灰度值，具体公式如下：

其中是部分圆周上的像素个数。

其次，用类似的方法，从半径R1开始递增至某一个半径Rn，获得一个半径序列：,其中R1可设定为5，Rn可设定为40。求出半径序列中所有半径对应的圆周平均灰度值，构成平均灰度值序列：

。

再次，将这个平均灰度值序列中的后一个数减去前一个数(最后一个除外),得到一个新的序列：

其中每一个值，都代表对应半径R1…Rn有一个分数。

最后，找出所述新序列中的最高分数作为该中心的评分，最高分数对应的半径作为该中心的最佳半径，具体公式如下：

(4.2）对中心以渐进步长搜索其周围一系列点的评分的方法，如图7和图8所示包括步骤：

(a)计算中心评分，作为初始评分。初始状态下中心为估计圆心，初始评分为。

(b)计算与中心相隔2像素的八邻域评分；取所述八邻域评分中的最大值与所述初始评分比较，若最大值大于初始评分，那么将最大值所对应的点作为新的中心返回步骤（a），否则继续。

具体为，计算与中心相隔2像素的八邻域评分：

以这八个点为圆心，用所述评分方法求出每个点的评分：，之后取评分中的最大值与做比较。

假如，那么将所对应的圆心作为新的中心返回步骤（a）。

假如，那么继续下面步骤。

(c)计算与中心相隔4像素的八邻域评分；取所述八邻域评分中的最大值与所述初始评分比较，若最大值大于初始评分，那么将最大值所对应的点作为新的中心返回步骤（a），否则继续。

具体为，计算与中心相隔4像素的八邻域评分：

。

以这八个点为圆心，用所述评分方法求出每个点的评分：，之后取评分中的最大值与做比较。

假如，那么将所对应的圆心作为新的中心返回步骤（a）。

假如，那么继续下面步骤。

(d)计算与中心相隔6像素的八邻域评分；取所述八邻域评分中的最大值与所述初始评分比较，若最大值大于初始评分，那么将最大值所对应的点作为新的中心返回步骤（a），否则继续。

具体为，计算与中心相隔6像素的八邻域评分：

以这八个点为圆心，用所述评分方法求出每个点的评分：，之后取评分中的最大值与做比较。

假如，那么将所对应的圆心作为新的中心返回步骤（a）。

假如，那么继续下面步骤。

(e)计算与中心相隔8像素的八邻域评分；取所述八邻域评分中的最大值与所述初始评分比较，若最大值大于初始评分，那么将最大值所对应的点作为新的中心返回步骤（a），否则继续。

具体为，计算与中心相隔8像素的八邻域评分：

以这八个点为圆心，用所述评分方法求出每个点的评分：，之后取评分中的最大值与做比较。

假如，那么将所对应的圆心作为新的中心返回步骤（a）。

假如，那么继续下面步骤。

(f)假如上述所有点的评分均小于初始评分，那么将迭代出的中心为精确圆心，并且将该中心的最佳半径作为精确半径。

具体为，假如上述所有点作为圆心的评分都小于，那么认为迭代估计出的中心为精确圆心，并且将该中心的最佳半径作为最终半径。

(5)将虹膜的精确圆心和精确半径发送至客户端。

为配合本发明方法的实现，基于相同的发明构思，参见图9所示，本发明还提供了一种检测图片中人眼虹膜的系统,包括图像获取模块、图像转化模块、估计计算模块、精确计算模块和输出模块；

所述图像获取模块，利用客户端摄像头获取眼部图像；

所述图像转化模块，将所述眼部图像转化为灰度图像；

所述估计计算模块，对所述灰度图像进行滤波计算和矩形块灰度值统计，获得虹膜的估计圆心及估计半径；

所述精确计算模块，根据所述估计圆心和估计半径，利用渐进步长重置圆心的方法迭代求解虹膜的精确圆心和精确半径；

所述输出模块，将虹膜的精确圆心和精确半径发送至客户端。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本实发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种检测图片中人眼虹膜的方法，其特征在于，包括步骤：

(1)利用客户端摄像头获取眼部图像；

(2)将所述眼部图像转化为灰度图像；

(3)对所述灰度图像进行滤波计算和矩形块灰度值统计，获得虹膜的估计圆心及估计半径；

(4)根据所述估计圆心和估计半径，利用渐进步长重置圆心的方法迭代求解，获得虹膜的精确圆心和精确半径；

(5)将虹膜的精确圆心和精确半径发送至客户端。

2.根据权利要求1所述的一种检测图片中人眼虹膜的方法,其特征在于，所述步骤（1）中，所述眼部图像的获取方法为，通过机器学习检测人脸获得检测人脸的关键点，提取眼部关键点构成眼部图像；或者通过用户交互，点击屏幕获得眼部图像。

3.根据权利要求1所述的一种检测图片中人眼虹膜的方法,其特征在于，所述步骤（2）中，所述眼部图像为RGB图像，利用RGB图像中的R、G和B三个通道的值将眼部图像转化为灰度图像。

4.根据权利要求1所述的一种检测图片中人眼虹膜的方法,其特征在于，所述步骤（3）中，所述滤波计算包括步骤：在所述灰度图像中设定一行像素中的某个像素为中心；找出所述中心水平方向附近的像素；计算所述中心和所述附近像素的灰度值；将灰度值由小到大排序；用最大或者次大的灰度值替换所述中心的灰度值。

5.根据权利要求4所述的一种检测图片中人眼虹膜的方法,其特征在于，所述步骤（3）中，所述矩形块灰度值统计包括步骤：在所述灰度图像中创建水平矩形块；从左到右移动所述水平矩形块，每移动一个像素时统计水平矩形块内的所有像素灰度值之和以及水平矩形块的中心位置；找出灰度值之和最小的水平矩形块，将其中心位置作为瞳孔的水平位置；创建竖直矩形块，将所述竖直矩形块在所述水平位置那一列的像素上竖直滑动，每移动一个像素时统计竖直矩形块内的所有像素灰度值之和以及竖直矩形块的中心位置；找出灰度值之和最小的竖直矩形块，将其中心位置作为瞳孔的竖直位置；统计所述水平位置那一列像素的灰度值形成灰度直方图；将所述灰度直方图的谷底对应的灰度值乘以预定系数得到对比阈值；统计所述水平位置那一列像素中灰度值小于所述对比阈值的像素；将所统计像素的个数除以2，得到估计的瞳孔半径；所述瞳孔的水平位置和竖直位置作为虹膜的估计圆心，所述瞳孔半径作为虹膜的估计半径。

6.根据权利要求5所述的一种检测图片中人眼虹膜的方法,其特征在于，所述水平矩形框高度为眼部图像高度，宽度为眼部图像宽度的四分之一；所述竖直矩形框高度为眼部图像高度的四分之一，宽度为眼部图像宽度；所述系数取值为1.4。

7.根据权利要求1或6所述的一种检测图片中人眼虹膜的方法,其特征在于，所述步骤（4）中，渐进步长重置圆心的方法迭代求解，包括步骤：先将所述估计圆心作为初始圆心，并求出所述初始圆心的评分与对应半径；然后以所述初始圆心为中心，根据渐进步长搜索其周围一系列点的评分与对应半径；若某个点的评分超过初始圆心的评分，就将该点作为新的中心；对新的中心依然以渐进步长搜索其周围一系列点的评分与对应半径，进行新一轮的迭代；迭代后，若全部点的评分均小于中心的评分，则将该中心作为精确圆心，并且将该中心的对应半径作为精确半径。

8.根据权利要求7所述的一种检测图片中人眼虹膜的方法,其特征在于，所述评分方法包括步骤：设定初始半径，根据所述中心统计部分圆周上的灰度值之和；之后将所述灰度值之和除以部分圆周上的像素个数，获得圆周平均灰度值；从初始半径开始递增至某一半径，形成半径序列；求半径序列中所有半径对应的圆周平均灰度值，获得平均灰度值序列；将所述平均灰度值序列中的后一个值减去前一个值,得到新序列，所述新序列中每一个值，都代表对应半径的分数；找出所述新序列中的最高分数作为该中心的评分，最高分数对应的半径作为该中心的最佳对应半径。

9.根据权利要求8所述的一种检测图片中人眼虹膜的方法，其特征在于，对中心以渐进步长搜索其周围一系列点的评分的方法包括步骤：

(a)计算中心评分，作为初始评分；

(b)计算与中心相隔2像素的八邻域评分；取所述八邻域评分中的最大值与所述初始评分比较，若最大值大于初始评分，那么将最大值所对应的点作为新的中心返回步骤（a），否则继续；

(c)计算与中心相隔4像素的八邻域评分；取所述八邻域评分中的最大值与所述初始评分比较，若最大值大于初始评分，那么将最大值所对应的点作为新的中心返回步骤（a），否则继续；

(d)计算与中心相隔6像素的八邻域评分；取所述八邻域评分中的最大值与所述初始评分比较，若最大值大于初始评分，那么将最大值所对应的点作为新的中心返回步骤（a），否则继续；

(e)计算与中心相隔8像素的八邻域评分；取所述八邻域评分中的最大值与所述初始评分比较，若最大值大于初始评分，那么将最大值所对应的点作为新的中心返回步骤（a），否则继续；

(f)假如上述所有点的评分均小于初始评分，那么将迭代出的中心为精确圆心，并且将该中心的最佳半径作为精确半径。

10.一种检测图片中人眼虹膜的系统,其特征在于,包括图像获取模块、图像转化模块、估计计算模块、精确计算模块和输出模块；

所述图像获取模块，利用客户端摄像头获取眼部图像；

所述图像转化模块，将所述眼部图像转化为灰度图像；

所述估计计算模块，对所述灰度图像进行滤波计算和矩形块灰度值统计，获得虹膜的估计圆心及估计半径；

所述精确计算模块，根据所述估计圆心和估计半径，利用渐进步长重置圆心的方法迭代求解虹膜的精确圆心和精确半径；

所述输出模块，将虹膜的精确圆心和精确半径发送至客户端。