CN105678286A - 一种瞳孔定位方法及设备 - Google Patents

Abstract

本发明公开了一种瞳孔定位方法，包括步骤：获取包含人眼的图像作为输入图像；根据预置梯度算子提取输入图像的边缘信息；根据预置面积占比值和预置宽高比值从边缘信息中筛选出亮斑；根据亮斑及其周围区域的灰度分布确定输入图像中的候选瞳孔光斑；确定候选瞳孔光斑的方位信息；根据方位信息计算出候选瞳孔光斑所对应候选瞳孔的半径和圆心坐标；根据候选瞳孔的半径和圆心坐标选取第一区域，判断第一区域内像素值的分布是否满足预定灰度分布模式；若满足则确定该候选瞳孔为真实瞳孔。本发明还提供了相应的瞳孔定位设备。

Description

一种瞳孔定位方法及设备

技术领域

本发明涉及图像处理与模式识别领域，更具体地，涉及一种瞳孔定位技术。

背景技术

随着计算机及网络技术的高速发展和人们生活水平的提高，信息安全呈现出前所未有的重要性，身份认证又是保证信息安全的必要前提。传统的身份认证方法如证件、密码等认证方式，由于存在易被盗用、破译等弊端，已经不能完全满足现代社会经济活动和安全防范的需要，因此通过生物特征识别进行身份认证的技术得到广泛研究及应用。

另一方面，与其他指纹、人脸等生物特征识别技术相比，虹膜识别具有唯一性、稳定性、非侵犯性和可活体检测等优点。因此，虹膜识别技术常被作为生物特征识别的一个重要研究方向。在虹膜识别技术中，准确定位瞳孔至关重要。光照条件、佩戴非接触式或接触式眼镜等都会对瞳孔定位造成干扰，从而造成虹膜识别不成功或者识别速度缓慢。因此，需要一种高效准确的瞳孔定位方案。

发明内容

为此，本发明提供一种瞳孔定位方法及设备，以力图解决或者至少缓解上面存在的至少一个问题。

根据本发明的一个方面，提供了一种瞳孔定位方法，包括步骤：获取包含人眼的图像作为输入图像；根据预置梯度算子提取输入图像的边缘信息；根据预置面积占比值和预置宽高比值从边缘信息中筛选出亮斑；根据亮斑及其周围区域的灰度分布确定输入图像中的候选瞳孔光斑；确定候选瞳孔光斑的方位信息；根据方位信息计算出候选瞳孔光斑所在的候选瞳孔的半径和圆心坐标；根据候选瞳孔的半径和圆心坐标选取第一区域，判断第一区域内像素值的分布是否满足预定灰度分布模式；若满足则确定该候选瞳孔为真实瞳孔。

可选地，在根据本发明的瞳孔定位方法中，还包括步骤：对输入图像进行降噪处理。

可选地，在根据本发明的瞳孔定位方法中，预置梯度算子是n阶梯度算子，其中n的取值与图像分辨率负相关。

可选地，在根据本发明的瞳孔定位方法中，根据预置梯度算子提取图像的边缘信息的步骤包括：从横向、纵向、45°对角线、135°对角线4个方向提取梯度。

可选地，在根据本发明的瞳孔定位方法中，根据预置面积占比值和预置宽高比值从边缘信息中筛选出亮斑的步骤包括：对包含边缘信息的图像进行连通域分析；根据预置面积占比值和预置宽高比值从经过连通域分析的图像中筛选出亮斑。

可选地，在根据本发明的瞳孔定位方法中，根据亮斑及周围区域的灰度分布确定候选瞳孔光斑的步骤包括：以亮斑所在区域为中心图像块，在其周围取相邻的m*m-1个相同大小的图像块；计算中心图像块与其他m*m-1个图像块的像素值差；若像素值差大于第一阈值和第二阈值的图像块个数分别达到第一预定数量和第二预定数量，则确认该亮斑是候选瞳孔光斑。

可选地，在根据本发明的瞳孔定位方法中，确定候选瞳孔光斑的方位信息的步骤包括：以所确认的候选瞳孔光斑为原点，建立四象限坐标；以及分别统计四个象限中像素值差满足第三阈值的图像块数，根据统计的图像块数确定候选瞳孔光斑在候选瞳孔的方位信息。

可选地，在根据本发明的瞳孔定位方法中，候选瞳孔光斑的方位信息包括：在候选瞳孔的中心、左上角、左下角、右上角、右下角位置。

可选地，在根据本发明的瞳孔定位方法中，根据方位信息计算出候选瞳孔的半径和圆心坐标的步骤包括：根据候选瞳孔光斑在候选瞳孔的方位信息选取第二区域；对该第二区域进行二值化，计算出候选瞳孔的半径和圆心坐标。

可选地，在根据本发明的瞳孔定位方法中，判断第一区域内像素值的分布是否满足灰度分布模式的步骤包括：以候选瞳孔圆心为中心取第一区域，其中第一区域为矩形区域，该矩形区域的长是候选瞳孔半径的10倍，宽是候选瞳孔半径；判断第一区域内像素值的灰度变化是否满足预定灰度变化模式；若不满足预定灰度变化模式，则认为该候选瞳孔是伪瞳孔；若满足预定灰度变化模式，则认为该候选瞳孔是真实瞳孔。

可选地，在根据本发明的瞳孔定位方法中，还包括：确认真实瞳孔对应的第一区域内的候选瞳孔光斑是真实瞳孔光斑。

可选地，在根据本发明的瞳孔定位方法中，预定灰度变化模式是从左到右灰度变化依次为“第一亮度、第二亮度、第三亮度、第二亮度、第一亮度”的模式，其中，第一亮度大于第二亮度，第二亮度大于第三亮度。

根据本发明的另一方面，提供了一种瞳孔定位设备，设备包括：图像获取单元，适于获取包含人眼的图像作为输入图像；边缘提取单元，适于根据预置梯度算子提取输入图像的边缘信息；筛选单元，适于根据预置面积占比值和预置宽高比值从边缘信息中筛选出亮斑；候选确认单元，适于根据亮斑及其周围区域的灰度分布确定输入图像中的候选瞳孔光斑、还适于确定候选瞳孔光斑的方位信息；计算单元，适于根据方位信息计算候选瞳孔光斑所对应候选瞳孔的半径和圆心坐标；以及瞳孔确认单元，适于根据候选瞳孔的半径和圆心坐标选取第一区域，判断第一区域内像素值的分布是否满足预定灰度分布模式，若满足则确定该瞳孔为真实瞳孔。

可选地，在根据本发明的瞳孔定位设备中，还包括：预处理单元，适于对输入图像进行降噪处理。

可选地，在根据本发明的瞳孔定位设备中，预置梯度算子是n阶梯度算子，其中n的取值与图像分辨率负相关。

可选地，在根据本发明的瞳孔定位设备中，边缘提取单元还适于利用预置梯度算子从横向、纵向、45°对角线、135°对角线4个方向提取梯度。

可选地，在根据本发明的瞳孔定位设备中，筛选单元还包括：连通域分析模块，适于对包含边缘信息的图像进行连通域分析；筛选单元适于对经连通域分析的图像进行筛选处理。

可选地，在根据本发明的瞳孔定位设备中，候选确认单元包括：第一处理模块，适于以亮斑所在区域为中心图像块，在其周围取相邻的m*m-1个相同大小的图像块；第一计算模块，适于计算中心图像块与其他m*m-1个图像块的像素值差；以及第一判断模块，适于在像素值差大于第一阈值和第二阈值的图像块个数分别达到第一预定数量和第二预定数量时，确认该亮斑是候选瞳孔光斑。

可选地，在根据本发明的瞳孔定位设备中，候选确认单元还包括：第二处理模块，适于以所确认的候选瞳孔光斑为原点，建立四象限坐标；第二计算模块，适于分别统计四个象限中像素值差满足第三阈值的图像块数；以及第二判断模块，适于根据统计的图像块数确定候选瞳孔光斑在候选瞳孔中的方位信息。

可选地，在根据本发明的瞳孔定位设备中，候选瞳孔的方位信息包括：在候选瞳孔的中心、左上角、左下角、右上角、右下角位置。

可选地，在根据本发明的瞳孔定位设备中，计算单元还适于根据候选瞳孔光斑在候选瞳孔的方位信息选取第二区域，对该第二区域进行二值化，计算出候选瞳孔的半径和圆心坐标。

可选地，在根据本发明的瞳孔定位设备中，瞳孔确认单元包括：区域选取模块，适于以候选瞳孔圆心为中心取第一区域，其中第一区域为矩形区域，该矩形区域的长是候选瞳孔半径的10倍，宽是候选瞳孔半径；匹配确认模块，适于判断第一区域内像素值的灰度变化是否满足预定灰度变化模式，若不满足预定灰度变化模式，则认为该候选瞳孔是伪瞳孔；若满足预定灰度变化模式，则认为该候选瞳孔是真实瞳孔。

可选地，在根据本发明的瞳孔定位设备中，瞳孔确认单元还适于确认真实瞳孔对应的第一区域内的候选瞳孔光斑是真实瞳孔光斑。

可选地，在根据本发明的瞳孔定位设备中，预定灰度变化模式是从左到右灰度变化依次为“第一亮度、第二亮度、第三亮度、第二亮度、第一亮度”的模式，其中，第一亮度大于第二亮度，第二亮度大于第三亮度。

参照上述描述，本发明充分利用了瞳孔光斑周围眼部区域的灰度分布特征，先边缘提取得到边缘信息以及图像中的亮斑；再根据亮斑及周围区域的灰度分布确定出候选瞳孔光斑和候选光斑的方位信息；进而计算出候选瞳孔的半径和圆心坐标，选取出可能存在候选瞳孔的第一区域；最后判断第一区域中像素值是否满足预定灰度分布模式，若满足则定位出真实瞳孔。根据本发明的方案，可以消除了光照条件、佩戴非接触式或接触式眼镜对瞳孔定位造成的干扰，高效准确地从眼部图像中定位出瞳孔。

附图说明

为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。

图1示出了根据本发明一个实施例的瞳孔定位方法100的流程图；

图2示出了根据本发明一个实施例的根据亮斑选取图像块的示意图；

图3示出了根据本发明一个实施例的灰度分布模式示意图；

图4A示出了根据本发明一个实施例的输入图像示意图；

图4B示出了根据本发明一个实施例的初次提取边缘得到的边缘图像；

图4C示出了根据本发明一个实施例的二次提取得到的边缘图像；

图4D示出了根据本发明一个实施例的最终眼睛定位结果图；

图5(a)-5(e)示出了根据本发明一个实施例的光斑在瞳孔中的方位信息示意图；以及

图6示出了根据本发明一个实施例的瞳孔定位设备600的框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

一般地，虹膜识别方法包括图像采集、图像质量评价、图像预处理、特征提取、比对识别5个阶段。考虑到当包含人眼的图像，以下简称为“眼部图像”，不清晰时会影响眼部图像聚焦反射的效果，因此在识别前期先加入对眼部图像质量的考量。而图像预处理阶段又可以细分为虹膜定位分割、虹膜归一化、虹膜图像增强等，其中，虹膜定位分割的结果直接影响虹膜识别的准确度，而虹膜定位分割又可以进一步细化为瞳孔定位，因此，如何准确定位瞳孔是虹膜识别技术中很关键的环节。

图1示出了根据本发明一个实施例的瞳孔定位方法100的流程图。该方法始于步骤S110，首先获取包含人眼的图像作为输入图像，输入的眼部图像如图4A所示。

一般地，对于输入的眼部图像，要先进行预处理操作。预处理操作包括对眼部图像进行一系列标准的处理变换，得到归一化图像；以及对图像进行降噪处理，例如高斯滤波、小波滤波等。本发明的范围在此方面不受限制，任何图像预处理算法都可以用于处理输入的眼部图像，与本发明的实施例相结合使用。

随后在步骤S120中，根据预置梯度算子提取预处理后的眼部图像的边缘信息。不同于常见的采用Sobel算子、Roberts算子、Canny算子来检测边缘的算法，在本实施例中，通过自行构造梯度算子与预处理后的眼部图像做卷积，得到高对比度的边缘图像，如图4B所示，就是经过本步骤提取边缘得到的边缘图像，实际应用中，人眼在光照影响下在瞳孔周围会出现亮斑，从图4B也可以大致看到，提取出的边缘信息包括眼镜框架和亮斑信息。

预置梯度算子定义为一个n阶梯度算子，其中n的取值与图像分辨率负相关，且最小为3。在计算中，从横向、纵向、45°对角线、135°对角线4个方向提取梯度，具体地，利用第1行与第n行的像素值和的差值提取横向梯度，类似地，利用第1列与第n列的像素值和的差值提取纵向梯度，45°对角线的上方与下方的像素值和的差值提取45°方向梯度，135°对角线的上方与下方的像素值和的差值提取135°方向梯度。

例如，预置梯度算子可以是如下所示的一个3阶梯度算子：

0	1	0
			1	1	1
0	1	0

相比于常见的计算图像边缘的梯度算子，本发明构造了一个多方向的梯度算子，通过实验发现，该梯度算子能够较好的检测低频分量，对于模糊图像的适应性高。并且，该算子与图像做卷积时可以迭代计算，计算效率高。

如图4B所示，在提取的边缘信息中，包含一些在实际应用中并不重要的边缘信息，例如，眼镜框架边缘信息对于瞳孔定位来说，是多余的信息，为进一步提高瞳孔定位的准确性，在本方法中，要先剔除类似的干扰边缘信息。而提取出的亮斑信息很有可能就是瞳孔光斑，是后续定位瞳孔的依据。

随后在步骤S130中，根据预置面积占比值和预置宽高比值从边缘信息中筛选出亮斑。先对如图4B所示的包含边缘信息的图像进行连通域分析，根据像素点统计每个连通区域的面积和宽高值。

再根据预置面积占比值和预置宽高比值滤除该图像中不满足条件的连通区域，剩下的连通区域就是图像中的亮斑。在本实施例中，预置面积占比值和预置宽高比值采用如下方式确定：

设在一个真实瞳孔中，瞳孔光斑的高为height，宽为width，面积为area，那么，

瞳孔光斑的宽高比可以表示为dRatioWH＝width/height；

瞳孔光斑的面积占比表示为dRatioS＝area/(width*height)。

在本实施例中，根据经验，设置预置的面积占比值为dRatioS>0.8，预置的宽高比值为：0.8＜dRatioWH＜1.25。

根据上述两个阈值，可以滤除图像中不需要的边缘信息，得到如图4C所示的包含亮斑的图像。从图4C也可以清楚看到，根据该方法，可以滤除掉眼镜框架这种不予考虑的边缘信息，以消除因为佩戴眼镜、饰物等对瞳孔定位造成的干扰。

随后在步骤S140中，根据上一步骤中提取出的亮斑、及其周围区域的灰度分布确定输入图像中的候选瞳孔光斑。具体如下：

首先，经验可知，在一个真实的眼部图像中，光斑是整个眼部最亮的区域，而瞳孔是最暗的区域，虹膜区域居中，按照这样的灰度分布，选择以亮斑所在区域作为中心图像块，在其周围取相邻的m*m-1个相同大小的图像块，如图2所示。也就是说，以亮斑的大小来确定每个图像块的大小，最终亮斑和包围它的其他m*m-1个图像块构成一个m*m的区域。

然后，计算中心图像块与其他m*m-1个图像块的像素值差。具体地，计算每个图像块的像素值均值，作为该图像块的像素值，再与中心图像块的像素值求差，得到m*m-1个像素值差。

若像素值差大于第一阈值(Thr1)和第二阈值(Thr2)的图像块个数分别达到第一预定数量(Num1)和第二预定数量(Num2)，则认为该亮斑有可能是瞳孔光斑，作为候选瞳孔光斑。根据本发明的实施方式，第一阈值Thr1和第二阈值Thr2是与第一预定数量Num1、第二预定数量Num2配对使用的，只要满足：如果Thr1>Thr2，则Num1<Num2，就认为该亮斑是候选瞳孔光斑。

例如设置第一阈值Thr1＝125，第二阈值Thr2＝150，若第一预定数量Num1＝16，第二预定数量Num2＝8，就认为该亮斑满足预定条件。同样，若设置Thr1＝150，第二阈值Thr2＝125，经过计算得到Num1＝8，第二预定数量Num2＝16，那么该亮斑也满足预定条件。或者说，按照虹膜、瞳孔、光斑区域的灰度分布构造了如下所示的一个5阶的模板(即m取值为5)：

1	2	3	4	5
					16	17	18	19	6
15	24	0	20	7
					14	23	22	21	8
13	12	11	10	9

其中，“0”所对应的位于中心的图像块即代表亮斑所在的区域。这25个图像块都是由p*p的小图像块组成，p的取值是可以自适应调节的，取决于亮斑的大小。按上文描述，计算中心图像块与其他24个图像块的像素差，而后确认出候选瞳孔光斑。

随后在步骤S150中，确定候选瞳孔光斑的方位信息。

先以所确认的候选瞳孔光斑为原点，建立四象限坐标，同步骤S140，分别计算四个象限中图像块的像素均值，作为该图像块的像素值，统计各图像块像素值与中心图像块(即，候选瞳孔光斑所在图像块)的像素值差满足第三阈值的图像块个数，分别记作n1、n2、n3、n4，其中，第三阈值可以取步骤S140中Thr1和Thr2中的较大者。然后根据这四个值的不同确定该候选光斑在瞳孔的方位信息，例如，若这四个值差不多大小，则表明该光斑在瞳孔的中心位置处。根据本发明的实施方式，候选瞳孔光斑在候选瞳孔中的方位信息包括以下五种情况：在候选瞳孔的中心、左上角、左下角、右上角、右下角5个位置，如图5所示，5(a)～5(e)分别代表了上述5种情况。

随后在步骤S160中，根据所确定的方位信息计算出候选瞳孔光斑所对应候选瞳孔的半径和圆心坐标。

在本步骤中，根据上步计算得到的方位信息选取第二区域，也就是该候选瞳孔光斑的感兴趣区域(即，ROI区域)。一般地，要求第二区域既能包含当前根据候选瞳孔光斑认定的全部候选瞳孔区域，又不要太大，最佳的效果就是第二区域是当前候选的瞳孔的外接矩形。然后对该第二区域利用自适应阈值方法进行二值化(也就是大律法二值化)，根据一种实现方式，将候选瞳孔部分的像素值设置为255，其他部分对应的像素值设置为0，统计二值化图像中像素值为255的像素个数作为候选瞳孔圆的面积，再根据圆的面积公式：S＝πr²，估计出瞳孔圆的半径r。最后，计算非零像素点的(x，y)坐标平均值，作为候选瞳孔的圆心坐标(x₀,y₀)。

随后在步骤S170中，根据候选瞳孔的半径和圆心坐标选取第一区域，判断第一区域内像素值的分布是否满足预定灰度分布模式。

以候选瞳孔圆心(x₀,y₀)为中心取第一区域，根据本发明的实施例，第一区域为矩形区域，并且该矩形区域的长是候选瞳孔半径r的10倍，宽就是候选瞳孔半径r。

选定第一区域后，判断第一区域内像素值的灰度变化是否满足预定灰度变化模式。如图3所示，在瞳孔两边从内到外依次是虹膜、巩膜，其像素值存在近似阶梯型的灰度变化，即从左到右依次为“亮(巩膜)、暗(虹膜)、更暗(瞳孔)、暗(虹膜)、亮(巩膜)”的模式，根据该灰度变化模式定义预定灰度分布模式，即从左到右灰度变化依次为“第一亮度、第二亮度、第三亮度、第二亮度、第一亮度”的模式，并且第一亮度大于第二亮度，第二亮度大于第三亮度。

若第一区域内像素值的灰度变化不满足预定灰度变化模式，就认为该候选瞳孔是伪瞳孔；相反，若满足预定灰度变化模式，就认为该候选瞳孔是真实瞳孔。

经过这样的筛选判断后，所确认的真实瞳孔对应的第一区域内的候选瞳孔光斑就是真实瞳孔光斑。同样地，所确认的真实瞳孔的圆心(x₀,y₀)和半径r在步骤S160中已经计算得到，通过这两个参数就可以准确描绘出真实瞳孔。如图4D就示出了最终定位到真实瞳孔的效果图。

由此可见，本发明充分利用了瞳孔光斑周围眼部区域的灰度分布特征，先通过边缘提取，得到边缘信息以及图像中的亮斑；再根据亮斑及周围区域的灰度分布确定出候选瞳孔光斑和候选光斑的方位信息；进而计算出候选瞳孔的半径和圆心坐标，选取出可能存在候选瞳孔的第一区域；最后判断第一区域中像素值是否满足预定灰度分布模式，若满足则定位出真实瞳孔。根据本发明的方案，可以消除了光照条件、佩戴非接触式或接触式眼镜对瞳孔定位造成的干扰。

本发明还相应提供了一种瞳孔定位设备600，如图6所示。该瞳孔定位设备600包括：图像获取单元610、边缘提取单元620、筛选单元630、候选确认单元640、计算单元650、以及瞳孔确认单元660。

图像获取单元610适于获取包含人眼的图像作为输入图像，如图4A所示。

根据本发明的实施方式，该设备600还可以包括适于对输入图像进行降噪处理的预处理单元。预处理单元可以对图像进行诸如高斯滤波、小波滤波等降噪处理。本发明的范围在此方面不受限制，任何图像预处理算法都可以用于处理输入的眼部图像，与本发明的实施例相结合使用。

边缘提取单元620适于根据预置梯度算子提取输入图像的边缘信息。可选地，预置梯度算子是一个n阶梯度算子，其中n的取值与图像分辨率负相关。并且，边缘提取单元620还适于利用预置梯度算子从横向、纵向、45°对角线、135°对角线4个方向提取梯度：利用第1行与第n行的像素值和的差值提取横向梯度，利用第1列与第n列的像素值和的差值提取纵向梯度，45°对角线的上方与下方的像素值和的差值提取45°方向梯度，135°对角线的上方与下方的像素值和的差值提取135°方向梯度。如图4B示出了经边缘提取单元620处理后，包含边缘信息的图像。

通过实验发现，相比于常见的边缘检测梯度算子，该预置梯度算子能够较好地检测到低频分量，因此对于模糊图像的适应性高。并且，该算子与图像做卷积时可以迭代计算，计算效率高。

筛选单元630适于从边缘提取单元620处理后的边缘信息中筛选出亮斑。根据一个实施例，筛选单元630包括连通域分析模块，适于对经过边缘提取单元620处理后的包含边缘信息的二值化图像进行连通域分析，根据像素点统计连通区域的面积和宽高值，筛选单元630适于筛除其中不满足预置面积占比值和预置宽高比值的连通区域，得到剩下的连通区域，即认为是图像亮斑，如图4C所示。

在本发明中，设置预置的面积占比值为：dRatioS>0.8，预置的宽高比值为：0.8＜dRatioWH＜1.25。

候选确认单元640适于根据筛选出的亮斑及其周围区域的灰度分布确定输入图像中的候选瞳孔光斑。可选地，候选确认单元640包括：第一处理模块、第一计算模块和第一判断模块。

第一处理模块适于以筛选出的亮斑所在区域为中心图像块，在其周围取相邻的m*m-1个相同大小的图像块，构成m*m的方形区域。

第一计算模块适于计算中心图像块与其他m*m-1个图像块的像素值差。

第一判断模块适于在像素值差大于第一阈值和第二阈值的图像块个数分别达到第一预定数量和第二预定数量时，确认该亮斑是候选瞳孔光斑。

第一处理模块的相关操作在上文步骤S140中已详细描述，此处不再赘述。

根据一种实现方式，候选确认单元640还适于确定候选瞳孔光斑的方位信息。根据本实施例，候选确认单元640还包括：第二处理模块、第二计算模块和第二判断模块。

第二处理模块适于以所确认的候选瞳孔光斑为原点，建立四象限坐标。

第二计算模块适于分别统计四个象限中像素值差满足第三阈值的图像块数。

第二判断模块适于根据统计的图像块数确定候选瞳孔光斑在候选瞳孔中的方位信息。如图5(a)-5(e)所示，候选瞳孔的方位信息包括：在候选瞳孔的中心、左上角、左下角、右上角、右下角位置。

计算单元650适于根据方位信息计算候选瞳孔光斑所对应候选瞳孔的半径和圆心坐标。

计算单元650适于根据候选瞳孔光斑在候选瞳孔的方位信息选取第二区域，一般地，要求第二区域既能包含当前根据候选瞳孔光斑认定的全部候选瞳孔区域，又不要太大，最佳的效果就是第二区域是当前候选的瞳孔的外接矩形。计算单元650还适于对该第二区域进行二值化(例如采用大律法二值化)，计算出候选瞳孔的半径和圆心坐标。

根据一种实现方式，将候选瞳孔部分的像素值设置为255，其他部分对应的像素值设置为0，统计二值化图像中像素值为255的像素个数作为候选瞳孔圆的面积，再根据圆的面积公式：S＝πr²，估计出瞳孔圆的半径r。最后，计算非零像素点的(x，y)坐标平均值，作为候选瞳孔的圆心坐标(x₀,y₀)。

瞳孔确认单元660适于根据候选瞳孔的半径r和圆心坐标(x₀,y₀)选取第一区域，判断第一区域内像素值的分布是否满足预定灰度分布模式，若满足则确定该瞳孔为真实瞳孔。

可选地，瞳孔确认单元660可以包括以候选瞳孔圆心为中心选取第一区域的区域选取模块、以及判断第一区域内像素值的灰度变化是否满足预定灰度变化模式的匹配确认模块。其中，第一区域为矩形区域，定义该矩形区域的长是候选瞳孔半径r的10倍，宽是候选瞳孔半径r。

如图3所示，在瞳孔两边从内到外依次是虹膜、巩膜，其像素值存在近似阶梯型的灰度变化，即从左到右依次为“亮(巩膜)、暗(虹膜)、更暗(瞳孔)、暗(虹膜)、亮(巩膜)”的模式，根据该灰度变化模式定义预定灰度变化模式是从左到右灰度变化依次为“第一亮度、第二亮度、第三亮度、第二亮度、第一亮度”的模式，并且，第一亮度大于第二亮度，第二亮度大于第三亮度。

当匹配确认模块判断第一区域内像素值的灰度变化不满足预定灰度变化模式时，就认为该候选瞳孔是伪瞳孔；相反，若满足预定灰度变化模式，则认为该候选瞳孔是真实瞳孔。

另外，瞳孔确认单元660还适于确认该真实瞳孔所对应的第一区域内的候选瞳孔光斑是真实瞳孔光斑，定位出真实瞳孔的效果图如图4D所示。

应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

A6、如A1-5中任一项所述的方法，其中根据亮斑及周围区域的灰度分布确定候选瞳孔光斑的步骤包括：以亮斑所在区域为中心图像块，在其周围取相邻的m*m-1个相同大小的图像块；计算中心图像块与其他m*m-1个图像块的像素值差；若像素值差大于第一阈值和第二阈值的图像块个数分别达到第一预定数量和第二预定数量，则确认该亮斑是候选瞳孔光斑。A7、如A6所述的方法，其中确定候选瞳孔光斑的方位信息的步骤包括：以所确认的候选瞳孔光斑为原点，建立四象限坐标；以及分别统计四个象限中像素值差满足第三阈值的图像块数，根据统计的图像块数确定所述候选瞳孔光斑在候选瞳孔的方位信息。A8、如A7所述的方法，其中候选瞳孔光斑的方位信息包括：在候选瞳孔的中心、左上角、左下角、右上角、右下角位置。A9、如A8所述的方法，其中根据方位信息计算出候选瞳孔的半径和圆心坐标的步骤包括：根据候选瞳孔光斑在候选瞳孔的方位信息选取第二区域；对该第二区域进行二值化，计算出候选瞳孔的半径和圆心坐标。A10、如A1-9中任一项所述的方法，其中判断第一区域内像素值的分布是否满足灰度分布模式的步骤包括：以候选瞳孔圆心为中心取第一区域，其中第一区域为矩形区域，该矩形区域的长是候选瞳孔半径的10倍，宽是候选瞳孔半径；判断第一区域内像素值的灰度变化是否满足预定灰度变化模式；若不满足预定灰度变化模式，则认为该候选瞳孔是伪瞳孔；若满足预定灰度变化模式，则认为该候选瞳孔是真实瞳孔。A11、如A10所述的方法，还包括：确认真实瞳孔对应的第一区域内的候选瞳孔光斑是真实瞳孔光斑。A12、如A10或11所述的方法，其中预定灰度变化模式是从左到右灰度变化依次为“第一亮度、第二亮度、第三亮度、第二亮度、第一亮度”的模式，其中，第一亮度大于第二亮度，第二亮度大于第三亮度。

B18、如B13-17中任一项所述的设备，其中候选确认单元包括：第一处理模块，适于以亮斑所在区域为中心图像块，在其周围取相邻的m*m-1个相同大小的图像块；第一计算模块，适于计算中心图像块与其他m*m-1个图像块的像素值差；以及第一判断模块，适于在像素值差大于第一阈值和第二阈值的图像块个数分别达到第一预定数量和第二预定数量时，确认该亮斑是候选瞳孔光斑。B19、如B18所述的设备，其中候选确认单元还包括：第二处理模块，适于以所确认的候选瞳孔光斑为原点，建立四象限坐标；第二计算模块，适于分别统计四个象限中像素值差满足第三阈值的图像块数；以及第二判断模块，适于根据统计的图像块数确定候选瞳孔光斑在候选瞳孔中的方位信息。B20、如B19所述的设备，其中，候选瞳孔的方位信息包括：在候选瞳孔的中心、左上角、左下角、右上角、右下角位置。B21、如B20所述的设备，其中，计算单元还适于根据所述候选瞳孔光斑在候选瞳孔的方位信息选取第二区域，对该第二区域进行二值化，计算出候选瞳孔的半径和圆心坐标。B22、如B13-21中任一项所述的设备，其中瞳孔确认单元包括：区域选取模块，适于以候选瞳孔圆心为中心取第一区域，其中第一区域为矩形区域，该矩形区域的长是候选瞳孔半径的10倍，宽是候选瞳孔半径；匹配确认模块，适于判断第一区域内像素值的灰度变化是否满足预定灰度变化模式，若不满足预定灰度变化模式，则认为该候选瞳孔是伪瞳孔；若满足预定灰度变化模式，则认为该候选瞳孔是真实瞳孔。B23、如B22所述的设备，其中瞳孔确认单元还适于确认真实瞳孔对应的第一区域内的候选瞳孔光斑是真实瞳孔光斑。B24、如B22或23所述的方法，其中预定灰度变化模式是从左到右灰度变化依次为“第一亮度、第二亮度、第三亮度、第二亮度、第一亮度”的模式，其中，第一亮度大于第二亮度，第二亮度大于第三亮度。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。

如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。

尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。

Claims (10)

1.一种瞳孔定位方法，所述方法包括步骤：

获取包含人眼的图像作为输入图像；

根据预置梯度算子提取所述输入图像的边缘信息；

根据预置面积占比值和预置宽高比值从所述边缘信息中筛选出亮斑；

根据所述亮斑及其周围区域的灰度分布确定所述输入图像中的候选瞳孔光斑；

确定所述候选瞳孔光斑的方位信息；

根据所述方位信息计算出候选瞳孔光斑所在的候选瞳孔的半径和圆心坐标；

根据所述候选瞳孔的半径和圆心坐标选取第一区域，判断第一区域内像素值的分布是否满足预定灰度分布模式；

若满足则确定该候选瞳孔为真实瞳孔。

2.如权利要求1所述的方法，还包括步骤：

对所述输入图像进行降噪处理。

3.如权利要求1或2所述的方法，其中所述预置梯度算子是n阶梯度算子，其中n的取值与图像分辨率负相关。

4.如权利要求3所述的方法，其中所述根据预置梯度算子提取图像的边缘信息的步骤包括：

从横向、纵向、45°对角线、135°对角线4个方向提取梯度。

5.如权利要求1-4中任一项所述的方法，其中所述根据预置面积占比值和预置宽高比值从边缘信息中筛选出亮斑的步骤包括：

对包含边缘信息的图像进行连通域分析；

根据预置面积占比值和预置宽高比值从经过连通域分析的图像中筛选出亮斑。

6.一种瞳孔定位设备，所述设备包括：

图像获取单元，适于获取包含人眼的图像作为输入图像；

边缘提取单元，适于根据预置梯度算子提取所述输入图像的边缘信息；

筛选单元，适于根据预置面积占比值和预置宽高比值从所述边缘信息中筛选出亮斑；

候选确认单元，适于根据所述亮斑及其周围区域的灰度分布确定所述输入图像中的候选瞳孔光斑、还适于确定所述候选瞳孔光斑的方位信息；

计算单元，适于根据所述方位信息计算候选瞳孔光斑所对应候选瞳孔的半径和圆心坐标；以及

瞳孔确认单元，适于根据所述候选瞳孔的半径和圆心坐标选取第一区域，判断第一区域内像素值的分布是否满足预定灰度分布模式，若满足则确定该瞳孔为真实瞳孔。

7.如权利要求6所述的设备，还包括：

预处理单元，适于对所述输入图像进行降噪处理。

8.如权利要求6或7所述的设备，其中所述预置梯度算子是n阶梯度算子，其中n的取值与图像分辨率负相关。

9.如权利要求8所述的设备，其中，

所述边缘提取单元还适于利用预置梯度算子从横向、纵向、45°对角线、135°对角线4个方向提取梯度。

10.如权利要求6-9中任一项所述的设备，其中所述筛选单元还包括：

连通域分析模块，适于对包含边缘信息的图像进行连通域分析；

所述筛选单元适于对所述经连通域分析的图像进行筛选处理。