CN110287797B - 一种基于手机的屈光筛选方法 - Google Patents

Abstract

本发明提供了一种基于手机的屈光筛选方法，该基于手机的屈光筛选方法通过手机对目标对象的脸部进行检测，以此提取关于该目标对象的脸部的特征信息，再基于该特征信息中关于该目标对象的眼睛的角度特征信息，获取外部自然光进入该目标对象的眼睛折射所成的光斑图像，最后基于深度学习模式，对该光斑图像进行匹配处理，以此确定该目标对象的眼睛的屈光信息。

Description

一种基于手机的屈光筛选方法

技术领域

本发明涉及视力检测的技术领域，特别涉及一种基于手机的屈光筛选方法。

背景技术

视力是用于表征眼睛健康程度的一项重要指标。人们在工作和生活中需要注意用眼健康才能维持良好的视力状态。但是，随着人们的工作和生活越来越依赖电子产品，并且人们不能时刻保持良好的用眼习惯，这使得人们的视力状态发生严重的下降。此外，随着电子产品的普及和用眼卫生知识不被广泛传播和重视，视力问题呈现低龄化的发展趋势。在众多视力问题中，近视和散光是较为常见的视力问题，其中，近视可分为假性近视和真性近视，假性近视是指眼睛因用眼过度和疲劳等原因而发生暂时性的近视情况，假性近视具有可恢复性，只要眼睛能够获得充足的休息和放松就能够完全恢复正常状态，而真性近视则是由于眼睛的晶状体发生不可逆的变化而导致，真性近视是无法自然消失恢复的，其只能通过佩戴眼睛等外界手段进行弥补。因此，视力问题已经成为一个严重的和普遍的健康问题。

为了能够准确地获得眼睛视力的相关数值，需要借助相关的视力验光仪对眼睛进行测量。虽然，视力验光仪具有良好的和精确的视力测量性能，但是视力验光仪的体积笨重以及价格高昂，其通常只配置与医院或者眼镜店等相关机构中。人们只能前往这些机构进行相应的视力测试才能够获知自身的视力情况，这对于有频繁视力测试需求的人们而言是极不方便的，并且视力验光仪的操作流程较为复杂和耗时较长，需要专门的操作人员才能操作该视力验光仪，这都不利于缩短视力检测的时间和提高视力检测效率。可见，现有的视力检测模式并不能使人们能够随时随地和快速地进行视力状态的检测获取，这不便于提高视力检测的便捷性和准确性。

发明内容

针对现有技术存在的缺陷，本发明提供一种基于手机的屈光筛选方法，该基于手机的屈光筛选方法通过手机对目标对象的脸部进行检测，以此提取关于该目标对象的脸部的特征信息，再基于该特征信息中关于该目标对象的眼睛的角度特征信息，获取外部自然光进入该目标对象的眼睛折射所成的光斑图像，最后基于深度学习模式，对该光斑图像进行匹配处理，以此确定所述目标对象的眼睛的屈光信息。该基于手机的屈光筛选方法借助手机拍摄自然光进入眼睛后由于眼睛折射作用而产生的光斑图像，该光斑图像的光强分布和光斑形状都与眼睛自身的折射成像功能密切相关，这样通过对该光斑图像进行深度学习模式的分析处理，就能够快速地和准确地确定该眼睛自身的折射成像，从而最终确定关于眼睛的屈光信息等视力状态。由于该屈光筛查方法只是通过手机进行图像的拍摄与计算分析处理，这能够便于人们随时随地进行眼睛的视力检测操作，这相比于以往只能通过验光仪才能进行视力检测操作而言，该屈光筛查方法具有更高的便捷性，并且该屈光筛查方法还通过深度学习模式进行相关的分析计算处理，其能够有效地提高眼睛屈光值的计算快速性和计算结果的准确性，这都满足对视力检测快速、高效和准确的要求。

本发明提供一种基于手机的屈光筛选方法，其特征在于，所述基于手机的屈光筛选方法包括如下步骤：

步骤(1)，通过手机对目标对象的脸部进行检测，以此提取关于所述目标对象的脸部的特征信息；

步骤(2)，基于所述特征信息中关于所述目标对象的眼睛的角度特征信息，获取外部自然光进入所述目标对象的眼睛折射所成的光斑图像；

步骤(3)，基于深度学习模式，对所述光斑图像进行匹配处理，以此确定所述目标对象的眼睛的屈光信息；

进一步，在所述步骤(1)中，通过手机对目标对象的脸部进行检测具体包括，

步骤(A101)，通过手机获取关于所述目标对象的脸部图像，并对所述脸部图像进行脸部形状拟合处理；

步骤(A102)，基于所述脸部形状拟合处理的结果，确定所述目标对象的五官分布是否符合预设脸部状态条件，其中，所述五官分布至少包括目标对象的两只眼睛的分布情况；

步骤(A103)，若所述目标对象的五官分布符合第一预设脸部状态条件，则指示所述手机通过第一预设检测平台对所述目标对象的脸部进行检测，若所述目标对象的五官分布符合第二预设脸部状态条件，则指示所述手机通过第二预设检测平台对所述目标对象的脸部进行检测；

进一步，在所述步骤(A101)中，通过手机获取关于所述目标对象的脸部图像，并对所述脸部图像进行脸部形状拟合处理具体包括，

步骤(A1011)，通过所述手机的第一摄像模块和第二摄像模块分别获取关于所述目标对象的第一脸部图像和第二脸部图像，其中，所述第一摄像模块和所述第二摄像模块分别位于所述手机的不同位置区域，所述第一脸部图像和所述第二脸部图像中关于所述目标对象的脸部的拍摄区域满足预设重叠率条件；

步骤(A1012)，确定所述第一脸部图像和所述第二脸部图像的视差信息，并根据所述视差信息执行所述脸部形状拟合处理，其中，所述脸部形状拟合是根据所述目标对象的五官轮廓信息、将所述目标对象的脸部形状拟合转换成点线结合的平面几何分布形状；

进一步，在所述步骤(A102)中，基于所述脸部形状拟合处理的结果，确定所述目标对象的五官分布是否符合预设脸部状态条件具体包括，

步骤(A1021)，确定所述目标对象的五官分布各自对应的轮廓深度分布信息；

步骤(A1022)，若所述五官分布各自的轮廓深度分布信息符合第一轮廓分布梯度条件，则确定所述目标对象的五官分布符合第一预设脸部状态条件，若所述五官分布各自的轮廓深度分布信息符合第二轮廓分布梯度条件，则确定所述目标对象的脸部符合第二预设脸部状态条件，其中，所述第一预设脸部状态条件相比于所述第二预设脸部状态条件具有更高的梯度分布值范围；

或者，

在所述步骤(A103)中，所述第一预设检测平台包括mtcnn检测平台或者 ncnn检测平台，所述第二预设检测平台包括opencv检测平台或者openmp检测平台；

进一步，在所述步骤(1)中，提取关于所述目标对象的脸部的特征信息具体包括，

步骤(B101)，基于opencv检测平台结合ncnn检测平台的神经网络模式或者基于openmp检测平台的加速撷取模式，对所述目标对象的脸部的检测结果进行人脸特征点的确定，其中，所述人脸特征点至少包括眼睛、鼻子或者嘴角；

步骤(B102)，根据确定的所述人脸特征点，构建关于所述人脸特征点对应的三维空间几何形状，并根据所述三维空间几何形状，确定所述目标对象的眼睛于所述三维空间几何形状中对应的角度特征信息，以此作为所述关于目标对象的脸部的特征信息；

进一步，在所述步骤(2)中，基于所述特征信息中关于所述目标对象的眼睛的角度特征信息，获取外部自然光进入所述目标对象的眼睛折射所成的光斑图像具体包括，

步骤(201)，基于所述角度特征信息，确定对所述外部自然光的调制模式；

步骤(202)，根据所确定的调制模式，对所述外部自然光进行适应性调制处理，以使调制后的外部自然光进入到所述目标对象的眼睛中；

步骤(203)，基于所述角度特征信息，对所述目标对象的眼睛进行监控，并根据所述监控的结果，获取一个或者多个所述外部自然光进入所述目标对象的眼睛折射所成的光斑图像；

进一步，在所述步骤(201)中，基于所述角度特征信息，确定对所述外部自然光的调制模式具体包括，

步骤(2011)，基于所述角度特征信息，确定所述目标对象的有效受光眼眶区域面积和/或有效受光瞳孔区域面积；

步骤(2012)，根据所述有效受光眼眶区域面积和/或有效受光瞳孔区域面积，确定对所述外部自然光执行强度调制模式和/或者束径调制模式；

进一步，在所述步骤(203)中，基于所述角度特征信息，对所述目标对象的眼睛进行监控，并根据所述监控的结果，获取一个或者多个所述外部自然光进入所述目标对象的眼睛折射所成的光斑图像具体包括，

步骤(2031)，基于所述角度特征信息，确定对所述目标对象的眼睛进行监控的监控空间区域；

步骤(2032)，根据预设时间间隔，指示所述手机对进入所述监控空间区域的所述目标对象的眼睛执行图像拍摄操作，以此获取一个或者多个关于所述目标对象的眼睛图像；

步骤(2033)，基于所述角度特征信息，对所述一个或者多个眼睛图像进行角度矫正处理，对应地得到一个或者多个所述外部自然光进入所述目标对象的眼睛折射所成的光斑图像；

进一步，在所述步骤(2032)中，指示所述手机对进入所述监控空间区域的所述目标对象的眼睛执行图像拍摄操作具体包括，

步骤(A20321)，确定所述手机与所述监控空间区域之间的相对空间位置；

步骤(A20322)，根据所述相对空间位置，指示所述手机的陀螺仪模块进行适应性的角度调整，以使所述手机的摄像模块对准于所述监控空间区域；

步骤(A20323)，当所述手机的摄像模块对准于所述监控空间区域时，指示所述摄像模块执行所述图像拍摄操作；

或者，

在所述步骤(2032)中，指示所述手机对进入所述监控空间区域的所述目标对象的眼睛执行图像拍摄操作具体包括，

步骤(B20321)，确定所述监控空间区域当前对应的环境亮度值，并将所述环境亮度值与预设环境亮度范围进行对比处理；

步骤(B20322)，若所述环境亮度值处于所述预设环境亮度范围中，则指示所述手机对进入所述监控空间区域的所述目标对象的眼睛执行图像拍摄操作，否则，指示所述手机暂停执行所述图像拍摄操作；

进一步，在所述步骤(3)中，基于深度学习模式，对所述光斑图像进行匹配处理，以此确定所述目标对象的眼睛的屈光信息具体包括，

步骤(301)，基于所述深度学习模型，获取所述光斑图像中对应的光斑形状和/或光斑光强分布；

步骤(302)，基于所述深度学习模型，确定所述光斑图像对应光斑状态信息与不同眼睛屈光信息之间的关联性分布情况；

步骤(303)，基于所述关联性分布情况，将所述光斑形状和/或所述光斑光强分布与不同眼睛屈光信息进行对照匹配处理，以此确定所述目标对象的眼睛的屈光信息。

相比于现有技术，该基于手机的屈光筛选方法通过手机对目标对象的脸部进行检测，以此提取关于该目标对象的脸部的特征信息，再基于该特征信息中关于该目标对象的眼睛的角度特征信息，获取外部自然光进入该目标对象的眼睛折射所成的光斑图像，最后基于深度学习模式，对该光斑图像进行匹配处理，以此确定所述目标对象的眼睛的屈光信息。该基于手机的屈光筛选方法借助手机拍摄自然光进入眼睛后由于眼睛折射作用而产生的光斑图像，该光斑图像的光强分布和光斑形状都与眼睛自身的折射成像功能密切相关，这样通过对该光斑图像进行深度学习模式的分析处理，就能够快速地和准确地确定该眼睛自身的折射成像，从而最终确定关于眼睛的屈光信息等视力状态。由于该屈光筛查方法只是通过手机进行图像的拍摄与计算分析处理，这能够便于人们随时随地进行眼睛的视力检测操作，这相比于以往只能通过验光仪才能进行视力检测操作而言，该屈光筛查方法具有更高的便捷性，并且该屈光筛查方法还通过深度学习模式进行相关的分析计算处理，其能够有效地提高眼睛屈光值的计算快速性和计算结果的准确性，这都满足对视力检测快速、高效和准确的要求。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种基于手机的屈光筛选方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参阅图1，为本发明实施例提供的一种基于手机的屈光筛选方法的流程示意图。该基于手机的屈光筛选方法包括如下步骤：

步骤(1)，通过手机对目标对象的脸部进行检测，以此提取关于该目标对象的脸部的特征信息。

优选地，在该步骤(1)中，通过手机对目标对象的脸部进行检测具体包括，

步骤(A101)，通过手机获取关于该目标对象的脸部图像，并对该脸部图像进行脸部形状拟合处理；

步骤(A102)，基于该脸部形状拟合处理的结果，确定该目标对象的五官分布是否符合预设脸部状态条件，其中，该五官分布至少包括目标对象的两只眼睛的分布情况；

步骤(A103)，若该目标对象的五官分布符合第一预设脸部状态条件，则指示该手机通过第一预设检测平台对该目标对象的脸部进行检测，若该目标对象的五官分布符合第二预设脸部状态条件，则指示该手机通过第二预设检测平台对该目标对象的脸部进行检测。

优选地，在该步骤(A101)中，通过手机获取关于该目标对象的脸部图像，并对该脸部图像进行脸部形状拟合处理具体包括，

步骤(A1011)，通过该手机的第一摄像模块和第二摄像模块分别获取关于该目标对象的第一脸部图像和第二脸部图像，其中，该第一摄像模块和该第二摄像模块分别位于该手机的不同位置区域，该第一脸部图像和该第二脸部图像中关于该目标对象的脸部的拍摄区域满足预设重叠率条件；

步骤(A1012)，确定该第一脸部图像和该第二脸部图像的视差信息，并根据该视差信息执行该脸部形状拟合处理，其中，该脸部形状拟合是根据该目标对象的五官轮廓信息、将该目标对象的脸部形状拟合转换成点线结合的平面几何分布形状。

优选地，在该步骤(A102)中，基于该脸部形状拟合处理的结果，确定该目标对象的五官分布是否符合预设脸部状态条件具体包括，

步骤(A1021)，确定该目标对象的五官分布各自对应的轮廓深度分布信息；

步骤(A1022)，若该五官分布各自的轮廓深度分布信息符合第一轮廓分布梯度条件，则确定该目标对象的五官分布符合第一预设脸部状态条件，若该五官分布各自的轮廓深度分布信息符合第二轮廓分布梯度条件，则确定该目标对象的脸部符合第二预设脸部状态条件，其中，该第一预设脸部状态条件相比于该第二预设脸部状态条件具有更高的梯度分布值范围。

优选地，在该步骤(A103)中，该第一预设检测平台包括mtcnn检测平台或者ncnn检测平台，该第二预设检测平台包括opencv检测平台或者openmp 检测平台。

优选地，在该步骤(1)中，提取关于该目标对象的脸部的特征信息具体包括，

步骤(B101)，基于opencv检测平台结合ncnn检测平台的神经网络模式或者基于openmp检测平台的加速撷取模式，对该目标对象的脸部的检测结果进行人脸特征点的确定，其中，该人脸特征点至少包括眼睛、鼻子或者嘴角；

步骤(B102)，根据确定的该人脸特征点，构建关于该人脸特征点对应的三维空间几何形状，并根据该三维空间几何形状，确定该目标对象的眼睛于该三维空间几何形状中对应的角度特征信息，以此作为该关于目标对象的脸部的特征信息。

步骤(2)，基于该特征信息中关于该目标对象的眼睛的角度特征信息，获取外部自然光进入该目标对象的眼睛折射所成的光斑图像。

优选地，在该步骤(2)中，基于该特征信息中关于该目标对象的眼睛的角度特征信息，获取外部自然光进入该目标对象的眼睛折射所成的光斑图像具体包括，

步骤(201)，基于该角度特征信息，确定对该外部自然光的调制模式；

步骤(202)，根据所确定的调制模式，对该外部自然光进行适应性调制处理，以使调制后的外部自然光进入到该目标对象的眼睛中；

步骤(203)，基于该角度特征信息，对该目标对象的眼睛进行监控，并根据该监控的结果，获取一个或者多个该外部自然光进入该目标对象的眼睛折射所成的光斑图像。

优选地，在该步骤(201)中，基于该角度特征信息，确定对该外部自然光的调制模式具体包括，

步骤(2011)，基于该角度特征信息，确定该目标对象的有效受光眼眶区域面积和/或有效受光瞳孔区域面积；

步骤(2012)，根据该有效受光眼眶区域面积和/或有效受光瞳孔区域面积，确定对该外部自然光执行强度调制模式和/或者束径调制模式。

优选地，在该步骤(203)中，基于该角度特征信息，对该目标对象的眼睛进行监控，并根据该监控的结果，获取一个或者多个该外部自然光进入该目标对象的眼睛折射所成的光斑图像具体包括，

步骤(2031)，基于该角度特征信息，确定对该目标对象的眼睛进行监控的监控空间区域；

步骤(2032)，根据预设时间间隔，指示该手机对进入该监控空间区域的该目标对象的眼睛执行图像拍摄操作，以此获取一个或者多个关于该目标对象的眼睛图像；

步骤(2033)，基于该角度特征信息，对该一个或者多个眼睛图像进行角度矫正处理，对应地得到一个或者多个该外部自然光进入该目标对象的眼睛折射所成的光斑图像。

优选地，在该步骤(2032)中，指示该手机对进入该监控空间区域的该目标对象的眼睛执行图像拍摄操作具体包括，

步骤(A20321)，确定该手机与该监控空间区域之间的相对空间位置；

步骤(A20322)，根据该相对空间位置，指示该手机的陀螺仪模块进行适应性的角度调整，以使该手机的摄像模块对准于该监控空间区域；

步骤(A20323)，当该手机的摄像模块对准于该监控空间区域时，指示该摄像模块执行该图像拍摄操作。

优选地，在该步骤(2032)中，指示该手机对进入该监控空间区域的该目标对象的眼睛执行图像拍摄操作具体包括，

步骤(B20321)，确定该监控空间区域当前对应的环境亮度值，并将该环境亮度值与预设环境亮度范围进行对比处理；

步骤(B20322)，若该环境亮度值处于该预设环境亮度范围中，则指示该手机对进入该监控空间区域的该目标对象的眼睛执行图像拍摄操作，否则，指示该手机暂停执行该图像拍摄操作。

步骤(3)，基于深度学习模式，对该光斑图像进行匹配处理，以此确定该目标对象的眼睛的屈光信息。

优选地，在该步骤(3)中，基于深度学习模式，对该光斑图像进行匹配处理，以此确定该目标对象的眼睛的屈光信息具体包括，

步骤(301)，基于该深度学习模型，获取该光斑图像中对应的光斑形状和 /或光斑光强分布；

步骤(302)，基于该深度学习模型，确定该光斑图像对应光斑状态信息与不同眼睛屈光信息之间的关联性分布情况；

步骤(303)，基于该关联性分布情况，将该光斑形状和/或该光斑光强分布与不同眼睛屈光信息进行对照匹配处理，以此确定该目标对象的眼睛的屈光信息。

从上述实施例可以看出，该基于手机的屈光筛选方法通过手机对目标对象的脸部进行检测，以此提取关于该目标对象的脸部的特征信息，再基于该特征信息中关于该目标对象的眼睛的角度特征信息，获取外部自然光进入该目标对象的眼睛折射所成的光斑图像，最后基于深度学习模式，对该光斑图像进行匹配处理，以此确定该目标对象的眼睛的屈光信息。该基于手机的屈光筛选方法借助手机拍摄自然光进入眼睛后由于眼睛折射作用而产生的光斑图像，该光斑图像的光强分布和光斑形状都与眼睛自身的折射成像功能密切相关，这样通过对该光斑图像进行深度学习模式的分析处理，就能够快速地和准确地确定该眼睛自身的折射成像，从而最终确定关于眼睛的屈光信息等视力状态。由于该屈光筛查方法只是通过手机进行图像的拍摄与计算分析处理，这能够便于人们随时随地进行眼睛的视力检测操作，这相比于以往只能通过验光仪才能进行视力检测操作而言，该屈光筛查方法具有更高的便捷性，并且该屈光筛查方法还通过深度学习模式进行相关的分析计算处理，其能够有效地提高眼睛屈光值的计算快速性和计算结果的准确性，这都满足对视力检测快速、高效和准确的要求。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种基于手机的屈光筛选方法，其特征在于，所述基于手机的屈光筛选方法包括如下步骤：

步骤(1)，通过手机对目标对象的脸部进行检测，以此提取关于所述目标对象的脸部的特征信息；

步骤(2)，基于所述特征信息中关于所述目标对象的眼睛的角度特征信息，获取外部自然光进入所述目标对象的眼睛折射所成的光斑图像；

步骤(3)，基于深度学习模式，对所述光斑图像进行匹配处理，以此确定所述目标对象的眼睛的屈光信息；

在所述步骤(1)中，通过手机对目标对象的脸部进行检测具体包括，

步骤(A101)，通过手机获取关于所述目标对象的脸部图像，并对所述脸部图像进行脸部形状拟合处理；

步骤(A102)，基于所述脸部形状拟合处理的结果，确定所述目标对象的五官分布是否符合预设脸部状态条件，其中，所述五官分布至少包括目标对象的两只眼睛的分布情况；

步骤(A103)，若所述目标对象的五官分布符合第一预设脸部状态条件，则指示所述手机通过第一预设检测平台对所述目标对象的脸部进行检测，若所述目标对象的五官分布符合第二预设脸部状态条件，则指示所述手机通过第二预设检测平台对所述目标对象的脸部进行检测；

在所述步骤(A101)中，通过手机获取关于所述目标对象的脸部图像，并对所述脸部图像进行脸部形状拟合处理具体包括，

步骤(A1011)，通过所述手机的第一摄像模块和第二摄像模块分别获取关于所述目标对象的第一脸部图像和第二脸部图像，其中，所述第一摄像模块和所述第二摄像模块分别位于所述手机的不同位置区域，所述第一脸部图像和所述第二脸部图像中关于所述目标对象的脸部的拍摄区域满足预设重叠率条件；

步骤(A1012)，确定所述第一脸部图像和所述第二脸部图像的视差信息，并根据所述视差信息执行所述脸部形状拟合处理，其中，所述脸部形状拟合处理是根据所述目标对象的五官轮廓信息、将所述目标对象的脸部形状拟合转换成点线结合的平面几何分布形状；

在所述步骤(A102)中，基于所述脸部形状拟合处理的结果，确定所述目标对象的五官分布是否符合预设脸部状态条件具体包括，

步骤(A1021)，确定所述目标对象的五官分布各自对应的轮廓深度分布信息；

步骤(A1022)，若所述五官分布各自的轮廓深度分布信息符合第一轮廓分布梯度条件，则确定所述目标对象的五官分布符合第一预设脸部状态条件，若所述五官分布各自的轮廓深度分布信息符合第二轮廓分布梯度条件，则确定所述目标对象的脸部符合第二预设脸部状态条件，其中，所述第一预设脸部状态条件相比于所述第二预设脸部状态条件具有更高的梯度分布值范围；

或者，

在所述步骤(A103)中，所述第一预设检测平台包括mtcnn检测平台或者ncnn检测平台，所述第二预设检测平台包括opencv检测平台或者openmp检测平台。

2.如权利要求1所述的基于手机的屈光筛选方法，其特征在于：

在所述步骤(1)中，提取关于所述目标对象的脸部的特征信息具体包括，

步骤(B101)，基于opencv检测平台结合ncnn检测平台的神经网络模式或者基于openmp检测平台的加速撷取模式，对所述目标对象的脸部的检测结果进行人脸特征点的确定，其中，所述人脸特征点至少包括眼睛、鼻子或者嘴角；

步骤(B102)，根据确定的所述人脸特征点，构建关于所述人脸特征点对应的三维空间几何形状，并根据所述三维空间几何形状，确定所述目标对象的眼睛于所述三维空间几何形状中对应的角度特征信息，以此作为所述关于目标对象的脸部的特征信息。

3.如权利要求1所述的基于手机的屈光筛选方法，其特征在于：

在所述步骤(2)中，基于所述特征信息中关于所述目标对象的眼睛的角度特征信息，获取外部自然光进入所述目标对象的眼睛折射所成的光斑图像具体包括，

步骤(201)，基于所述角度特征信息，确定对所述外部自然光的调制模式；

步骤(202)，根据所确定的调制模式，对所述外部自然光进行适应性调制处理，以使调制后的外部自然光进入到所述目标对象的眼睛中；

步骤(203)，基于所述角度特征信息，对所述目标对象的眼睛进行监控，并根据所述监控的结果，获取一个或者多个所述外部自然光进入所述目标对象的眼睛折射所成的光斑图像。

4.如权利要求3所述的基于手机的屈光筛选方法，其特征在于：

在所述步骤(201)中，基于所述角度特征信息，确定对所述外部自然光的调制模式具体包括，

步骤(2011)，基于所述角度特征信息，确定所述目标对象的有效受光眼眶区域面积和/或有效受光瞳孔区域面积；

步骤(2012)，根据所述有效受光眼眶区域面积和/或有效受光瞳孔区域面积，确定对所述外部自然光执行强度调制模式和/或束径调制模式。

5.如权利要求3所述的基于手机的屈光筛选方法，其特征在于：

在所述步骤(203)中，基于所述角度特征信息，对所述目标对象的眼睛进行监控，并根据所述监控的结果，获取一个或者多个所述外部自然光进入所述目标对象的眼睛折射所成的光斑图像具体包括，

步骤(2031)，基于所述角度特征信息，确定对所述目标对象的眼睛进行监控的监控空间区域；

步骤(2032)，根据预设时间间隔，指示所述手机对进入所述监控空间区域的所述目标对象的眼睛执行图像拍摄操作，以此获取一个或者多个关于所述目标对象的眼睛图像；

步骤(2033)，基于所述角度特征信息，对所述一个或者多个眼睛图像进行角度矫正处理，对应地得到一个或者多个所述外部自然光进入所述目标对象的眼睛折射所成的光斑图像。

6.如权利要求5所述的基于手机的屈光筛选方法，其特征在于：

在所述步骤(2032)中，指示所述手机对进入所述监控空间区域的所述目标对象的眼睛执行图像拍摄操作具体包括，

步骤(A20321)，确定所述手机与所述监控空间区域之间的相对空间位置；

步骤(A20322)，根据所述相对空间位置，指示所述手机的陀螺仪模块进行适应性的角度调整，以使所述手机的摄像模块对准于所述监控空间区域；

步骤(A20323)，当所述手机的摄像模块对准于所述监控空间区域时，指示所述摄像模块执行所述图像拍摄操作；

或者，

在所述步骤(2032)中，指示所述手机对进入所述监控空间区域的所述目标对象的眼睛执行图像拍摄操作具体包括，

步骤(B20321)，确定所述监控空间区域当前对应的环境亮度值，并将所述环境亮度值与预设环境亮度范围进行对比处理；

步骤(B20322)，若所述环境亮度值处于所述预设环境亮度范围中，则指示所述手机对进入所述监控空间区域的所述目标对象的眼睛执行图像拍摄操作，否则，指示所述手机暂停执行所述图像拍摄操作。

7.如权利要求1所述的基于手机的屈光筛选方法，其特征在于：

在所述步骤(3)中，基于深度学习模式，对所述光斑图像进行匹配处理，以此确定所述目标对象的眼睛的屈光信息具体包括，

步骤(301)，基于所述深度学习模型，获取所述光斑图像中对应的光斑形状和/或光斑光强分布；

步骤(302)，基于所述深度学习模型，确定所述光斑图像对应光斑状态信息与不同眼睛屈光信息之间的关联性分布情况；

步骤(303)，基于所述关联性分布情况，将所述光斑形状和/或所述光斑光强分布与不同眼睛屈光信息进行对照匹配处理，以此确定所述目标对象的眼睛的屈光信息。

Images