CN110555875A - 瞳孔半径的检测方法、装置、计算机设备和存储介质 - Google Patents
瞳孔半径的检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110555875A CN110555875A CN201910676753.7A CN201910676753A CN110555875A CN 110555875 A CN110555875 A CN 110555875A CN 201910676753 A CN201910676753 A CN 201910676753A CN 110555875 A CN110555875 A CN 110555875A
- Authority
- CN
- China
- Prior art keywords
- pupil
- circle
- image
- minimum
- pixel points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 210000001747 pupil Anatomy 0.000 title claims abstract description 245
- 238000001514 detection method Methods 0.000 title abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000012216 screening Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 230000004424 eye movement Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000001179 pupillary effect Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 230000006854 communication Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本申请涉及人工智能技术领域，应用于金融行业，特别是涉及一种瞳孔半径的检测方法、装置、计算机设备和存储介质。一个实施例中的方法包括：获取瞳孔半径待测图像，提取瞳孔半径待测图像中的感兴趣区域图像；对感兴趣区域图像进行像素处理，得到瞳孔区域图像；通过边界跟踪算法从瞳孔区域图像中提取多个瞳孔轮廓；获取感兴趣区域图像的中心、多个瞳孔轮廓的最小包围圆集合以及最小包围圆集合中各个最小包围圆的圆心；获取中心与各圆心的距离，筛选与中心距离最近的圆心，将最近的圆心对应的最小包围圆作为目标圆，以目标圆的半径作为瞳孔半径。
Description
技术领域
本申请涉及人工智能技术领域，特别是涉及一种瞳孔半径的检测方法、装置、计算机设备和存储介质。
背景技术
随着科学技术的发展，视线追踪越来越广泛地应用于医疗、人机交互、航空军事、面审等领域。以贷款审核面审为例，在这个阶段，在沟通过程中可以通过视线追踪自动获取接受面审的对象的反应，从而辅助对其整体资质做出判断。
瞳孔半径检测作为视线追踪技术的重要部分，对视线追踪系统的作用十分重要。传统的瞳孔半径检测方法，考虑瞳孔的几何特性，将瞳孔看成一个圆或椭圆，通过最小二乘法进行拟合，这样导致获取到的瞳孔半径的精确度低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高精确度的瞳孔半径的检测方法、装置、计算机设备和存储介质。
一种瞳孔半径的检测方法，所述方法包括：
获取瞳孔半径待测图像，提取所述瞳孔半径待测图像中的感兴趣区域图像；
对所述感兴趣区域图像进行像素处理，得到瞳孔区域图像；
通过边界跟踪算法从所述瞳孔区域图像中提取多个瞳孔轮廓；
获取所述感兴趣区域图像的中心、所述多个瞳孔轮廓的最小包围圆集合以及所述最小包围圆集合中各个最小包围圆的圆心；
获取所述中心与各圆心的距离，筛选与所述中心距离最近的圆心，将所述最近的圆心对应的最小包围圆作为目标圆，以所述目标圆的半径作为瞳孔半径。
在一个实施例中，所述对所述感兴趣区域图像进行像素处理，得到瞳孔区域图像，包括：
获取所述感兴趣区域图像的各像素值，对所述各像素值进行按位非处理，获取处理后的感兴趣区域图像的各像素值；
将所述处理后的感兴趣区域图像的各像素值中低于预设阈值的像素值置零，得到瞳孔区域图像。
在一个实施例中，所述通过边界跟踪算法从所述瞳孔区域图像提取多个瞳孔轮廓之后，还包括：
获取所述多个瞳孔轮廓中每个瞳孔轮廓的像素点集合；
对所述像素点集合中的像素点按照极角从小到大进行排序，其中，对极角相同的像素点按照到所述像素点集合中最左下方像素点的距离从小到大进行排序；
通过结构体数组储存排序后的像素点，遍历所述排序后的像素点，去除非顶点的像素点，得到顶点像素点集合；
对所述顶点像素点集合中的每个顶点像素点进行转角判断，去除没有按照预设方向转角的顶点像素点，得到凸包处理后的瞳孔轮廓；
所述获取所述多个瞳孔轮廓的最小包围圆集合，包括：
获取所述凸包处理后的瞳孔轮廓的最小包围圆集合。
在一个实施例中，所述获取所述多个瞳孔轮廓的最小包围圆集合，包括：
获取所述多个瞳孔轮廓分别对应的最小包围圆以及所述最小包围圆的半径；
去除所述最小包围圆中半径大于预设值的最小包围圆，得到所述瞳孔轮廓的最小包围圆集合。
在一个实施例中，获取所述多个瞳孔轮廓分别对应的最小包围圆，包括：
分别获取所述多个瞳孔轮廓中每个瞳孔轮廓的最左边、最右边、最上边和最下边的四个像素点，根据所述四个像素点得到包围所述四个像素点的最小圆；
遍历所述瞳孔轮廓的所有像素点，当所述所有像素点中不存在位于所述最小圆的边界外的像素点时，得到所述最小圆为所述瞳孔轮廓的最小包围圆。
在一个实施例中，所述方法还包括：
当所述所有像素点中存在位于所述最小圆的边界外的像素点，得到所述最小圆不为所述瞳孔轮廓的最小包围圆；
从位于所述最小圆的边界外的像素点中，筛选距离所述最小圆的圆心最远的像素点，将筛选的像素点与所述最左边、最右边、最上边和最下边四个像素点中的任意三个进行排列组合；
获取排列组合后的四个像素点，根据所述排列组合后的四个像素点得到包围所述四个像素点的候选最小圆；
当未被选入排列组合的像素点不在所述候选最小圆的边界外时，遍历所述瞳孔轮廓的其它像素点，当所述其它像素点中不存在位于所述候选最小圆的边界外的像素点时，得到所述候选最小圆为所述瞳孔轮廓的最小包围圆。
在一个实施例中，所述方法还包括：
获取确定最小包围圆的四个像素点，从所述四个像素点中任意选取两个，得到两组不同的像素点组合，通过所述两组不同的像素点组合，得到两条直线；
分别求取所述两条直线的垂直平均线，通过求取两条垂直平均线的交点得到最小包围圆的圆心；
通过求取所述圆心和所述四个像素点中任意一点的距离得到所述最小包围圆的半径。
一种瞳孔半径的检测装置，所述装置包括：
图像提取模块，用于获取瞳孔半径待测图像，提取所述瞳孔半径待测图像中的感兴趣区域图像；
瞳孔图像获取模块，用于对所述感兴趣区域图像进行像素处理，得到瞳孔区域图像；
瞳孔轮廓获取模块，用于通过边界跟踪算法从所述瞳孔区域图像中提取多个瞳孔轮廓；
中心圆心获取模块，用于获取所述感兴趣区域图像的中心、所述多个瞳孔轮廓的最小包围圆集合以及所述最小包围圆集合中各个最小包围圆的圆心；
瞳孔半径获取模块，用于获取所述中心与各圆心的距离，筛选与所述中心距离最近的圆心，将所述最近的圆心对应的最小包围圆作为目标圆，以所述目标圆的半径作为瞳孔半径。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取瞳孔半径待测图像，提取所述瞳孔半径待测图像中的感兴趣区域图像；
对所述感兴趣区域图像进行像素处理，得到瞳孔区域图像；
通过边界跟踪算法从所述瞳孔区域图像中提取多个瞳孔轮廓；
获取所述感兴趣区域图像的中心、所述多个瞳孔轮廓的最小包围圆集合以及所述最小包围圆集合中各个最小包围圆的圆心；
获取所述中心与各圆心的距离，筛选与所述中心距离最近的圆心，将所述最近的圆心对应的最小包围圆作为目标圆，以所述目标圆的半径作为瞳孔半径。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取瞳孔半径待测图像，提取所述瞳孔半径待测图像中的感兴趣区域图像；
对所述感兴趣区域图像进行像素处理，得到瞳孔区域图像；
通过边界跟踪算法从所述瞳孔区域图像中提取多个瞳孔轮廓；
获取所述感兴趣区域图像的中心、所述多个瞳孔轮廓的最小包围圆集合以及所述最小包围圆集合中各个最小包围圆的圆心；
获取所述中心与各圆心的距离，筛选与所述中心距离最近的圆心，将所述最近的圆心对应的最小包围圆作为目标圆，以所述目标圆的半径作为瞳孔半径。
上述瞳孔半径的检测方法、装置、计算机设备和存储介质，通过从瞳孔半径待测图像提取感兴趣区域图像，再对感兴趣图像进行像素处理，得到瞳孔区域图像，通过边界跟踪算法从瞳孔区域图像提取多个瞳孔轮廓，获取多个瞳孔轮廓的最小包围圆的圆心，以及感兴趣区域图像中心与各圆心的距离，将与中心距离最近的圆心对应的最小包围圆的半径作为瞳孔半径，通过圆心离感兴趣区域图像中心最近的最小包围圆对瞳孔定位的方式，得到的瞳孔定位更准确，可以提高获取到的瞳孔半径的精确度。
附图说明
图1为一个实施例中瞳孔半径的检测方法的应用环境图；
图2为一个实施例中瞳孔半径的检测方法的流程示意图；
图3为一个实施例中最小包围圆集合获取步骤的流程示意图；
图4为一个实施例中最小包围圆获取步骤的流程示意图；
图5为一个实施例中瞳孔半径的检测装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的瞳孔半径的检测方法，可以应用于如图1所示的应用环境中。目标对象佩戴具有眼动追踪功能的HMD102(Head-mounted displays，头戴式显示器)，眼动追踪HMD102拥有内置眼动追踪相机，调整好佩戴位置。在开始时眼动追踪相机采集目标对象的瞳孔半径待测图像，并将瞳孔半径待测图像实时传输至控制终端104。控制终端104通过对瞳孔半径待测图像进行分析处理，从瞳孔半径待测图像中提取感兴趣区域图像，再对感兴趣图像进行像素处理，得到瞳孔区域图像，通过边界跟踪算法从瞳孔区域图像提取多个瞳孔轮廓，获取多个瞳孔轮廓的最小包围圆的圆心，以及感兴趣区域图像中心与各圆心的距离，将与中心距离最近的圆心对应的最小包围圆的半径作为瞳孔半径。其中，控制终端104可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑。
在一个实施例中，如图2所示，提供了一种瞳孔半径的检测方法，以该方法应用于图1中的控制终端为例进行说明，包括以下步骤：
步骤202，获取瞳孔半径待测图像，提取瞳孔半径待测图像中的感兴趣区域图像。
瞳孔半径待测图像由眼动追踪相机采集，并发送至控制终端。眼动追踪相机是具有IR(Infrared Radiation，红外线)带通滤波功能的IR敏感相机，该相机只允许红外光进入相机，并提供红外照明。红外照明装置通常是红外发光二极管，用于照亮眼睛周围的区域。瞳孔一般位于眼睛图像的中心区域，因此，感兴趣区域具体来说是眼动追踪相机输出的眼睛图像的中心区域对应的图像。
步骤204，对感兴趣区域图像进行像素处理，得到瞳孔区域图像。
由于通过IR照明和IR带通滤波器捕获的图像中，瞳孔位置的区域最可能是最暗的区域，而最暗的区域对应的图像不便于后续处理。所以通过按位非处理将最暗的区域转化成最亮的区域，最亮的区域相对于最暗的区域来说，更容易进行后续处理。
对感兴趣区域图像进行像素处理，得到瞳孔区域图像，包括：获取感兴趣区域图像的各像素值，对各像素值进行按位非处理，获取处理后的感兴趣区域图像的各像素值；将处理后的感兴趣区域图像的各像素值中低于预设阈值的像素值置零，得到瞳孔区域图像。通过将处理后的感兴趣区域图像的像素值与预设阈值进行比较，划分瞳孔区域和非瞳孔区域。当某区域图像对应的像素值低于预设阈值时，说明该区域为非瞳孔区域。将感兴趣区域中的非瞳孔区域对应的像素值置零，可实现将非瞳孔区域从感兴趣区域中去除，使得感兴趣区域只剩下瞳孔区域。
步骤206，通过边界跟踪算法从瞳孔区域图像中提取多个瞳孔轮廓。
在数字化二值图像处理中，边界跟踪提取边界轮廓一系列坐标点或者链码，该边界是指一个1像素连通域和一个0像素连通域之间的边界。比如，要将一幅二值图像转换成边界描述，所需提取的信息是外层边界和孔洞边界两种边界的包围关系。外层边界和1-连通域之间、孔洞边界和0-连通域之间存在一对一的对应关系，由此可以确定给定二值图像的拓扑结构。
边界跟踪算法可以区分二值图像边界之间的包围关系，外边界和孔边界分别与像素值为1的连通域和像素值为0的孔洞存在一对一的对应关系。通过二值图像的表示方法，提取出一些特征而无需重建图像。边界跟踪算法也可以只跟踪最外层轮廓，即该外边界之外无包围它的孔边界，可用于二值图像的区域计数以及拓扑结构分析。
步骤208，获取感兴趣区域图像的中心、多个瞳孔轮廓的最小包围圆集合以及最小包围圆集合中各个最小包围圆的圆心。
感兴趣区域具体可以是眼睛图像的中心区域，当中心区域为几何区域时，感兴趣区域图像的中心即为几何区域的几何中心。获取最小包围圆的圆心和半径，包括：获取确定最小包围圆的四个像素点，从四个像素点中任意选取两个，得到两组不同的像素点组合，通过两组不同的像素点组合，得到两条直线；分别求取两条直线的垂直平均线，通过求取两条垂直平均线的交点得到最小包围圆的圆心；通过求取圆心和四个像素点中任意一点的距离得到最小包围圆的半径。
步骤210，获取中心与各圆心的距离，筛选与中心距离最近的圆心，将最近的圆心对应的最小包围圆作为目标圆，以目标圆的半径作为瞳孔半径。
中心与圆心之间的距离可以通过获取中心与圆心对应的像素点，再通过两点之间的距离公式得到。
上述瞳孔半径的检测方法，通过从瞳孔半径待测图像提取感兴趣区域图像，再对感兴趣图像进行像素处理，得到瞳孔区域图像，通过边界跟踪算法从瞳孔区域图像提取多个瞳孔轮廓，获取多个瞳孔轮廓的最小包围圆的圆心，以及感兴趣区域图像中心与各圆心的距离，将与中心距离最近的圆心对应的最小包围圆的半径作为瞳孔半径，通过圆心离感兴趣区域图像中心最近的最小包围圆对瞳孔定位的方式，得到的瞳孔定位更准确，可以提高获取到的瞳孔半径的精确度。
在一个实施例中，通过边界跟踪算法从瞳孔区域图像提取多个瞳孔轮廓之后，还包括：获取多个瞳孔轮廓中每个瞳孔轮廓的像素点集合；对像素点集合中的像素点按照极角从小到大进行排序，其中，对极角相同的像素点按照到像素点集合中最左下方像素点的距离从小到大进行排序；通过结构体数组储存排序后的像素点，遍历排序后的像素点，去除非顶点的像素点，得到顶点像素点集合；对顶点像素点集合中的每个顶点像素点进行转角判断，去除没有按照预设方向转角的顶点像素点，得到凸包处理后的瞳孔轮廓；获取多个瞳孔轮廓的最小包围圆集合，包括：获取凸包处理后的瞳孔轮廓的最小包围圆集合。找到组成瞳孔轮廓的像素点中处于最左下方的像素点，对组成瞳孔轮廓的像素点进行排序。按照极角从小到大排序，极角相同的像素点按照到最左下方的像素点的距离从小到大排序。通过结构体数组储存凸包最外围的像素点，通过while循环将其中不是凸包顶点的像素点移除出去，因为当逆时针遍历凸包时，应该在每个顶点向左转。因此可以在while循环发现在某一个顶点处没有向左转时，就把该顶点移除出去，其中转角方向可以根据叉积判断向左还是向右。凸包处理有助于消除图像中由于红外发光二极管反射引起的失真。
在一个实施例中，如图3所示，获取多个瞳孔轮廓的最小包围圆集合，包括：步骤302，获取多个瞳孔轮廓分别对应的最小包围圆以及最小包围圆的半径；步骤304，去除最小包围圆中半径大于预设值的最小包围圆，得到瞳孔轮廓的最小包围圆集合。通过排除半径超过预设值的最小包围圆可以减少半径太大而不属于瞳孔的这种可能性。可以通过图像的分辨率来计算该预设值范围，可以通过检测几个可能的圆，例如，虹膜或眼动追踪设备靠在脸上的外壳。
在一个实施例中，如图4所示，获取多个瞳孔轮廓分别对应的最小包围圆，包括：步骤402，分别获取多个瞳孔轮廓中每个瞳孔轮廓的最左边、最右边、最上边和最下边的四个像素点，根据四个像素点得到包围所述四个像素点的最小圆；步骤404，遍历瞳孔轮廓的所有像素点，当所有像素点中不存在位于最小圆的边界外的像素点时，得到最小圆为瞳孔轮廓的最小包围圆。
在一个实施例中，瞳孔半径的检测方法还包括：当所有像素点中存在位于最小圆的边界外的像素点，得到最小圆不为瞳孔轮廓的最小包围圆；从位于最小圆的边界外的像素点中，筛选距离最小圆的圆心最远的像素点，将筛选的像素点与最左边、最右边、最上边和最下边四个像素点中的任意三个进行排列组合；获取排列组合后的四个像素点，根据排列组合后的四个像素点得到包围四个像素点的候选最小圆；当未被选入排列组合的像素点不在候选最小圆的边界外时，遍历瞳孔轮廓的其它像素点，当其它像素点中不存在位于候选最小圆的边界外的像素点时，得到候选最小圆为瞳孔轮廓的最小包围圆。
可以通过以下步骤来获取瞳孔轮廓的最小包围圆：(1)遍历瞳孔轮廓的所有像素点，找到最左边、最右边、最上边、最下边的四个像素点，求出包围最左边、最右边、最上边、最下边的四个像素点的最小圆，具体包括最小圆的圆心和半径。(2)然后遍历瞳孔轮廓的所有像素点，判断是否存在某些像素点在最小圆的边界外。如果不存在某些像素点在最小圆的边界外，那么该最小圆即为瞳孔轮廓的最小包围圆。如果存在某些点在最小圆的边界外，那么该最小圆不是瞳孔轮廓的最小包围圆。(3)当求出的最小圆不是瞳孔轮廓的最小包围圆时，筛选出在最小圆边界外的点中距离最小圆的圆心最远的像素点，将该距离最小圆圆心最远的像素点与之前找到的瞳孔轮廓的最左边、最右边、最上边、最下边的四个点中任意三个点进行排列组合，根据重新排列组合后的四个点确定包围上述四个点的最小圆，即得到包围最远点、最左边点、最右边点、最上边点的最小圆1，包围最远点、最左边点、最右边点、最下边点的最小圆2，包围最远点、最左边点、最上边点、最上边点的最小圆3，包围最远点、最右边点、最上边点、最下边点的最小圆4。(4)当最下边点不在最小圆1的边界外时，遍历瞳孔轮廓的所有点，判断是否存在某些点在最小圆1的边界外。如果不存在某些点在最小圆1的边界外，那么该最小圆1即为瞳孔轮廓的最小包围圆。如果存在某些点在最小圆的边界外，那么该最小圆1不是候选瞳孔轮廓的最小包围圆。(5)当最小圆1不是瞳孔轮廓的最小包围圆时，筛选出在最小圆1边界外的点中距离最小圆1的圆心最远的点，将该距离最小圆1圆心最远的点与确定最小圆1的四个点中任意三个点进行排列组合，重复步骤(3)和(4)，直至遍历瞳孔轮廓的所有点，不存在某些点在求出的最小圆的边界外，求出的最小圆为瞳孔轮廓的最小包围圆。
在一个实施例中，以贷款面审为例，控制终端可以预先存储面审对象在回答某一具体问题时的历史瞳孔半径数据，比如用历史瞳孔半径数据的平均值作为该面审对象的瞳孔半径基准值。在实际贷款面审过程中，面审对象佩戴具有眼动追踪功能的HMD，眼动追踪HMD拥有内置眼动追踪相机，在面审开始时眼动追踪相机采集面审对象的实时瞳孔半径待测图像，并将实时瞳孔半径待测图像实时传输至控制终端。控制终端通过对实时瞳孔半径待测图像进行分析处理，从实时瞳孔半径待测图像中提取感兴趣区域图像，再对感兴趣图像进行像素处理，得到瞳孔区域图像，通过边界跟踪算法从瞳孔区域图像提取多个瞳孔轮廓，获取多个瞳孔轮廓的最小包围圆的圆心，以及感兴趣区域图像中心与各圆心的距离，将与中心距离最近的圆心对应的最小包围圆的半径作为实时瞳孔半径。再将实时瞳孔半径与该面审对象的瞳孔半径基准值进行比较，得到面审对象在回答问题时的谎言检测结果。比如在回答某一具体问题时的实时瞳孔半径大于对应的瞳孔半径基准值，则判定该面审对象在回答该问题时说谎。
应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种瞳孔半径的检测装置，包括：图像提取模块502、瞳孔图像获取模块504、瞳孔轮廓获取模块506、中心圆心获取模块508和瞳孔半径获取模块510。图像提取模块，用于获取瞳孔半径待测，提取瞳孔半径待测中的感兴趣区域图像；瞳孔图像获取模块，用于对感兴趣区域图像进行像素处理，得到瞳孔区域图像；瞳孔轮廓获取模块，用于通过边界跟踪算法从瞳孔区域图像中提取多个瞳孔轮廓；中心圆心获取模块，用于获取感兴趣区域图像的中心、多个瞳孔轮廓的最小包围圆集合以及最小包围圆集合中各个最小包围圆的圆心；瞳孔半径获取模块，用于获取中心与各圆心的距离，筛选与中心距离最近的圆心，将最近的圆心对应的最小包围圆作为目标圆，以目标圆的半径作为瞳孔半径。
在一个实施例中，瞳孔图像获取模块还用于获取感兴趣区域图像的各像素值，对各像素值进行按位非处理，获取处理后的感兴趣区域图像的各像素值；将处理后的感兴趣区域图像的各像素值中低于预设阈值的像素值置零，得到瞳孔区域图像。
在一个实施例中，瞳孔图像获取模块之后还包括凸包处理模块，用于获取多个瞳孔轮廓中每个瞳孔轮廓的像素点集合；对像素点集合中的像素点按照极角从小到大进行排序，其中，对极角相同的像素点按照到所述像素点集合中最左下方像素点的距离从小到大进行排序；通过结构体数组储存排序后的像素点，遍历排序后的像素点，去除非顶点的像素点，得到顶点像素点集合；对顶点像素点集合中的每个顶点像素点进行转角判断，去除没有按照预设方向转角的顶点像素点，得到凸包处理后的瞳孔轮廓；中心圆心获取模块用于获取凸包处理后的瞳孔轮廓的最小包围圆集合。
在一个实施例中，中心圆心获取模块还用于获取多个瞳孔轮廓分别对应的最小包围圆以及最小包围圆的半径；去除最小包围圆中半径大于预设值的最小包围圆，得到瞳孔轮廓的最小包围圆集合。
在一个实施例中，中心圆心获取模块还用于分别获取多个瞳孔轮廓中每个瞳孔轮廓的最左边、最右边、最上边和最下边的四个像素点，根据四个像素点得到包围所述四个像素点的最小圆；遍历瞳孔轮廓的所有像素点，当所有像素点中不存在位于最小圆的边界外的像素点时，得到最小圆为瞳孔轮廓的最小包围圆。
在一个实施例中，中心圆心获取模块还用于当所有像素点中存在位于最小圆的边界外的像素点，得到最小圆不为瞳孔轮廓的最小包围圆；从位于最小圆的边界外的像素点中，筛选距离最小圆的圆心最远的像素点，将筛选的像素点与最左边、最右边、最上边和最下边四个像素点中的任意三个进行排列组合；获取排列组合后的四个像素点，根据排列组合后的四个像素点得到包围四个像素点的候选最小圆；当未被选入排列组合的像素点不在候选最小圆的边界外时，遍历瞳孔轮廓的其它像素点，当其它像素点中不存在位于候选最小圆的边界外的像素点时，得到候选最小圆为瞳孔轮廓的最小包围圆。
在一个实施例中，瞳孔半径的检测装置还包括圆心半径模块，用于获取确定最小包围圆的四个像素点，从四个像素点中任意选取两个，得到两组不同的像素点组合，通过两组不同的像素点组合，得到两条直线；分别求取两条直线的垂直平均线，通过求取两条垂直平均线的交点得到最小包围圆的圆心；通过求取圆心和四个像素点中任意一点的距离得到最小包围圆的半径。
关于瞳孔半径的检测装置的具体限定可以参见上文中对于瞳孔半径的检测方法的限定，在此不再赘述。上述瞳孔半径的检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储最小包围圆的圆心、最小包围圆的半径等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种瞳孔半径的检测方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现任一实施例中瞳孔半径的检测方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现任一实施例中瞳孔半径的检测方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种瞳孔半径的检测方法，所述方法包括：
获取瞳孔半径待测图像，提取所述瞳孔半径待测图像中的感兴趣区域图像；
对所述感兴趣区域图像进行像素处理，得到瞳孔区域图像；
通过边界跟踪算法从所述瞳孔区域图像中提取多个瞳孔轮廓；
获取所述感兴趣区域图像的中心、所述多个瞳孔轮廓的最小包围圆集合以及所述最小包围圆集合中各个最小包围圆的圆心；
获取所述中心与各圆心的距离，筛选与所述中心距离最近的圆心，将所述最近的圆心对应的最小包围圆作为目标圆，以所述目标圆的半径作为瞳孔半径。
2.根据权利要求1所述的方法，其特征在于，所述对所述感兴趣区域图像进行像素处理，得到瞳孔区域图像，包括：
获取所述感兴趣区域图像的各像素值，对所述各像素值进行按位非处理，获取处理后的感兴趣区域图像的各像素值；
将所述处理后的感兴趣区域图像的各像素值中低于预设阈值的像素值置零，得到瞳孔区域图像。
3.根据权利要求1所述的方法，其特征在于，所述通过边界跟踪算法从所述瞳孔区域图像提取多个瞳孔轮廓之后，还包括：
获取所述多个瞳孔轮廓中每个瞳孔轮廓的像素点集合；
对所述像素点集合中的像素点按照极角从小到大进行排序，其中，对极角相同的像素点按照到所述像素点集合中最左下方像素点的距离从小到大进行排序；
通过结构体数组储存排序后的像素点，遍历所述排序后的像素点，去除非顶点的像素点，得到顶点像素点集合；
对所述顶点像素点集合中的每个顶点像素点进行转角判断，去除没有按照预设方向转角的顶点像素点，得到凸包处理后的瞳孔轮廓；
所述获取所述多个瞳孔轮廓的最小包围圆集合，包括：
获取所述凸包处理后的瞳孔轮廓的最小包围圆集合。
4.根据权利要求1所述的方法，其特征在于，所述获取所述多个瞳孔轮廓的最小包围圆集合，包括：
获取所述多个瞳孔轮廓分别对应的最小包围圆以及所述最小包围圆的半径；
去除所述最小包围圆中半径大于预设值的最小包围圆，得到所述瞳孔轮廓的最小包围圆集合。
5.根据权利要求4所述的方法，其特征在于，所述获取所述多个瞳孔轮廓分别对应的最小包围圆，包括：
分别获取所述多个瞳孔轮廓中每个瞳孔轮廓的最左边、最右边、最上边和最下边的四个像素点，根据所述四个像素点得到包围所述四个像素点的最小圆；
遍历所述瞳孔轮廓的所有像素点，当所述所有像素点中不存在位于所述最小圆的边界外的像素点时，得到所述最小圆为所述瞳孔轮廓的最小包围圆。
6.根据权利要求5所述的方法，其特征在于，还包括：
当所述所有像素点中存在位于所述最小圆的边界外的像素点，得到所述最小圆不为所述瞳孔轮廓的最小包围圆；
从位于所述最小圆的边界外的像素点中，筛选距离所述最小圆的圆心最远的像素点，将筛选的像素点与所述最左边、最右边、最上边和最下边四个像素点中的任意三个进行排列组合；
获取排列组合后的四个像素点，根据所述排列组合后的四个像素点得到包围所述四个像素点的候选最小圆；
当未被选入排列组合的像素点不在所述候选最小圆的边界外时，遍历所述瞳孔轮廓的其它像素点，当所述其它像素点中不存在位于所述候选最小圆的边界外的像素点时，得到所述候选最小圆为所述瞳孔轮廓的最小包围圆。
7.根据权利要求1所述的方法，其特征在于，还包括：
获取确定最小包围圆的四个像素点，从所述四个像素点中任意选取两个，得到两组不同的像素点组合，通过所述两组不同的像素点组合，得到两条直线；
分别求取所述两条直线的垂直平均线，通过求取两条所述垂直平均线的交点得到最小包围圆的圆心；
通过求取所述圆心和所述四个像素点中任意一点的距离得到所述最小包围圆的半径。
8.一种瞳孔半径的检测装置，其特征在于，所述装置包括：
图像提取模块，用于获取瞳孔半径待测图像，提取所述瞳孔半径待测图像中的感兴趣区域图像；
瞳孔图像获取模块，用于对所述感兴趣区域图像进行像素处理，得到瞳孔区域图像；
瞳孔轮廓获取模块，用于通过边界跟踪算法从所述瞳孔区域图像中提取多个瞳孔轮廓；
中心圆心获取模块，用于获取所述感兴趣区域图像的中心、所述多个瞳孔轮廓的最小包围圆集合以及所述最小包围圆集合中各个最小包围圆的圆心；
瞳孔半径获取模块，用于获取所述中心与各圆心的距离，筛选与所述中心距离最近的圆心，将所述最近的圆心对应的最小包围圆作为目标圆，以所述目标圆的半径作为瞳孔半径。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910676753.7A CN110555875A (zh) | 2019-07-25 | 2019-07-25 | 瞳孔半径的检测方法、装置、计算机设备和存储介质 |
| PCT/CN2019/106604 WO2021012370A1 (zh) | 2019-07-25 | 2019-09-19 | 瞳孔半径的检测方法、装置、计算机设备和存储介质 |
| SG11202004539QA SG11202004539QA (en) | 2019-07-25 | 2019-09-19 | Pupil radius detection method and apparatus, computer device, and storage medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910676753.7A CN110555875A (zh) | 2019-07-25 | 2019-07-25 | 瞳孔半径的检测方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110555875A true CN110555875A (zh) | 2019-12-10 |
Family
ID=68735856
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910676753.7A Pending CN110555875A (zh) | 2019-07-25 | 2019-07-25 | 瞳孔半径的检测方法、装置、计算机设备和存储介质 |
Country Status (3)
| Country | Link |
|---|---|
| CN (1) | CN110555875A (zh) |
| SG (1) | SG11202004539QA (zh) |
| WO (1) | WO2021012370A1 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111461970A (zh) * | 2020-04-09 | 2020-07-28 | 北京百度网讯科技有限公司 | 图像处理方法、装置和电子设备 |
| CN112184639A (zh) * | 2020-09-15 | 2021-01-05 | 佛山(华南)新材料研究院 | 圆孔检测方法、装置、电子设备及存储介质 |
| CN115359548A (zh) * | 2022-07-22 | 2022-11-18 | 吉林大学第一医院 | 一种手持式智能瞳孔检测装置及检测方法 |
| CN116740068A (zh) * | 2023-08-15 | 2023-09-12 | 贵州毅丹恒瑞医药科技有限公司 | 一种白内障手术用智能导航系统 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113267502B (zh) * | 2021-05-11 | 2022-07-22 | 江苏大学 | 一种基于机器视觉的微电机摩擦片残缺检测系统及检测方法 |
| CN113610881B (zh) * | 2021-08-25 | 2024-03-01 | 浙江华感科技有限公司 | 目标对象的确定方法及装置、存储介质、电子装置 |
| FR3132967B1 (fr) | 2022-02-23 | 2024-02-16 | Patrick Charreyron | Procédé de génération d’une image reconstituée et dispositif de génération d’une telle image reconstituée. |
| CN114549513A (zh) * | 2022-03-02 | 2022-05-27 | 季华实验室 | 零件识别方法、装置、质检方法、电子设备及存储介质 |
| CN117392226B (zh) * | 2023-12-11 | 2024-04-05 | 合肥安迅精密技术有限公司 | 基于机器视觉的bga元件识别定位方法及系统、存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105631447A (zh) * | 2015-12-18 | 2016-06-01 | 杭州仁盈科技股份有限公司 | 一种识别圆形公章中文字的方法 |
| CN108280403A (zh) * | 2017-12-27 | 2018-07-13 | 北京七鑫易维信息技术有限公司 | 确定瞳孔位置的方法和装置 |
| CN109766818A (zh) * | 2019-01-04 | 2019-05-17 | 京东方科技集团股份有限公司 | 瞳孔中心定位方法及系统、计算机设备及可读存储介质 |
| CN109784248A (zh) * | 2019-01-02 | 2019-05-21 | 京东方科技集团股份有限公司 | 瞳孔定位方法、瞳孔定位装置、电子设备、存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101246544B (zh) * | 2008-01-24 | 2010-06-16 | 电子科技大学中山学院 | 一种基于边界点搜索和最小核值相似区边缘检测的虹膜定位方法 |
| CN103246871B (zh) * | 2013-04-25 | 2015-12-02 | 山东师范大学 | 一种基于图像非线性增强的非理想虹膜外边界定位方法 |
| CN106022315B (zh) * | 2016-06-17 | 2019-07-12 | 北京极创未来科技有限公司 | 一种用于虹膜识别的瞳孔中心定位方法 |
| KR101761586B1 (ko) * | 2016-12-21 | 2017-07-27 | 주식회사 쓰리이 | 홍채와 공막의 경계선 검출 방법 |
| KR101942759B1 (ko) * | 2017-07-28 | 2019-01-28 | 계명대학교 산학협력단 | 근적외선 영상에서 랜덤 포레스트와 고속 반경 대칭 변환의 결합을 이용한 눈동자 검출 방법 및 시스템 |
-
2019
- 2019-07-25 CN CN201910676753.7A patent/CN110555875A/zh active Pending
- 2019-09-19 WO PCT/CN2019/106604 patent/WO2021012370A1/zh active Application Filing
- 2019-09-19 SG SG11202004539QA patent/SG11202004539QA/en unknown
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105631447A (zh) * | 2015-12-18 | 2016-06-01 | 杭州仁盈科技股份有限公司 | 一种识别圆形公章中文字的方法 |
| CN108280403A (zh) * | 2017-12-27 | 2018-07-13 | 北京七鑫易维信息技术有限公司 | 确定瞳孔位置的方法和装置 |
| CN109784248A (zh) * | 2019-01-02 | 2019-05-21 | 京东方科技集团股份有限公司 | 瞳孔定位方法、瞳孔定位装置、电子设备、存储介质 |
| CN109766818A (zh) * | 2019-01-04 | 2019-05-17 | 京东方科技集团股份有限公司 | 瞳孔中心定位方法及系统、计算机设备及可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 王晶 等: "瞳孔中心点自动定位与对准装置", 《光学精密工程》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111461970A (zh) * | 2020-04-09 | 2020-07-28 | 北京百度网讯科技有限公司 | 图像处理方法、装置和电子设备 |
| CN111461970B (zh) * | 2020-04-09 | 2023-08-11 | 北京百度网讯科技有限公司 | 图像处理方法、装置和电子设备 |
| CN112184639A (zh) * | 2020-09-15 | 2021-01-05 | 佛山(华南)新材料研究院 | 圆孔检测方法、装置、电子设备及存储介质 |
| CN112184639B (zh) * | 2020-09-15 | 2024-03-29 | 佛山(华南)新材料研究院 | 圆孔检测方法、装置、电子设备及存储介质 |
| CN115359548A (zh) * | 2022-07-22 | 2022-11-18 | 吉林大学第一医院 | 一种手持式智能瞳孔检测装置及检测方法 |
| CN115359548B (zh) * | 2022-07-22 | 2023-07-18 | 吉林大学第一医院 | 一种手持式智能瞳孔检测装置及检测方法 |
| CN116740068A (zh) * | 2023-08-15 | 2023-09-12 | 贵州毅丹恒瑞医药科技有限公司 | 一种白内障手术用智能导航系统 |
| CN116740068B (zh) * | 2023-08-15 | 2023-10-10 | 贵州毅丹恒瑞医药科技有限公司 | 一种白内障手术用智能导航系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| SG11202004539QA (en) | 2021-02-25 |
| WO2021012370A1 (zh) | 2021-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110555875A (zh) | 瞳孔半径的检测方法、装置、计算机设备和存储介质 | |
| WO2021047232A1 (zh) | 交互行为识别方法、装置、计算机设备和存储介质 | |
| US10282589B2 (en) | Method and system for detection and classification of cells using convolutional neural networks | |
| WO2021212659A1 (zh) | 视频数据处理方法、装置、计算机设备及存储介质 | |
| EP3047426B1 (en) | Feature extraction and matching and template update for biometric authentication | |
| EP3675031A1 (en) | Image processing apparatus and method | |
| CN113239874B (zh) | 基于视频图像的行为姿态检测方法、装置、设备及介质 | |
| CN109903272B (zh) | 目标检测方法、装置、设备、计算机设备和存储介质 | |
| CN111667464A (zh) | 危险品三维图像检测方法、装置、计算机设备及存储介质 | |
| CN111368758B (zh) | 一种人脸模糊度检测方法、装置、计算机设备及存储介质 | |
| US20150016679A1 (en) | Feature extraction device, feature extraction method, and feature extraction program | |
| WO2019154383A1 (zh) | 刀具检测方法及装置 | |
| CN113302619B (zh) | 目标区域评估和特征点评估的系统和方法 | |
| CN110889355A (zh) | 一种人脸识别校验方法、系统及存储介质 | |
| CN110705353A (zh) | 基于注意力机制的遮挡人脸的识别方法和装置 | |
| CN112464829B (zh) | 一种瞳孔定位方法、设备、存储介质及视线追踪系统 | |
| CN111539320A (zh) | 基于互相学习网络策略的多视角步态识别方法及系统 | |
| Chen et al. | A robust segmentation approach to iris recognition based on video | |
| TW202201275A (zh) | 手部作業動作評分裝置、方法及電腦可讀取存儲介質 | |
| CN111985340A (zh) | 基于神经网络模型的人脸识别方法、装置和计算机设备 | |
| KR101582467B1 (ko) | 인접 합산 이진화를 이용한 동공 추출 방법 및 이를 이용한 동공 추출 제어장치 | |
| CN114359787A (zh) | 目标属性识别方法、装置、计算机设备及存储介质 | |
| CN105404851A (zh) | 一种基于中值滤波的虹膜图像睫毛干扰检测方法 | |
| Patil et al. | A novel method for illumination normalization for performance improvement of face recognition system | |
| CN116363578A (zh) | 一种基于视觉的船舶封闭舱室人员监测方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20231229 |
|
| AD01 | Patent right deemed abandoned |