CN111160113A - 一种虹膜定位方法、装置及存储介质 - Google Patents
一种虹膜定位方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111160113A CN111160113A CN201911258895.8A CN201911258895A CN111160113A CN 111160113 A CN111160113 A CN 111160113A CN 201911258895 A CN201911258895 A CN 201911258895A CN 111160113 A CN111160113 A CN 111160113A
- Authority
- CN
- China
- Prior art keywords
- iris
- ellipse
- contour
- image
- center
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 210000001747 pupil Anatomy 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000004807 localization Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000000720 eyelash Anatomy 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- G06V40/19—Sensors therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理领域,具体涉及一种虹膜定位方法、装置及存储介质,所述方法为:首先获取虹膜图像,计算所述虹膜图像的对比度,选取对比度高于阈值的虹膜图像作为虹膜图像集;进而对所述虹膜图像集中的虹膜图像进行预处理得到二值化图像;接着提取二值化图像的轮廓,判断二值化图像中轮廓的数目;当二值化图像中包含多个轮廓时,对多个所述轮廓分别进行椭圆拟合,生成每个轮廓对应的椭圆;最后计算各个轮廓与椭圆的偏离度,把偏离度最小的轮廓作为瞳孔的轮廓,该轮廓的椭圆中心作为瞳孔的中心,本发明还相应的提供了虹膜定位装置和存储介质,本发明能够提高虹膜定位的准确率。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种虹膜定位方法、装置及存储介质。
背景技术
虹膜定位是虹膜图像预处理的一个重要步骤,目的是将虹膜区域从人眼图像中分割或提取出来,为特征提取和匹配做准备。
现有技术中,通常利用圆模板在人眼图像上进行定位,然而这种定位方法不但运行速度相对较慢,而且忽略了虹膜图像的一个重要特征,即绝大多数人眼的虹膜内边界(瞳孔轮廓)并不是标准的圆形,除了圆心不重合外,轮廓还受睫毛、眼皮、反光点灯影响,边缘点呈现不规则分布,部分人眼的虹膜内边界与圆的偏差是比较大的。这种情况下如果仍采用圆形模板进行内边界定位,就会造成瞳孔遗留或纹理损失等问题,影响最后的识别结果。
因此,如何准确提取真实的虹膜内边界,提高虹膜定位的准确率,成为值得解决的问题。
发明内容
为解决上述问题,本发明提供一种虹膜定位方法、装置及存储介质,能够提高虹膜定位的准确率。
为了实现上述目的,本发明提供以下技术方案:
根据本发明第一方面实施例提供的一种虹膜定位方法,包括:
获取虹膜图像,计算所述虹膜图像的对比度,选取对比度高于阈值的虹膜图像作为虹膜图像集;
对所述虹膜图像集中的虹膜图像进行预处理得到二值化图像;
提取二值化图像的轮廓,判断二值化图像中轮廓的数目;
当二值化图像中包含多个轮廓时,对多个所述轮廓分别进行椭圆拟合,生成每个轮廓对应的椭圆;
计算各个轮廓与椭圆的偏离度,把偏离度最小的轮廓作为瞳孔的轮廓,该轮廓的椭圆中心作为瞳孔的中心。
进一步,所述方法还包括:当二值化图像中轮廓的数目为0时,则剔除所述二值化图像。
进一步,所述方法还包括:当二值化图像中包含一个轮廓时,对所述轮廓进行椭圆拟合,生成轮廓对应的椭圆;
计算轮廓与椭圆的偏离度,当偏离度低于阈值时,将该轮廓作为瞳孔的轮廓,将该轮廓的椭圆中心作为瞳孔的中心。
进一步,所述获取虹膜图像,选取对比度高于阈值的虹膜图像作为虹膜图像集,具体包括:
获取虹膜图像,通过以下公式计算所述虹膜图像的对比度:
其中,Imax为所述虹膜图像中最亮的亮度,Imin为所述虹膜图像中最暗的亮度,CM为虹膜图像的对比度;
将对比度CM大于120的虹膜图像进行汇总,生成虹膜图像集。
进一步,所述计算各个轮廓与椭圆的偏离度具体为:
以椭圆中心为原点,建立椭圆中心到椭圆的m条连接线,通过m条所述连接线等角度对椭圆进行划分,其中,m为大于等于6的正整数;
获取从椭圆中心沿所述连接线到轮廓边缘的交点,得到m条椭圆中心到交点的交叉线;
获取m条连接线的长度和交叉线的长度,根据以下公式计算轮廓与椭圆的偏离度:
根据本发明第二方面实施例提供的一种虹膜定位装置,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的机器人导航程序,所述机器人导航程序被所述处理器执行时实现如第一方面任一项所述的虹膜定位方法的步骤。
根据本发明第三方面实施例提供的一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行如第一方面任一项所述的虹膜定位方法。
本发明的有益效果是:本发明公开一种虹膜定位方法、装置及存储介质,所述方法为:首先获取虹膜图像,计算所述虹膜图像的对比度,选取对比度高于阈值的虹膜图像作为虹膜图像集;进而对所述虹膜图像集中的虹膜图像进行预处理得到二值化图像;接着提取二值化图像的轮廓,判断二值化图像中轮廓的数目;当二值化图像中包含多个轮廓时,对多个所述轮廓分别进行椭圆拟合,生成每个轮廓对应的椭圆;最后计算各个轮廓与椭圆的偏离度,把偏离度最小的轮廓作为瞳孔的轮廓,该轮廓的椭圆中心作为瞳孔的中心。本发明还相应的提供了虹膜定位装置和存储介质,本发明能够提高虹膜定位的准确率。
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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中一种虹膜定位方法的流程示意图;
图2是本发明实施例中轮廓与椭圆的偏离度的示意图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本公开的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
参考图1,如图1所示为一种虹膜定位方法,包括以下步骤:
步骤S100、获取虹膜图像,计算所述虹膜图像的对比度,选取对比度高于阈值的虹膜图像作为虹膜图像集。
由于获取到的虹膜图像可能会受到光线等因素影响,导致存在对比度不够的问题,图像的对比度指的是一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量,即指一幅图像灰度反差的大小。差异范围越大代表对比越大,差异范围越小代表对比越小,好的对比率可显示生动、丰富的色彩,当对比率高达300:1时,便可支持各阶的颜色。
本步骤中,首先对获取的虹膜图像进行一次筛选,排除对比度比较低的虹膜图像,避免低质量的虹膜图像对后续虹膜定位造成的干扰,有利于提高虹膜定位的准确度。
步骤S200、对所述虹膜图像集中的虹膜图像进行预处理得到二值化图像。
预处理主要是对虹膜图像进行初步处理,以方便瞳孔中心的求取以提高虹膜定位准确度。具体步骤为:
首先把获取的一帧虹膜图像由彩色图像转换为灰度图像,本实施例采用的是加权平均法进行图像灰度化,灰度值为0-255;
由于图像在采集过程中,会不可避免地受到噪声的影响。图像噪声按其产生的原因主要分为外部噪声和内部噪声。在图像处理系统中,光学噪声占很大比重,主要是由光学现象产生的噪声。因此,为了获取高质量的图像,必须对图像进行去噪处理。本实施例采用的是高斯滤波。
接着将去噪后的灰度图像进行归一化,生成归一化图像,最后将归一化图像进行图像二值化处理,转换为二值化图像。
图像二值化的目的就是为了提取瞳孔轮廓,为接下来的瞳孔中心定位做准备。其基本原理就是将目标图像上的像素点的灰度值置为0或255,使整个图像黑白分明,在图像处理过程中,一般选取适当的阈值从而得到反映原图像特征的二值化图像。
步骤S300、提取二值化图像的轮廓,判断二值化图像中轮廓的数目。
步骤S400、当二值化图像中包含多个轮廓时,对多个所述轮廓分别进行椭圆拟合,生成每个轮廓对应的椭圆。
步骤S500、计算各个轮廓与椭圆的偏离度,把偏离度最小的轮廓作为瞳孔的轮廓,该轮廓的椭圆中心作为瞳孔的中心。
当图像的质量较低时,获得的二值化图像具有较多噪声,得到的轮廓可能不止一个。在图像上找到的轮廓数目较多时,需要设置合理的过滤方法,才能找到真正的瞳孔轮廓。本实施例中,通过轮廓与椭圆的偏离度这一因素进行选择判断,确定偏离度最小的轮廓作为瞳孔的轮廓,可以有效提高虹膜定位的准确度。
本实施例首先获取虹膜图像,计算所述虹膜图像的对比度,选取对比度高于阈值的虹膜图像作为虹膜图像集;进而对所述虹膜图像集中的虹膜图像进行预处理得到二值化图像;接着提取二值化图像的轮廓,判断二值化图像中轮廓的数目;当二值化图像中包含多个轮廓时,对多个所述轮廓分别进行椭圆拟合,生成每个轮廓对应的椭圆;最后计算各个轮廓与椭圆的偏离度,把偏离度最小的轮廓作为瞳孔的轮廓,该轮廓的椭圆中心作为瞳孔的中心,本发明能够提高虹膜定位的准确率。
在一个改进的实施例中,所述步骤S300之后,还包括:当二值化图像中轮廓的数目为0时,则剔除所述二值化图像。也即,二值化图像中提取不出轮廓时,说明该二值化图像的质量无法满足虹膜定位的需要,因此,可将该二值化图像进行剔除,避免低质量的虹膜图像的干扰,有效保障虹膜定位的准确度。
在一个改进的实施例中,所述步骤S300之后,还包括:
当二值化图像中包含一个轮廓时,对所述轮廓进行椭圆拟合,生成轮廓对应的椭圆;
计算轮廓与椭圆的偏离度,当偏离度低于阈值时,将该轮廓作为瞳孔的轮廓,将该轮廓的椭圆中心作为瞳孔的中心。
即二值化图像中轮廓的数目为1时,只需判断该二值化图像是否满足虹膜定位的要求,由于只用考虑该二值化图像的质量,本实施例通过轮廓与椭圆的偏离度这一因素进行判断,所述偏离度可参考步骤S500中计算的偏离度最小值进行设置,也可根据实际需求进行设置,例如,可将所述偏离度设为5%。
上述实施例中,对所述轮廓进行椭圆拟合可采用最小二乘法,最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。
在一个改进的实施例中,所述步骤S100具体包括:
获取虹膜图像,通过以下公式计算所述虹膜图像的对比度:
其中,Imax为所述虹膜图像中最亮的亮度,Imin为所述虹膜图像中最暗的亮度,CM为虹膜图像的对比度;
将对比度CM大于120的虹膜图像进行汇总,生成虹膜图像集。当对比度CM大于120时,可显示生动、丰富的图像色彩。
参考图2,图2所示为本发明实施例中轮廓与椭圆的偏离度的示意图,其中:a代表连接线,图中用虚线表示,b代表交叉线,图中用实线表示,c代表椭圆,d代表轮廓,e代表椭圆的圆心,在一个优选的实施例中,所述计算各个轮廓与椭圆的偏离度具体为:
以椭圆中心为原点,建立椭圆中心到椭圆的m条连接线,通过m条所述连接线等角度对椭圆进行划分,其中,m为大于等于6的正整数;
获取从椭圆中心沿所述连接线到轮廓边缘的交点,得到m条椭圆中心到交点的交叉线;
获取m条连接线的长度和交叉线的长度,根据以下公式计算轮廓与椭圆的偏离度:
本实施例提供的偏离度计算方法中,通过等角度对椭圆进行划分,得到均匀分布的交点,形成均匀抽样,综合考虑了整体椭圆中各个区域的偏离情况,计算出的椭圆和轮廓的偏离度更加真实准确的反映轮廓的特征,可更加准确的选取瞳孔区域和瞳孔的中心点。
本发明实施例还提供一种虹膜定位装置,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的机器人导航程序,所述机器人导航程序被所述处理器执行时实现以上所述的虹膜定位方法的步骤。
可见,上述方法实施例中的内容均适用于本装置实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供一种存储介质,所述计算机可读存储介质上存储有机器人导航程序,所述机器人导航程序被处理器执行时实现以上所述的虹膜定位方法的步骤。
可见,上述方法实施例中的内容均适用于本装置实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件的实现方式,以嵌入式软件加载到处理器中,以有效利用各种传感器采集的数据,控制机器人以设定的路径自主定位导航。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来。
所称处理器可以是中央处理单元(Central-Processing-Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital-Signal-Processor,DSP)、专用集成电路(Application-Specific-Integrated-Circuit,ASIC)、现场可编程门阵列(Field-Programmable-Gate-Arr ay,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种基于路径匹配的机器人主动避障系统的控制中心,利用各种接口和线路连接整个基于路径匹配的机器人主动避障系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述基于路径匹配的机器人主动避障系统的各种功能。所述存储器可主要包括存储程序区和存储数据区,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart-Media-Card,SMC),安全数字(Secure-Digital,SD)卡,闪存卡(Flash-Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求,考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本公开的预定范围。此外,上文以发明人可预见的实施例对本公开进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (7)
1.一种虹膜定位方法,其特征在于,包括:
获取虹膜图像,计算所述虹膜图像的对比度,选取对比度高于阈值的虹膜图像作为虹膜图像集;
对所述虹膜图像集中的虹膜图像进行预处理得到二值化图像;
提取二值化图像的轮廓,判断二值化图像中轮廓的数目;
当二值化图像中包含多个轮廓时,对多个所述轮廓分别进行椭圆拟合,生成每个轮廓对应的椭圆;
计算各个轮廓与椭圆的偏离度,把偏离度最小的轮廓作为瞳孔的轮廓,该轮廓的椭圆中心作为瞳孔的中心。
2.根据权利要求1所述的一种虹膜定位方法,其特征在于,还包括:当二值化图像中轮廓的数目为0时,则剔除所述二值化图像。
3.根据权利要求2所述的一种虹膜定位方法,其特征在于,还包括:
当二值化图像中包含一个轮廓时,对所述轮廓进行椭圆拟合,生成轮廓对应的椭圆;
计算轮廓与椭圆的偏离度,当偏离度低于阈值时,将该轮廓作为瞳孔的轮廓,将该轮廓的椭圆中心作为瞳孔的中心。
6.一种虹膜定位装置,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的机器人导航程序,所述机器人导航程序被所述处理器执行时实现如权利要求1至5中任一项所述的虹膜定位方法的步骤。
7.一种存储介质,其中存储有处理器可执行的指令,其特征在于,所述处理器可执行的指令在由处理器执行时用于执行如权利要求1至5任一项所述的虹膜定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911258895.8A CN111160113A (zh) | 2019-12-10 | 2019-12-10 | 一种虹膜定位方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911258895.8A CN111160113A (zh) | 2019-12-10 | 2019-12-10 | 一种虹膜定位方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111160113A true CN111160113A (zh) | 2020-05-15 |
Family
ID=70556708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911258895.8A Pending CN111160113A (zh) | 2019-12-10 | 2019-12-10 | 一种虹膜定位方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111160113A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080069410A1 (en) * | 2006-09-18 | 2008-03-20 | Jong Gook Ko | Iris recognition method and apparatus thereof |
CN101923645A (zh) * | 2009-06-09 | 2010-12-22 | 黑龙江大学 | 适应复杂应用场景中低质量虹膜图像的虹膜分割方法 |
CN105955465A (zh) * | 2016-04-25 | 2016-09-21 | 华南师范大学 | 一种桌面便携式视线跟踪方法及装置 |
CN106022315A (zh) * | 2016-06-17 | 2016-10-12 | 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 |
CN106919933A (zh) * | 2017-03-13 | 2017-07-04 | 重庆贝奥新视野医疗设备有限公司 | 瞳孔定位的方法及装置 |
CN108509908A (zh) * | 2018-03-31 | 2018-09-07 | 天津大学 | 一种基于双目立体视觉的瞳孔直径实时测量方法 |
CN110276324A (zh) * | 2019-06-27 | 2019-09-24 | 北京万里红科技股份有限公司 | 一种虹膜图像中确定瞳孔椭圆的方法 |
-
2019
- 2019-12-10 CN CN201911258895.8A patent/CN111160113A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080069410A1 (en) * | 2006-09-18 | 2008-03-20 | Jong Gook Ko | Iris recognition method and apparatus thereof |
CN101923645A (zh) * | 2009-06-09 | 2010-12-22 | 黑龙江大学 | 适应复杂应用场景中低质量虹膜图像的虹膜分割方法 |
CN105955465A (zh) * | 2016-04-25 | 2016-09-21 | 华南师范大学 | 一种桌面便携式视线跟踪方法及装置 |
CN106022315A (zh) * | 2016-06-17 | 2016-10-12 | 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 |
CN106919933A (zh) * | 2017-03-13 | 2017-07-04 | 重庆贝奥新视野医疗设备有限公司 | 瞳孔定位的方法及装置 |
CN108509908A (zh) * | 2018-03-31 | 2018-09-07 | 天津大学 | 一种基于双目立体视觉的瞳孔直径实时测量方法 |
CN110276324A (zh) * | 2019-06-27 | 2019-09-24 | 北京万里红科技股份有限公司 | 一种虹膜图像中确定瞳孔椭圆的方法 |
Non-Patent Citations (1)
Title |
---|
胡下平: "《自主导航技术》", 西安电子科技大学 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232389B (zh) | 一种基于绿色作物特征提取不变性的立体视觉导航方法 | |
CN104866849A (zh) | 一种基于移动终端的食品营养成分标签识别方法 | |
US10380853B1 (en) | Presence detection and detection localization | |
CN102930277A (zh) | 一种基于识别反馈的字符图像验证码识别方法 | |
CN110969046B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
CN116912261B (zh) | 一种塑料模具注塑表面缺陷检测方法 | |
CN111695373B (zh) | 斑马线的定位方法、系统、介质及设备 | |
CN117252882B (zh) | 一种气缸盖质量检测方法及系统 | |
CN113256624A (zh) | 连铸圆坯缺陷检测方法、装置、电子设备及可读存储介质 | |
CN110570442A (zh) | 一种复杂背景下轮廓检测方法、终端设备及存储介质 | |
CN108274476B (zh) | 一种人形机器人抓取球体的方法 | |
CN115439523A (zh) | 一种半导体器件引脚尺寸检测方法、设备及存储介质 | |
CN112419207A (zh) | 一种图像矫正方法及装置、系统 | |
CN111105427A (zh) | 一种基于连通区域分析的肺部图像分割方法及系统 | |
CN111144413A (zh) | 虹膜定位方法及计算机可读存储介质 | |
CN110930358B (zh) | 一种基于自适应算法的太阳能面板图像处理方法 | |
CN112102272A (zh) | 螺母孔径检测方法及装置、存储介质及终端设备 | |
CN111160113A (zh) | 一种虹膜定位方法、装置及存储介质 | |
CN112069924A (zh) | 车道线检测方法、装置及计算机可读存储介质 | |
Hu et al. | Flower image retrieval based on saliency map | |
CN114463352A (zh) | 玻片扫描图像目标分割提取方法及系统 | |
CN109949245B (zh) | 十字激光检测定位方法、装置、存储介质及计算机设备 | |
CN113643290A (zh) | 一种基于图像处理的吸管计数方法、装置及存储介质 | |
US11275926B2 (en) | Face tracking method and device | |
CN114511894A (zh) | 瞳孔中心坐标的获取系统及获取方法 |
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 | ||
CB02 | Change of applicant information |
Address after: No.45 Zhaoyi Road, Dongsheng Town, Zhongshan City, Guangdong Province 528415 Applicant after: Guangdong AOPO smart home Co.,Ltd. Address before: No.45 Zhaoyi Road, Dongsheng Town, Zhongshan City, Guangdong Province 528415 Applicant before: ZHONGSHAN AOPO METAL MANUFACTORY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200515 |
|
RJ01 | Rejection of invention patent application after publication |