CN111832344B - 一种动态瞳孔检测方法及装置 - Google Patents
一种动态瞳孔检测方法及装置 Download PDFInfo
- Publication number
- CN111832344B CN111832344B CN201910309208.4A CN201910309208A CN111832344B CN 111832344 B CN111832344 B CN 111832344B CN 201910309208 A CN201910309208 A CN 201910309208A CN 111832344 B CN111832344 B CN 111832344B
- Authority
- CN
- China
- Prior art keywords
- pupil
- iris
- data
- image
- reference image
- 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.)
- Active
Links
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/11—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for measuring interpupillary distance or diameter of pupils
- A61B3/112—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for measuring interpupillary distance or diameter of pupils for measuring diameter of pupils
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/14—Arrangements specially adapted for eye photography
Abstract
本发明适用于计算机应用技术领域,提供了动态瞳孔检测方法及装置,包括:获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;从所述瞳孔虹膜图像中选取其中一幅作为基准图像;根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。通过对在移动情况下拍摄到的多个瞳孔虹膜图像进行校准,解决了因图像摄取距离不一造成的眼球图像尺寸上的差别,利用瞳孔相对于虹膜的变化率,实现了对瞳孔变化的精确检测,进而完成对导致瞳孔异常现象的准确判别。
Description
技术领域
本发明属于计算机应用技术领域,尤其涉及一种基于动态瞳孔检测方法及装置。
背景技术
瞳孔与身体各部位有着广泛的联系,它的开大和缩小受各种各样因素的影响,其变化在临床上有重要意义。现有技术中通过电脑化的瞳孔测量设备,以标准尺寸的圆盘图像作为瞳孔样本,来测量被测量瞳孔直径。例如自动化瞳孔测试仪获取了被测瞳孔图像,经查找中心、确定处理后,最后得到瞳孔的直径,因有已知的标准瞳孔圆盘样本像素直径的存在,最终被测瞳孔的直径是容易确定的。这种测量方式的瞳孔圆盘样本是在精确的距离下摄取的,故被测瞳孔也要固定在与瞳孔圆盘样本同样的距离下获取,否则将无法计算出准确结果。
尤其是在非接触式身份验证场所,例如机场、车站和边境口岸等场合下获取眼球图像的时候,会因被检测人身高的差距,站立位置和视点的移动等原因造成获取眼球图像尺寸的不一,进而影响最终的检测和判别结果,导致判断结果不准确的问题。
发明内容
有鉴于此,本发明实施例提供了动态瞳孔检测方法及装置,以解决现有技术中因为被测人员移动而造成获取到的眼球图像尺寸的不一,进而影响最终的检测和判别结果,导致判断结果不准确的问题。
本发明实施例的第一方面提供了一种动态瞳孔检测方法,包括:
获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;
从所述瞳孔虹膜图像中选取其中一幅作为基准图像;
根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;所述目标数据包括所述基准图像的眼球数据和所有所述校准之后的眼球数据;所述待校准图像包括除所述基准图像之外的瞳孔虹膜图像;
根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。
本发明实施例的第二方面提供了一种动态瞳孔检测装置,包括:
获取单元,用于获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;
选取单元,用于从所述瞳孔虹膜图像中选取其中一幅作为基准图像;
校准单元,用于根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;所述目标数据包括所述基准图像的眼球数据和所有所述校准之后的眼球数据;所述待校准图像包括除所述基准图像之外的瞳孔虹膜图像;
检测单元,用于根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。
本发明实施例的第三方面提供了一种动态瞳孔检测装置,包括:处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储支持装置执行上述方法的计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述第一方面的方法。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
本发明实施例与现有技术相比存在的有益效果是:通过获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;从所述瞳孔虹膜图像中选取其中一幅作为基准图像;根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。通过对在移动情况下拍摄到的多个瞳孔虹膜图像进行校准,解决了因图像摄取距离不一造成的眼球图像尺寸上的差别,利用瞳孔相对于虹膜的变化率,实现了对瞳孔变化的精确检测,进而完成对导致瞳孔异常现象的准确判别。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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是本发明实施例一提供的动态瞳孔检测方法的流程图
图2是本发明实施例一提供的瞳孔虹膜图像
图3是本发明实施例一提供的人眼睛的外观图
图4是本发明实施例一提供的瞳孔虹膜图像的拍摄方法
图5是本发明实施例一提供的虹膜和瞳孔的完整图像
图6是本发明实施例一提供的虹膜面积计算方法
图7是本发明实施例一提供的眼球观察图像
图8是本发明实施例二提供的动态瞳孔检测方法的流程图
图9A是本发明实施例二提供的瞳孔面积的像素图像
图9B是本发明实施例二提供的图像在图像存储器中的表示格式
图10A是本发明实施例二提供的眼球与眼睑的状态图
图10B是本发明实施例二提供的瞳孔虹膜图像的直径面积关系图
图11是本发明实施例二提供的待校准图像的瞳孔虹膜图像
图12是本发明实施例三提供的动态瞳孔检测装置的示意图
图13是本发明实施例四提供的动态瞳孔检测装置的示意图
图14是本发明实施例五提供的动态瞳孔检测装置的示意图
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
参见图1,图1是实施例一提供的一种动态瞳孔检测方法的流程图。本实施例中动态瞳孔检测方法的执行主体为具有图像处理功能的装置,包括但不限于计算机、服务器、平板电脑或者终端等装置。如图1所示的动态瞳孔检测方法可以包括以下步骤:
S101:获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境。
对瞳孔直径及其大小变化的精确测量对眼科手术及疗效的评估,以及多种疾病的诊断都具有重要意义。除眼部疾病外,一些与脑干相关的疾病如高血压、动脉硬化、脑血管病、糖尿病等,均可反映在瞳孔的变化上。传统的瞳孔测量方式有瞳孔尺、瞳孔计和瞳孔测量仪。瞳孔尺是一种定性的测量方式,测量精度较差,取决于测量人员的经验及被测人员的配合程度;还可以通过专用于测量瞳孔直径的测量计,它实际上是基于物方远心光路成像技术的光学仪器,在仪器的成像面标有尺寸刻度。在已知距离和放大倍数的条件下,是可以确定被测量物体直径的;最新的检测设备如电脑综合检测仪,它实际上也是一套复杂的光学系统配合电脑软件实现的高级检测仪器。
现有的各类瞳孔测量设备、仪器大多用在与眼科相关的医疗机构,用于眼科疾病的诊疗、视力矫正前期眼部信息的获取。这类仪器设备测量计算瞳孔直径主要有三种方法,首先可以通过瞳孔尺直接读取,容易产生误差;其次是光学方式,它被测物体的显示在标有尺寸刻度的成像表面上,利用已知被测物体的距离和镜头的光学放大倍数,在刻度表上读出被测物体的长度。但这两种方法是完全人工操作的,难以实现自动化和数字化;电脑化的瞳孔测量设备,是以标准尺寸的圆盘图像作为瞳孔样本,用以确定被测量瞳孔直径。如:某自动化瞳孔测试仪中分别设置了1、2、3、4、5、6、7和8mm瞳孔圆盘样本,各瞳孔样本图像在电脑中的直径值分别为A、B、C、D、E、F、G和H。若此时获取了被测瞳孔图像,经查找中心、确定处理后,最后得到瞳孔的直径值为X,这时候的X所代表的直径值是多少还未知,因有已知的标准瞳孔圆盘样本像素直径的存在,最终被测瞳孔的直径是容易确定的。这种测量方式的瞳孔圆盘样本是在精确的距离下摄取的,故被测瞳孔也要固定在与瞳孔圆盘样本同样的距离下获取,否则将无法计算出准确结果。
上述三种设备仪器都需要与被测对象产生物理接触,因为影响瞳孔大小变化的除了光照外,也与情绪、年龄、性别等其他因素相关。接触式瞳孔检测时,会给被测对象造成心理压力,带来紧张感;特别是现在人们卫生安全意识很强,多人重复使用的设备会带来交叉感染,易使人产生恐慌,生成抵触情绪,在这种情况下会造成测量误差。
接触式瞳孔直径测量设备,事实上是固定距离的瞳孔图像测量,而人在检测时眼眶虽可以固定距离,但瞳孔与眼眶的距离是因人而异的,故此也会造成事实上的很大的测量误差。非接触式瞳孔测量方法,当被测对象处于运动状态下,也无法保证测量的准确性。且红外图像的摄取,传统摄像系统无法完成,需专门制作,使得成像系统成本高昂。综上,利用既有瞳孔测量设备和方法进行瞳孔测量,存在测量精度不高,设备笨重,不能便携化,难于用在非医院场合。同时,依赖于与精确测量样本比对的检测方式是无法在入境通道或机场、车站的验证通道等动态同步检测场合中使用的。
传统的如血检、唾液检、毛发检和尿检等检测手段,不仅需要配备具备专业知识的技术人员,也要投入相应昂贵的设备和检测材料,有些还需要在专门的实验室内才能完成。
现有接触式瞳孔检测设备及方法存在价格昂贵、体积庞大、操作不便和无法实现自动化等不足,也会出现被测对象情绪恐慌、心理抗拒等影响瞳孔准确检测的现象。在非接触式身份验证如机场、车站和边境口岸等场合下获取眼球图像,会因被测对象身高的差距,站立位置和视点的移动造成获取眼球图像尺寸的不一,进而影响最终的检测、判别结果。
本实施例中在获取瞳孔虹膜图像时,可以通过普通数字视频设备才采集,例如手机照相镜头,便于在边境口岸、机场、车站等人员聚集区实现非接触动态人员的快速筛查、排除。该技术方法无需特殊检材和专门的检验人员,可基于普通智能手机、电脑等智能数字设备实现。可应用于多种身份验证场合,如机场、车站检票道闸、酒店身份核查、人脸门禁等。基于智能手机的应用更适应于技术条件薄弱的边远地区实施检测。
S102:从所述瞳孔虹膜图像中选取其中一幅作为基准图像。
与瞳孔会随着光强照度的不同以及其他因素的影响而变化不同,虹膜对某个个体而言它是一个常数。故可选取任意一次获取的瞳孔虹膜图像作为基准图像。
示例性的,以图3为例,其中包括三组被测对象的瞳孔虹膜图像,分别为Image1、Image2和Image3,每组图像中,包括了虹膜Iris、瞳孔Pupil。我们选择Image2作为基准图像Benchmark image。基准图像确定之后,在计算Image1和Image3图像数据时,就按照基准数据进行调整修正,以得出正确的结果。
S103:根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;所述目标数据包括所述基准图像的眼球数据和所有所述校准之后的眼球数据;所述待校准图像包括除所述基准图像之外的瞳孔虹膜图像。
从瞳孔虹膜图像中选取其中一幅作为基准图像之后,对其它瞳孔虹膜图像按照该基准图像进行调整修正,得到大小统一的瞳孔虹膜图像。
示例性地,一个像素位Pixel在计算机中用一位二进制数(bit)予以表示,其可以是“0”或“1”。显然,这三组图像所表示的虹膜和瞳孔数据均不相同。以图4操作为例,镜头分别在距离l2、l3摄取了A的眼睛图像,经定位、提取、二值化等处理后分别得到A的如图2所示的三组虹膜、瞳孔图像Image1、Image2和Image3在存储器的投影图像。其中,图像中的每一个小方格即为一个Pixel。
图5是虹膜和瞳孔的完整图像。因瞳孔本身是虹膜的开口,瞳孔开口变大时虹膜面积减小;瞳孔开口缩小时,虹膜面积增大。所依确定瞳孔虹膜图像有两种方式,如图6A1中,是虹膜面积加上瞳孔面积(Iris+Pupil),即以虹膜外圆为直径的圆面积为最终虹膜面积数据;如图6A2中,是以虹膜外圆为直径的圆面积减去瞳孔面积(Iris-Pupil),即实际的环状虹膜面积。在实际应该中,既可以选择A1也可以选择A2作为瞳孔虹膜图像,它们没有本质的不同。
我们可以通过基准图像的直径来对其余瞳孔虹膜图像进行校正,通过对在被测对象与镜头处在可变距离状态下摄取到的多幅眼球图像进行校正,解决了因摄取距离的不一造成的眼球图像尺寸上的差别,利用瞳孔相对于虹膜的变化率,实现了对瞳孔变化的精确检测。
S104:根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。
本实施例在获取眼睛图像时并无精确的距离要求,故其实际摄取方式如图4所示。图中被测对象A某次以与镜头之间的距离l1被摄取眼睛图像,另又分别以距离l2、l3被摄取图像,其中l1≠l2≠l3。显然,几次眼睛的摄取后其虹膜、瞳孔图像在传感器投射的面积是不同的。就如同图7中对象A、B、C分别以距离l1、l2、l3观察直径为D的球Ball,但其各自的眼中的球形直径分别为D1、D2和D3一样。显然A无法确定其中哪一个虹膜、瞳孔的图像与实际的虹膜、瞳孔尺寸是一致的。这也正是传统瞳孔直径测量技术所无法解决的。因本实施例最终需要的是虹膜与瞳孔的面积(或者直径)比值的变化率,故无需知晓其各自的直径数值。
通过计算各图像中的瞳孔面积与虹膜面积之间的比值,可以确定不同图像中瞳孔的相对大小。避免了直接测量瞳孔直径来进行瞳孔异常判断时,由于性别、年龄等因素的影响,而使判断结果不准确的问题。在获取到被测对象的瞳孔虹膜图像之后,识别该瞳孔虹膜图像中的瞳孔和虹膜,并分别计算基准图像、暗瞳图像以及亮瞳图像中的瞳孔面积和虹膜面积。之后计算基准图像中的瞳孔面积与虹膜面积之间的第一比值、暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值。
可选的,可以通过预设的比值阈值来判断被测对象的瞳孔是否异常。通过预先将数据标本进行归类,得到不同致异因素所导致的瞳孔异常时瞳孔面积与虹膜面积之间的比值区间,根据这些比值区间判断当前获取到的瞳孔虹膜图像的瞳孔面积与虹膜面积的比值在哪个比值区间中,进而确定该瞳孔是否发生异常,并能确定该瞳孔虹膜图像所对应的被测对象是否正常。
需要说明的是,本实施例中的瞳孔异常的原因可以包括:被测对象发生脑病变、中枢神经系统感染性疾病、脑血管病、脑缺氧、脑肿瘤、颅脑外伤、药物中毒、疼痛、恐惧、甲状腺功能亢进以及先天性异常等,此处不做限定。
上述方案,通过获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;从所述瞳孔虹膜图像中选取其中一幅作为基准图像;根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。通过对在移动情况下拍摄到的多个瞳孔虹膜图像进行校准,解决了因图像摄取距离不一造成的眼球图像尺寸上的差别,利用瞳孔相对于虹膜的变化率,实现了对瞳孔变化的精确检测,进而完成对导致瞳孔异常现象的准确判别。
参见图8,图8是实施例二提供的一种动态瞳孔检测方法的流程图。本实施例中动态瞳孔检测方法的执行主体为具有图像处理功能的装置,包括但不限于计算机、服务器、平板电脑或者终端等装置。如图8所示的动态瞳孔检测方法可以包括以下步骤:
S801:获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境。
在本实施例中S801与图1对应的实施例中S101的实现方式完全相同,具体可参考图1对应的实施例中的S101的相关描述,在此不再赘述。
S802:从所述瞳孔虹膜图像中选取其中一幅作为基准图像。
在本实施例中S802与图1对应的实施例中S102的实现方式完全相同,具体可参考图1对应的实施例中的S102的相关描述,在此不再赘述。
S803:根据获取到的所述基准图像的眼球数据,确定所述基准图像的瞳孔直径。
虹膜及瞳孔数据以一个像素为最小的面积单位,即Pixel。无论是面积亦或是直径在本实施例中均无mm2或mm的表述,因我们确实无法得知所获图像的面积和直径。此处与虹膜、瞳孔的面积/直径有关的数据均用像素来表示。图9A即为某瞳孔面积的像素数据,其中PA是图像分辨率为24×24时的数据,PA1是图像分辨率为25×25时的数据,PA2和PA3分别是26×26和27×27时的图像数据,显然图像的分辨率越高,其占用的像素数就越多,数据量也就越大。PA用了158位,PA3用了10256位像素,每一位图像像素在本实施例中用一位二进制数字来表示。图9B是图像PA在图像存储器中的表示格式,其中数字“0”表示黑色,是有效图像像素位;“1”代表白色,表示无效像素位。PA共占用了32个字节(Byte)数据用来表示,不同分辨率的图像格式依此类推。
从人的眼睛结构可知,它是由眼球和附属器官组成。眼睛的附属器官其中
包括眼睑,俗称眼皮。眼睑位于眼球前方,分上、下眼睑,眼睑间的裂缝称睑裂。人们的睑裂宽度及结构差别很大,大多数情况下会因上眼睑遮住部分虹膜,造成了摄取眼球图像时产生的误差。同时也会由于动态摄取眼球时,因人眼睛注视点的移动也会造成虹膜部分被眼睑遮挡。图10A是眼球与眼睑的几种状态。图10a被称之为“四白眼”,其特点是虹膜外围的眼白(巩膜)全部外露;图10b和图10c称之为“下三白眼”和“上三白眼”,为别是虹膜的上边和下边部分被眼睑遮挡;图10d是我们大多数人的状态,特点是虹膜的上下均有部分被眼睑遮挡。除去图10a外,其他三种虹膜图像均不能完整的被摄取到,它会使得同一个虹膜会因注视点移动或睑裂开合大小的不同而造成获取到的像素数据差异。因此需要对虹膜图像进行修正。
图10A中所有的虹膜、瞳孔图像,有两个特点,其一是虹膜仅上部或下部被眼睑遮挡,二是瞳孔图像均是完整的,也就意味着眼球的中心部分图像会被完好获取。这样就可以如图10B所示那样分别确定瞳孔和虹膜的直径和面积数据,也就是像素数。图10B示例中的瞳孔面积(PA)、瞳孔直径(PD),虹膜直径(ID)、虹膜面积(IA)数据分别如下:
瞳孔:PA=π(PD/2)2=616Pixel;PD=28Pixel;
虹膜:ID=62Pixel;IA=π(ID/2)2=3019Pixel;
因瞳孔图像数据是完整的,可在先获得了瞳孔面积的像素数后求出瞳孔直径,即: 虹膜是圆形的,且不会因外界条件的改变而变化,因很难完整获得虹膜的图像,故我们可依据检测到虹膜的直径计算出其面积。虹膜与瞳孔的直径、面积数据均可作为本技术中的计算基础数据,它们之间并没有本质的不同。相比较而言,依据于面积计算的结果精度更高一些。
可看出无论是面积还是直径,其度量单位都是像素(Pixel),它不代表实际的面积或长度,它仅是表明被测物体在图像存储器中占用的二进制位数。
S804:根据获取到的其余所述瞳孔虹膜图像中的眼球数据,确定其余所述瞳孔虹膜图像的瞳孔直径。
步骤S804中根据其余所述瞳孔虹膜图像中的眼球数据确定其余所述瞳孔虹膜图像的瞳孔直径的方式,与步骤S803中的方式相同,此处不做过多说明。
S805:根据所述基准图像的瞳孔直径和每个所述瞳孔虹膜图像的瞳孔直径,计算每个所述瞳孔虹膜图像的虹膜直径校准系数。
在摄取被检测人眼球图像时,因被检测人并非处于固定位置,故多次摄取的被检测人眼球图像其距离是不相等的,故应将在不同距离摄取的各眼球图像修正为是在同等距离下得到的。本实施例中在对其余瞳孔虹膜图像中的眼球数据进行校准的时候,包括虹膜数据的修正和瞳孔数据的修正两个步骤。
具体的,参照图2示例,在对虹膜数据的修正时,假设某被检测人A在不同的光照强度环境和移动状态下,分别被测得并生成眼球图像组为Image1、Image2和Image3,其中Image1中的虹膜图像被确定为基准图像,并保存了其直径和面积像素值作为基准数据,它们数值分别如下:
Image1虹膜:Image1ID=56Pixel;Image1IA=2463Pixel;
而Image2和Image3如图11所示。他们的虹膜、瞳孔的直径(ImageD)、面积(ImageA)数据分别为:
Image2虹膜:Image2ID=50Pixel;Image2IA=1963Pixel;
Image2瞳孔:Image2PA=572Pixel;Image2PD=27Pixel;
Image3虹膜:Image3ID=60Pixel;Image3IA=2827Pixel;
Image3瞳孔:Image3PA=380Pixel;Image3PD=22Pixel;
对于被检测人A而言,其虹膜是个常数,且已将首次检测结果Image1的虹膜数据作为了基准,其余的检测结果应按照基准进行修正。已知基准虹膜直径为56Pixel,而Image2虹膜直径为50Pixel,显然Image2是因为被检测人A移动到了距镜头更远的位置摄取到的,亦即它是缩小了的图像;而Image3虹膜直径为60Pixel,应是A移动到了比摄取图像Image1时的距离更近的时候获取到的,它是一张放大了的图像。
因此,图像Image2的虹膜直径修正系数应为:Image1ID/Image2ID;同理,图像Image3的虹膜直径修正系数应为:Image1ID/Image3ID。
S806:根据每个所述瞳孔虹膜图像的虹膜直径校准系数,对所述虹膜直径校准系数对应的瞳孔虹膜图像的虹膜直径进行校准,得到所述目标数据。
基于步骤S805中是图像Image2的虹膜直径修正系数应为:Image1ID/Image2ID,根据Image2的虹膜直径修正系数,得到Image2校正后的虹膜直径为:Image2I′D=Image2ID×1.12;同理,图像Image3的虹膜直径修正系数应为:Image1ID/Image3ID,根据Image3的虹膜直径修正系数,得到Image3校正后的虹膜直径为:Image3I′D=Image3ID×0.93。
在对瞳孔数据进行修正时,因虹膜是个常数,它不会因外界环境或内在因素的影响而改变其直径。但作为虹膜中心开口的瞳孔,却会因各种因素导致直径发生改变。我们最终关注的也恰恰是瞳孔的变化,所以通过已知的Image2、Image3修正系数对其按照基准数据进行校正,便可知道它们的瞳孔实际数据(Pixel)。Image2校正后的瞳孔直径为:Image2P′D=27Pixel×1.12=30Pixel,Image2校正后的瞳孔面积为:Image2P′A=706Pixel;同样的,Image3校正后的瞳孔直径为:Image3P′D=22Pixel×0.93=20Pixel;Image3校正后的瞳孔面积为:Image3P′A=314Pixel。
S807:根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。
人类平均虹膜直径12mm,中国人的平均虹膜直径略小,大约11.4mm。瞳孔开大或缩小只是改变了虹膜中心开口的尺寸,虹膜的直径并没有任何变化。对某个个体的人而言,虹膜的尺寸或者直径是个常数,它不会随着瞳孔的大小的改变而变化。因此,只要测量出某环境条件下瞳孔相对于虹膜的比值,再根据同样环境条件下正常瞳孔相对于虹膜的比值,即可得出此时瞳孔的变化率。依据已知的瞳孔变化条件集合,不难计算出此刻被检测人的瞳孔是处在何种状态的。采用对眼球(虹膜及瞳孔)实施面积和直径的以像素为计量单位的测量方式,通过设定基准虹膜参数的方法,避开了瞳孔直径精确测量难度极大的不利点,以检测瞳孔相对于虹膜的变化率,实现了对被检测者状态的确定。
临床上,将瞳孔直径为3-4mm判定为正常瞳孔,若瞳孔小于2mm为缩小瞳孔,瞳孔大于5mm为瞳孔散大。通常的做法是在不同的光照强度条件下摄取多个瞳孔图像进行比较判别。一般在普通光照环境下摄取的瞳孔称为正常瞳孔,记作NP;在强光照环境下摄取的瞳孔称为亮瞳(瞳孔收缩),记作BP;在暗光照环境下摄取的瞳孔称为暗瞳(瞳孔扩大),记作DP;虹膜不随光照强度的改变而变化,记作Ir。相应的,用直径表示的瞳孔、虹膜参数分别记作:正常瞳孔直径(NPD)、亮瞳直径(BPD)、暗瞳直径(DPD)和虹膜直径(IrD);用面积表示的上述参数分别为:正常瞳孔面积(NPA)、亮瞳面积(BPA)、暗瞳面积(DPA)和虹膜面积(IrA)。正常人的瞳孔是会按照不同的光照强度进行收缩或扩大的,如若没有按照上述原则改变瞳孔,定是眼部疾病或者是控制瞳孔肌肉的脑干受损,即瞳孔异常。
判定瞳孔变化的方式可以是直径判定和比值判定。直径判定方式要求能够精确测量出瞳孔的实际尺寸,如3mm、4.5mm等,但如在未知距离条件下摄取瞳孔图像,实际上瞳孔的直径是不可知的。所以根据瞳孔的变化率或不同状态下瞳孔的比值来判定是否为瞳孔异常,是未知距离条件下摄取瞳孔和实施判别的唯一可行办法。
可选的,因瞳孔异常在直径上的变化体现是已知参数,故可据此设计出基于不同瞳孔直径变化的异常瞳孔判别方法:NPD,BPD/NPD,DPD/NPD;也可以设计出基于瞳孔面积间相互关系的瞳孔异常判别方法:NPA,BPA/NPA,DPA/NPA;还可以构建依据瞳孔相对于虹膜直径或面积变化的瞳孔异常判别方法:IrD,NPD/IrD,BPD/IrD,DPD/IrD;或者IrA,NPA/IrA,BPA/IrA,DPA/IrA。通过将计算出来的这些比值与预设的比值阈值进行对比,便可以判断出被测对象当前是否发生异常。
在已知瞳孔、虹膜直径、面积或者像素数值的条件下,可以对上述比值判别方法进行合适的变换。
接触式瞳孔直径测量设备,事实上是固定距离的瞳孔图像测量,仅适合于医院等机构使用;非接触式瞳孔测量方法,当被测对象处于运动状态下,也无法保证测量的准确性。利用既有瞳孔测量设备和方法进行瞳孔测量,存在测量精度不高,设备笨重,不能便携化,难于用在非医院场合。同时,依赖于与精确测量样本比对的检测方式是无法在入境通道或机场、车站的验证通道快速同步动态检测场合中使用的。本实施例技术引入了与瞳孔变化无关的虹膜参数,利用虹膜独有的特性,实现了对可变距离状态下摄取到的多幅眼球图像进行校正,解决了因摄取距离的不一造成的眼球图像尺寸上的差别的困境。这在动态摄取眼球图像检测时,允许被检测人处于运动中。这就使得基于该方法的设备具备了实用化的基础。利用不同光照强度条件下瞳孔变化率,或瞳孔相对于虹膜的变化率实现了对瞳孔变化的精确检测。
上述方案,通过获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;从所述瞳孔虹膜图像中选取其中一幅作为基准图像;根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;所述目标数据包括所述基准图像的眼球数据和所有所述校准之后的眼球数据;所述待校准图像包括除所述基准图像之外的瞳孔虹膜图像;根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。通过对在移动情况下拍摄到的多个瞳孔虹膜图像进行校准,解决了因图像摄取距离不一造成的眼球图像尺寸上的差别,利用瞳孔相对于虹膜的变化率,实现了对瞳孔变化的精确检测,进而完成对导致瞳孔异常现象的准确判别。
参见图12,图12是本实施例一实施例提供的一种动态瞳孔检测装置的示意图。动态瞳孔检测装置1200可以为智能手机、平板电脑等移动终端。本实施例的动态瞳孔检测装置1200包括的各单元用于执行图1对应的实施例中的各步骤,具体请参阅图1及图1对应的实施例中的相关描述,此处不赘述。本实施例的动态瞳孔检测装置1200包括:
获取单元1201,用于获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;
选取单元1202,用于从所述瞳孔虹膜图像中选取其中一幅作为基准图像;
校准单元1203,用于根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;所述目标数据包括所述基准图像的眼球数据和所有所述校准之后的眼球数据;所述待校准图像包括除所述基准图像之外的瞳孔虹膜图像;
检测单元1204,用于根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。
上述方案,通过获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;从所述瞳孔虹膜图像中选取其中一幅作为基准图像;根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;所述目标数据包括所述基准图像的眼球数据和所有所述校准之后的眼球数据;所述待校准图像包括除所述基准图像之外的瞳孔虹膜图像;根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。通过对在移动情况下拍摄到的多个瞳孔虹膜图像进行校准,解决了因图像摄取距离不一造成的眼球图像尺寸上的差别,利用瞳孔相对于虹膜的变化率,实现了对瞳孔变化的精确检测,进而完成对导致瞳孔异常现象的准确判别。
参见图13,图13是本实施例另一实施例提供的一种动态瞳孔检测装置的示意图。图13与图12的区别之处在于,图13将图12对应的步骤中的S1203包括了步骤S1303~S1307。动态瞳孔检测装置1300可以为智能手机、平板电脑等移动终端。本实施例的动态瞳孔检测装置1300包括的各单元用于执行图8对应的实施例中的各步骤,具体请参阅图8及图8对应的实施例中的相关描述,此处不赘述。本实施例的动态瞳孔检测装置1300包括:
获取单元1301,用于获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;
选取单元1302,用于从所述瞳孔虹膜图像中选取其中一幅作为基准图像;
校准单元1303,用于根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;所述目标数据包括所述基准图像的眼球数据和所有所述校准之后的眼球数据;所述待校准图像包括除所述基准图像之外的瞳孔虹膜图像;
检测单元1304,用于根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。
进一步的,所述校准单元1303包括:
第一直径单元,用于根据获取到的所述基准图像的眼球数据,确定所述基准图像的瞳孔直径;
第二直径单元,用于根据获取到的其余所述瞳孔虹膜图像中的眼球数据,确定其余所述瞳孔虹膜图像的瞳孔直径;
系数计算单元,用于根据所述基准图像的瞳孔直径和每个所述待校准图像的瞳孔直径,计算每个所述待校准图像的虹膜直径校准系数;
直径校准单元,用于根据每个所述待校准图像的虹膜直径校准系数,对所述虹膜直径校准系数对应的待校准图像的虹膜直径进行校准,得到所述目标数据。
进一步的,所述检测单元1304包括:
识别单元,用于识别拍摄瞳孔虹膜图像时的光照强度,根据所述光照强度确定所述目标数据中的普光数据、暗瞳数据以及亮瞳数据;
比值计算单元,用于分别计算所述普光数据中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳数据中的瞳孔面积与虹膜面积之间的第二比值、以及所述亮瞳数据中的瞳孔面积与虹膜面积之间的第三比值;
异常检测单元,用于若所述第二比值大于所述第一比值,或者所述第三比值小于所述第一比值时,则判定所述被测对象的瞳孔异常。
进一步的,所述第一直径单元包括:
根据获取到的所述基准图像的眼球数据,识别所述基准图像中的瞳孔面积的像素值;
根据所述瞳孔面积的像素值,计算所述基准图像的瞳孔直径。
进一步的,所述选取单元1302包括:
基准选取单元,用于从所述瞳孔虹膜图像中任意选取其中一幅作为所述基准图像。
上述方案,通过获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;从所述瞳孔虹膜图像中选取其中一幅作为基准图像;根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;所述目标数据包括所述基准图像的眼球数据和所有所述校准之后的眼球数据;所述待校准图像包括除所述基准图像之外的瞳孔虹膜图像;根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。通过对在移动情况下拍摄到的多个瞳孔虹膜图像进行校准,解决了因图像摄取距离不一造成的眼球图像尺寸上的差别,利用瞳孔相对于虹膜的变化率,实现了对瞳孔变化的精确检测,进而完成对导致瞳孔异常现象的准确判别。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本实施例的实施过程构成任何限定
参见图14,图14是本实施例再一实施例提供的一种动态瞳孔检测装置的示意图。如图14所示的本实施例中的动态瞳孔检测装置1400可以包括:处理器1401、存储器1402以及存储在存储器1402中并可在处理器1401上运行的计算机程序1403。处理器1401执行计算机程序1403时实现上述各个动态瞳孔检测方法实施例中的步骤。存储器1402用于存储计算机程序,所述计算机程序包括程序指令。处理器1401用于执行存储器1402存储的程序指令。其中,处理器1401被配置用于调用所述程序指令执行以下操作:
处理器1401用于获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;
从所述瞳孔虹膜图像中选取其中一幅作为基准图像;
根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;所述目标数据包括所述基准图像的眼球数据和所有所述校准之后的眼球数据;所述待校准图像包括除所述基准图像之外的瞳孔虹膜图像;
根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。
进一步的,处理器1401具体用于根据获取到的所述基准图像的眼球数据,确定所述基准图像的瞳孔直径;
根据获取到的其余所述瞳孔虹膜图像中的眼球数据,确定其余所述瞳孔虹膜图像的瞳孔直径;
根据所述基准图像的瞳孔直径和每个所述待校准图像的瞳孔直径,计算每个所述待校准图像的虹膜直径校准系数;
根据每个所述待校准图像的虹膜直径校准系数,对所述虹膜直径校准系数对应的待校准图像的虹膜直径进行校准,得到所述目标数据。
进一步的,处理器1401具体用于识别拍摄瞳孔虹膜图像时的光照强度,根据所述光照强度确定所述目标数据中的普光数据、暗瞳数据以及亮瞳数据;
分别计算所述普光数据中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳数据中的瞳孔面积与虹膜面积之间的第二比值、以及所述亮瞳数据中的瞳孔面积与虹膜面积之间的第三比值;
若所述第二比值大于所述第一比值,或者所述第三比值小于所述第一比值时,则判定所述被测对象的瞳孔异常。
进一步的,处理器1401具体用于根据获取到的所述基准图像的眼球数据,识别所述基准图像中的瞳孔面积的像素值;
根据所述瞳孔面积的像素值,计算所述基准图像的瞳孔直径。
进一步的,处理器1401具体用于从所述瞳孔虹膜图像中任意选取其中一幅作为所述基准图像。
上述方案,通过获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;从所述瞳孔虹膜图像中选取其中一幅作为基准图像;根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;所述目标数据包括所述基准图像的眼球数据和所有所述校准之后的眼球数据;所述待校准图像包括除所述基准图像之外的瞳孔虹膜图像;根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。通过对在移动情况下拍摄到的多个瞳孔虹膜图像进行校准,解决了因图像摄取距离不一造成的眼球图像尺寸上的差别,利用瞳孔相对于虹膜的变化率,实现了对瞳孔变化的精确检测,进而完成对导致瞳孔异常现象的准确判别。
应当理解,在本实施例中,所称处理器1401可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,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。
该存储器1402可以包括只读存储器和随机存取存储器,并向处理器1401提供指令和数据。存储器1402的一部分还可以包括非易失性随机存取存储器。例如,存储器1402还可以存储设备类型的信息。
具体实现中,本实施例中所描述的处理器1401、存储器1402、计算机程序1403可执行本实施例提供的动态瞳孔检测方法的第一实施例和第二实施例中所描述的实现方式,也可执行本实施例所描述的终端的实现方式,在此不再赘述。
在本实施例的另一实施例中提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时实现:
获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;
从所述瞳孔虹膜图像中选取其中一幅作为基准图像;
根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;所述目标数据包括所述基准图像的眼球数据和所有所述校准之后的眼球数据;所述待校准图像包括除所述基准图像之外的瞳孔虹膜图像;
根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。
进一步的,所述计算机程序被处理器执行时还实现:
根据获取到的所述基准图像的眼球数据,确定所述基准图像的瞳孔直径;
根据获取到的其余所述瞳孔虹膜图像中的眼球数据,确定其余所述瞳孔虹膜图像的瞳孔直径;
根据所述基准图像的瞳孔直径和每个所述待校准图像的瞳孔直径,计算每个所述待校准图像的虹膜直径校准系数;
根据每个所述待校准图像的虹膜直径校准系数,对所述虹膜直径校准系数对应的待校准图像的虹膜直径进行校准,得到所述目标数据。
进一步的,所述计算机程序被处理器执行时还实现:
识别拍摄瞳孔虹膜图像时的光照强度,根据所述光照强度确定所述目标数据中的普光数据、暗瞳数据以及亮瞳数据;
分别计算所述普光数据中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳数据中的瞳孔面积与虹膜面积之间的第二比值、以及所述亮瞳数据中的瞳孔面积与虹膜面积之间的第三比值;
若所述第二比值大于所述第一比值,或者所述第三比值小于所述第一比值时,则判定所述被测对象的瞳孔异常。
进一步的,所述计算机程序被处理器执行时还实现:
根据获取到的所述基准图像的眼球数据,识别所述基准图像中的瞳孔面积的像素值;
根据所述瞳孔面积的像素值,计算所述基准图像的瞳孔直径。
进一步的,所述计算机程序被处理器执行时还实现:
从所述瞳孔虹膜图像中任意选取其中一幅作为所述基准图像。
上述方案,通过获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;从所述瞳孔虹膜图像中选取其中一幅作为基准图像;根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;所述目标数据包括所述基准图像的眼球数据和所有所述校准之后的眼球数据;所述待校准图像包括除所述基准图像之外的瞳孔虹膜图像;根据所述目标数据,通过计算比值的方法检测所述被测对象的瞳孔是否发生异常。通过对在移动情况下拍摄到的多个瞳孔虹膜图像进行校准,解决了因图像摄取距离不一造成的眼球图像尺寸上的差别,利用瞳孔相对于虹膜的变化率,实现了对瞳孔变化的精确检测,进而完成对导致瞳孔异常现象的准确判别。
所述计算机可读存储介质可以是前述任一实施例所述的终端的内部存储单元,例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备,例如所述终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本实施例的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的终端和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的终端和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本实施例各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本实施例的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本实施例的具体实施方式,但本实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本实施例揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本实施例的保护范围之内。因此,本实施例的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种动态瞳孔检测方法,其特征在于,包括:
获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;
从所述瞳孔虹膜图像中选取其中一幅作为基准图像;
根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;所述目标数据包括所述基准图像的眼球数据和所有所述校准之后的眼球数据;所述待校准图像包括除所述基准图像之外的瞳孔虹膜图像;
识别拍摄瞳孔虹膜图像时的光照强度,根据所述光照强度确定所述目标数据中的普光数据、暗瞳数据以及亮瞳数据;
分别计算所述普光数据中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳数据中的瞳孔面积与虹膜面积之间的第二比值、以及所述亮瞳数据中的瞳孔面积与虹膜面积之间的第三比值;
若所述第二比值大于所述第一比值,或者所述第三比值小于所述第一比值时,则判定所述被测对象的瞳孔异常。
2.如权利要求1所述的动态瞳孔检测方法,其特征在于,所述根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据,包括:
根据获取到的所述基准图像的眼球数据,确定所述基准图像的瞳孔直径;
根据获取到的其余所述瞳孔虹膜图像中的眼球数据,确定其余所述瞳孔虹膜图像的瞳孔直径;
根据所述基准图像的瞳孔直径和每个所述待校准图像的瞳孔直径,计算每个所述待校准图像的虹膜直径校准系数;
根据每个所述待校准图像的虹膜直径校准系数,对所述虹膜直径校准系数对应的待校准图像的虹膜直径进行校准,得到所述目标数据。
3.如权利要求2所述的动态瞳孔检测方法,其特征在于,所述根据获取到的所述基准图像的眼球数据,确定所述基准图像的瞳孔直径,包括:
根据获取到的所述基准图像的眼球数据,识别所述基准图像中的瞳孔面积的像素值;
根据所述瞳孔面积的像素值,计算所述基准图像的瞳孔直径。
4.如权利要求1所述的动态瞳孔检测方法,其特征在于,所述从所述瞳孔虹膜图像中选取其中一幅作为基准图像,包括:
从所述瞳孔虹膜图像中任意选取其中一幅作为所述基准图像。
5.一种动态瞳孔检测装置,其特征在于,包括:
获取单元,用于获取预设环境下移动的被测对象的多个瞳孔虹膜图像;所述预设环境包括不同光通量下的环境;
选取单元,用于从所述瞳孔虹膜图像中选取其中一幅作为基准图像;
校准单元,用于根据获取到的所述基准图像中包含的眼球数据,对待校准图像中的眼球数据进行校准,得到目标数据;所述目标数据包括所述基准图像的眼球数据和所有所述校准之后的眼球数据;所述待校准图像包括除所述基准图像之外的瞳孔虹膜图像;
识别单元,用于识别拍摄瞳孔虹膜图像时的光照强度,根据所述光照强度确定所述目标数据中的普光数据、暗瞳数据以及亮瞳数据;
比值计算单元,用于分别计算所述普光数据中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳数据中的瞳孔面积与虹膜面积之间的第二比值、以及所述亮瞳数据中的瞳孔面积与虹膜面积之间的第三比值;
异常检测单元,用于若所述第二比值大于所述第一比值,或者所述第三比值小于所述第一比值时,则判定所述被测对象的瞳孔异常。
6.如权利要求5所述的动态瞳孔检测装置,其特征在于,所述校准单元包括:
第一直径单元,用于根据获取到的所述基准图像的眼球数据,确定所述基准图像的瞳孔直径;
第二直径单元,用于根据获取到的其余所述瞳孔虹膜图像中的眼球数据,确定其余所述瞳孔虹膜图像的瞳孔直径;
系数计算单元,用于根据所述基准图像的瞳孔直径和每个所述待校准图像的瞳孔直径,计算每个所述待校准图像的虹膜直径校准系数;
直径校准单元,用于根据每个所述待校准图像的虹膜直径校准系数,对所述虹膜直径校准系数对应的待校准图像的虹膜直径进行校准,得到所述目标数据。
7.一种动态瞳孔检测装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910309208.4A CN111832344B (zh) | 2019-04-17 | 2019-04-17 | 一种动态瞳孔检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910309208.4A CN111832344B (zh) | 2019-04-17 | 2019-04-17 | 一种动态瞳孔检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111832344A CN111832344A (zh) | 2020-10-27 |
CN111832344B true CN111832344B (zh) | 2023-10-24 |
Family
ID=72914867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910309208.4A Active CN111832344B (zh) | 2019-04-17 | 2019-04-17 | 一种动态瞳孔检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111832344B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128896B (zh) * | 2021-04-29 | 2023-07-18 | 重庆文理学院 | 基于物联网的智慧车间管理系统及方法 |
CN113397477B (zh) * | 2021-06-08 | 2023-02-21 | 山东第一医科大学附属肿瘤医院(山东省肿瘤防治研究院、山东省肿瘤医院) | 一种瞳孔监测方法及系统 |
CN114187647A (zh) * | 2021-12-10 | 2022-03-15 | 深圳爱酷智能科技有限公司 | 吸毒检测方法、装置、设备及存储介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999025239A1 (en) * | 1997-11-14 | 1999-05-27 | Stuart Brown | Automated photorefractive screening |
KR20010006975A (ko) * | 1999-04-09 | 2001-01-26 | 김대훈 | 동공 및 자율신경환의 반응에 의한 홍채인식방법 |
CN1505491A (zh) * | 2001-04-27 | 2004-06-16 | ��ϣ����ķ���ɷ�����˾ | 虹膜图案识别和对准 |
JP2008264341A (ja) * | 2007-04-24 | 2008-11-06 | Chube Univ | 眼球運動計測方法および眼球運動計測装置 |
CN101542522A (zh) * | 2007-03-15 | 2009-09-23 | 欧姆龙株式会社 | 眼睛颜色校正装置以及程序 |
CN103445759A (zh) * | 2013-09-06 | 2013-12-18 | 重庆大学 | 基于数字图像处理的瞳孔孔径对光反应自动测量装置 |
CN103544420A (zh) * | 2013-08-15 | 2014-01-29 | 马建 | 用于智能眼镜的防伪虹膜身份认证方法 |
CN105011899A (zh) * | 2015-07-16 | 2015-11-04 | 复旦大学附属金山医院 | 一种实验动物眼位曲率半径及瞳孔直径的计算方法 |
CN105105738A (zh) * | 2015-09-30 | 2015-12-02 | 宇龙计算机通信科技(深圳)有限公司 | 信息处理方法、装置及电子设备 |
CN105550631A (zh) * | 2015-08-25 | 2016-05-04 | 宇龙计算机通信科技(深圳)有限公司 | 一种虹膜图像采集方法及装置 |
CN106203338A (zh) * | 2016-07-11 | 2016-12-07 | 南京航空航天大学 | 基于网格区域分割和阈值自适应的人眼状态快速识别方法 |
CN106419830A (zh) * | 2016-11-10 | 2017-02-22 | 任秋生 | 一种瞳孔直径测量方法 |
KR101769741B1 (ko) * | 2016-09-26 | 2017-08-21 | 크루셜텍 (주) | 동공 탐지를 통한 홍채 인식 방법 및 홍채 인식 장치 |
CN107245509A (zh) * | 2017-05-22 | 2017-10-13 | 程树军 | 一种利用离体动物角膜模型多参数检测眼刺激性的方法 |
CN107679525A (zh) * | 2017-11-01 | 2018-02-09 | 腾讯科技(深圳)有限公司 | 图像分类方法、装置及计算机可读存储介质 |
CN108720851A (zh) * | 2018-05-23 | 2018-11-02 | 释码融和(上海)信息科技有限公司 | 一种驾驶状态检测方法、移动终端及存储介质 |
CN109086734A (zh) * | 2018-08-16 | 2018-12-25 | 新智数字科技有限公司 | 一种对人眼图像中瞳孔图像进行定位的方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9414745B2 (en) * | 2014-02-05 | 2016-08-16 | Andrew Elliott Neice | Pupillometry systems, methods, and devices |
KR102103286B1 (ko) * | 2015-02-10 | 2020-04-22 | 삼성전자주식회사 | 사용자 단말 및 이의 제공 방법 |
-
2019
- 2019-04-17 CN CN201910309208.4A patent/CN111832344B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999025239A1 (en) * | 1997-11-14 | 1999-05-27 | Stuart Brown | Automated photorefractive screening |
KR20010006975A (ko) * | 1999-04-09 | 2001-01-26 | 김대훈 | 동공 및 자율신경환의 반응에 의한 홍채인식방법 |
CN1505491A (zh) * | 2001-04-27 | 2004-06-16 | ��ϣ����ķ���ɷ�����˾ | 虹膜图案识别和对准 |
CN101542522A (zh) * | 2007-03-15 | 2009-09-23 | 欧姆龙株式会社 | 眼睛颜色校正装置以及程序 |
JP2008264341A (ja) * | 2007-04-24 | 2008-11-06 | Chube Univ | 眼球運動計測方法および眼球運動計測装置 |
CN103544420A (zh) * | 2013-08-15 | 2014-01-29 | 马建 | 用于智能眼镜的防伪虹膜身份认证方法 |
CN103445759A (zh) * | 2013-09-06 | 2013-12-18 | 重庆大学 | 基于数字图像处理的瞳孔孔径对光反应自动测量装置 |
CN105011899A (zh) * | 2015-07-16 | 2015-11-04 | 复旦大学附属金山医院 | 一种实验动物眼位曲率半径及瞳孔直径的计算方法 |
CN105550631A (zh) * | 2015-08-25 | 2016-05-04 | 宇龙计算机通信科技(深圳)有限公司 | 一种虹膜图像采集方法及装置 |
CN105105738A (zh) * | 2015-09-30 | 2015-12-02 | 宇龙计算机通信科技(深圳)有限公司 | 信息处理方法、装置及电子设备 |
CN106203338A (zh) * | 2016-07-11 | 2016-12-07 | 南京航空航天大学 | 基于网格区域分割和阈值自适应的人眼状态快速识别方法 |
KR101769741B1 (ko) * | 2016-09-26 | 2017-08-21 | 크루셜텍 (주) | 동공 탐지를 통한 홍채 인식 방법 및 홍채 인식 장치 |
CN106419830A (zh) * | 2016-11-10 | 2017-02-22 | 任秋生 | 一种瞳孔直径测量方法 |
CN107245509A (zh) * | 2017-05-22 | 2017-10-13 | 程树军 | 一种利用离体动物角膜模型多参数检测眼刺激性的方法 |
CN107679525A (zh) * | 2017-11-01 | 2018-02-09 | 腾讯科技(深圳)有限公司 | 图像分类方法、装置及计算机可读存储介质 |
CN108720851A (zh) * | 2018-05-23 | 2018-11-02 | 释码融和(上海)信息科技有限公司 | 一种驾驶状态检测方法、移动终端及存储介质 |
CN109086734A (zh) * | 2018-08-16 | 2018-12-25 | 新智数字科技有限公司 | 一种对人眼图像中瞳孔图像进行定位的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111832344A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111832344B (zh) | 一种动态瞳孔检测方法及装置 | |
US10376139B2 (en) | Systems and methods for improved ease and accuracy of gaze tracking | |
AU2012328140B2 (en) | System and method for identifying eye conditions | |
CN111128382B (zh) | 一种人工智能多模成像分析装置 | |
CN111295129B (zh) | 视敏度检查 | |
Kosekahya et al. | Repeatability and reliability of ectasia display and topometric indices with the Scheimpflug system in normal and keratoconic eyes | |
CN110393504B (zh) | 一种智能鉴毒的方法及装置 | |
EP3769283A1 (en) | Pupil edge detection in digital imaging | |
CN115409774A (zh) | 一种基于深度学习的眼检测方法及斜视筛查系统 | |
Cavalcanti et al. | Smartphone‐based spectral imaging otoscope: System development and preliminary study for evaluation of its potential as a mobile diagnostic tool | |
TWI494868B (zh) | 光學裝置及其運作方法 | |
Gairola et al. | SmartKC: smartphone-based corneal topographer for keratoconus detection | |
JP2010276616A (ja) | 血糖レベルの非侵入的測定 | |
Koprowski et al. | New automatic method for analysis and correction of image data from the Corvis tonometer | |
EP3730038B1 (en) | A computer-implemented method and system for interactively measuring ocular refractive errors, addition and power of reading glasses | |
US10702142B1 (en) | Functional retinal imaging with improved accuracy | |
WO2019076267A1 (zh) | 光纤束图像分析方法和装置 | |
KR20150106151A (ko) | 동적 움직임 측정을 통한 안면 신경마비의 정량화 방법 | |
EP4181763A1 (en) | System and method for acquisition and quantification of images with ocular staining | |
WO2020225544A1 (en) | Method and system for performing a visual function test | |
JPH0634779B2 (ja) | 眼測定装置 | |
CN111419173A (zh) | 基于眼底图像的黄斑色素密度测量方法及设备 | |
TWM651964U (zh) | 眼底影像檢核系統 | |
WO2020168009A1 (en) | Pupilometry with light intensity calibration | |
JPH08280621A (ja) | 角膜形状測定装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |