CN113780251A - 一种眼科检测设备的定位方法及系统 - Google Patents
一种眼科检测设备的定位方法及系统 Download PDFInfo
- Publication number
- CN113780251A CN113780251A CN202111329631.4A CN202111329631A CN113780251A CN 113780251 A CN113780251 A CN 113780251A CN 202111329631 A CN202111329631 A CN 202111329631A CN 113780251 A CN113780251 A CN 113780251A
- Authority
- CN
- China
- Prior art keywords
- region
- information
- facial
- positioning
- iris
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Abstract
本发明公开了一种眼科检测设备的定位方法及系统,涉及眼部检测领域,其中眼科检测设备的定位方法包括:获取目标对象面部图像信息,将所述面部图像信息进行五官区域定位,根据所述面部图像信息获取目标对象的眼部轮廓,并提取眼部轮廓的区域特征点,计算区域特征点坐标信息,通过所述区域特征点坐标信息确定目标对象眼部的粗定位,通过瞳孔及虹膜的轮廓获取虹膜边缘信息,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。本申请还通过误差补偿对眼科检测设备的定位进行修正,提升了其定位精度。
Description
技术领域
本发明涉及眼部检测领域,更具体的,涉及一种眼科检测设备的定位方法及系统。
背景技术
随着互联网时代的飞速进步和发展,人们的工作和生活中出现了越来越多电子产品,对于用眼的频繁程度加深,导致眼科疾病的发生。据世界卫生组织资料,包括屈光不正在内的眼科疾病已经成为继肿瘤和心脑血管疾病之后第三大威胁人类健康以及生存质量的疾病。因此对眼睛的健康检测就变得极为重要。在以往对眼睛进行检查时,通常需要采用手动操作方式对眼科检测设备进行定位,同时采用手动对焦对眼部的图像进行获取,通过眼部图像进行分析,由于手动定位的不确定性有时会造成定位的精确性不高,无法获取可用的眼部图像信息,因此需要能自动对眼球进行定位的系统。
为了使眼科检测设备的定位更加便捷、精细,需要开发一款系统与之配合进行实现,该系统通过获取目标对象面部图像信息,将面部图像信息进行五官区域定位,获取目标对象的眼部轮廓,并提取眼部轮廓的区域特征点,计算区域特征点的空间坐标,通过所述空间坐标确定目标对象眼部的粗定位,设定靶标图案对瞳孔及虹膜进行识别,计算瞳孔的中心坐标实现精准定位。在该系统的实现过程中,如何实现眼部区域的粗定位以及如何识别并计算瞳孔的中心坐标实现眼科检测设备的精准定位都是亟不可待需要解决的问题。
发明内容
为了解决上述技术问题,本发明提出了一种眼科检测设备的定位方法及系统。
本发明第一方面提供了一种眼科检测设备的定位方法,包括:
获取目标对象面部图像信息,将所述面部图像信息进行五官区域定位;
根据所述面部图像信息获取目标对象的眼部轮廓,并提取眼部轮廓的区域位置特征点;
计算区域位置特征点坐标,通过所述区域位置特征点坐标信息确定目标对象眼部的粗定位;
通过瞳孔及虹膜的轮廓获取虹膜边缘信息,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。
本方案中,所述获取目标对象面部图像信息,将所述面部图像信息进行五官区域定位,具体为:
获取目标对象面部图像信息,进行图像滤波去除各类噪声,对面部进行局部光照补偿进行面部纹理增强,得到面部纹理图像;
根据所述面部纹理图像进行分割,生成候选区域,提取所述候选区域特征;
建立五官区域验证分类模块,并根据预设五官区域特征进行初始化训练,将所述候选区域特征输入五官区域验证分类模块;
若所述五官区域验证分类模块的验证结果为1,则候选区域为五官区域,否则,候选区域为非五官区域;
将验证为五官区域的候选区域进行分类,提取面部图像信息中的眼部区域图像。
本方案中,所述的计算区域特征点坐标信息,通过所述区域特征点坐标信息确定目标对象眼部的粗定位,具体为:
将所述眼部轮廓划分为至少两块区域,获取每一块区域位置特征点;
基于所述区域位置特征点获取每一块区域的位置坐标集合,通过所述位置坐标集合实现目标对象眼部的粗定位。
所述位置坐标集合是区域内各位置特征点的坐标集合,可以表示眼部轮廓的区域位置。
本方案中,所述的通过瞳孔及虹膜的轮廓获取虹膜边缘信息,具体为:
获取目标对象眼部区域的图像信息,计算图像的梯度幅度,根据所述梯度幅度结合不同的阈值信息获取自适应梯度幅度;
将目标对象的瞳孔及虹膜区域设置为感兴趣区域,运用所述自适应梯度幅度作为阈值提取图像中感兴趣边缘区域;
若像素的幅度梯度大于所选阈值,则认为该像素属于边缘区域,否则,属于非边缘区域;
通过所述边缘区域得到瞳孔及虹膜的轮廓,确定虹膜边缘信息。
本方案中,所述的确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位,具体为:
以眼部轮廓的中心为起点,按照预设生长准则进行区域生长得到预设区域,根据已生长区域中所有像素点灰度值确定平均中心,所述预设区域为正方形区域,包含整个虹膜区域;
在预设区域中提取虹膜边缘,确定虹膜区域的圆形边缘;
基于局部区域效应建立边缘定位模型,通过所述边缘定位模型计算虹膜边缘的亚像素级边缘定位;
运用最小二乘椭圆拟合发对边缘进行迭代拟合,预设拟合误差阈值;
判断最终拟合误差是否小于预设拟合误差阈值;
若小于,则停止迭代,拟合的圆心为瞳孔的中心,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。
本方案中,所述的将坐标信息反馈到眼科检测设备实现精准定位,还包括:
获取瞳孔的中心位置坐标,将位置坐标信息反馈到眼科检测设备;
眼科检测设备根据所述中心位置坐标,将内置检测模块移动到坐标信息对应位置,标记为第一位置信息;
采集眼科检测设备中内部检测模块在检测过程中的实际位置信息;
将实际位置信息与第一位置信息进行比较,得到位置偏差率;
判断所述位置偏差率是否大于预设位置偏差率阈值;
若大于,则根据实际位置信息生成修正信息,对眼科检测设备中内部检测设备的位置进行误差补偿。
本发明第二方面还提供了一种眼科检测设备的定位系统,该系统包括:存储器、处理器,所述存储器中包括一种眼科检测设备的定位方法程序,所述一种眼科检测设备的定位的方法程序被所述处理器执行时实现如下步骤:
获取目标对象面部图像信息,将所述面部图像信息进行五官区域定位;
根据所述面部图像信息获取目标对象的眼部轮廓,并提取眼部轮廓的区域位置特征点;
计算区域位置特征点坐标,通过所述区域位置特征点坐标信息确定目标对象眼部的粗定位;
通过瞳孔及虹膜的轮廓获取虹膜边缘信息,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。
本方案中,所述获取目标对象面部图像信息,将所述面部图像信息进行五官区域定位,具体为:
获取目标对象面部图像信息,进行图像滤波去除各类噪声,对面部进行局部光照补偿进行面部纹理增强,得到面部纹理图像;
根据所述面部纹理图像进行分割,生成候选区域,提取所述候选区域特征;
建立五官区域验证分类模块,并根据预设五官区域特征进行初始化训练,将所述候选区域特征输入五官区域验证分类模块;
若所述五官区域验证分类模块的验证结果为1,则候选区域为五官区域,否则,候选区域为非五官区域;
将验证为五官区域的候选区域进行分类,提取面部图像信息中的眼部区域图像。
本方案中,所述的计算区域特征点坐标信息,通过所述区域特征点坐标信息确定目标对象眼部的粗定位,具体为:
将所述眼部轮廓划分为至少两块区域,获取每一块区域位置特征点;
基于所述区域位置特征点获取每一块区域的位置坐标集合,通过所述位置坐标集合实现目标对象眼部的粗定位。
所述位置坐标集合是区域内各位置特征点的坐标集合,可以表示眼部轮廓的区域位置。
本方案中,所述的通过瞳孔及虹膜的轮廓获取虹膜边缘信息,具体为:
获取目标对象眼部区域的图像信息,计算图像的梯度幅度,根据所述梯度幅度结合不同的阈值信息获取自适应梯度幅度;
将目标对象的瞳孔及虹膜区域设置为感兴趣区域,运用所述自适应梯度幅度作为阈值提取图像中感兴趣边缘区域;
若像素的幅度梯度大于所选阈值,则认为该像素属于边缘区域,否则,属于非边缘区域;
通过所述边缘区域得到瞳孔及虹膜的轮廓,确定虹膜边缘信息。
本方案中,所述的确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位,具体为:
以眼部轮廓的中心为起点,按照预设生长准则进行区域生长得到预设区域,根据已生长区域中所有像素点灰度值确定平均中心,所述预设区域为正方形区域,包含整个虹膜区域;
在预设区域中提取虹膜边缘,确定虹膜区域的圆形边缘;
基于局部区域效应建立边缘定位模型,通过所述边缘定位模型计算虹膜边缘的亚像素级边缘定位;
运用最小二乘椭圆拟合发对边缘进行迭代拟合,预设拟合误差阈值;
判断最终拟合误差是否小于预设拟合误差阈值;
若小于,则停止迭代,拟合的圆心为瞳孔的中心,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。
本方案中,所述的将坐标信息反馈到眼科检测设备实现精准定位,还包括:
获取瞳孔的中心位置坐标,将位置坐标信息反馈到眼科检测设备;
眼科检测设备根据所述中心位置坐标,将内置检测模块移动到坐标信息对应位置,标记为第一位置信息;
采集眼科检测设备中内部检测模块在检测过程中的实际位置信息;
将实际位置信息与第一位置信息进行比较,得到位置偏差率;
判断所述位置偏差率是否大于预设位置偏差率阈值;
若大于,则根据实际位置信息生成修正信息,对眼科检测设备中内部检测设备的位置进行误差补偿。
本申请公开的一种眼科检测设备的定位方法及系统,涉及眼部检测领域,其中眼科检测设备的定位方法包括:获取目标对象面部图像信息,将所述面部图像信息进行五官区域定位,根据所述面部图像信息获取目标对象的眼部轮廓,并提取眼部轮廓的区域特征点,计算区域特征点坐标信息,通过所述区域特征点坐标信息确定目标对象眼部的粗定位,通过瞳孔及虹膜的轮廓获取虹膜边缘信息,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。本申请还通过误差补偿对眼科检测设备的定位进行修正,提升了其定位精度。
附图说明
图1示出了本发明一种眼科检测设备的定位方法的流程图;
图2示出了本发明根据面部图像信息进行五官区域定位的方法流程图;
图3示出了本发明确定瞳孔的中心位置坐标的方法流程图;
图4示出了本发明一种眼科检测设备的定位系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种眼科检测设备的定位方法的流程图。
如图1所示,本发明第一方面提供了一种眼科检测设备的定位方法,包括:
S102,获取目标对象面部图像信息,将所述面部图像信息进行五官区域定位;
S104,根据所述面部图像信息获取目标对象的眼部轮廓,并提取眼部轮廓的区域位置特征点;
S106,计算区域位置特征点坐标,通过所述区域位置特征点坐标信息确定目标对象眼部的粗定位;
S108,通过瞳孔及虹膜的轮廓获取虹膜边缘信息,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。
根据本发明实施例,所述获取目标对象面部图像信息,将所述面部图像信息进行五官区域定位,具体为:
S202,获取目标对象面部图像信息,进行图像滤波去除各类噪声,对面部进行局部光照补偿进行面部纹理增强,得到面部纹理图像;
S204,根据所述面部纹理图像进行分割,生成候选区域,提取所述候选区域特征;
S206,建立五官区域验证分类模块,并根据预设五官区域特征进行初始化训练,将所述候选区域特征输入五官区域验证分类模块;
S208,若所述五官区域验证分类模块的验证结果为1,则候选区域为五官区域,否则,候选区域为非五官区域;
S210,将验证为五官区域的候选区域进行分类,提取面部图像信息中的眼部区域图像。
需要说明的是,所述的计算区域特征点坐标信息,通过所述区域特征点坐标信息确定目标对象眼部的粗定位,具体为:
将所述眼部轮廓划分为至少两块区域,获取每一块区域位置特征点;
基于所述区域位置特征点获取每一块区域的位置坐标集合,通过所述位置坐标集合实现目标对象眼部的粗定位。
所述位置坐标集合是区域内各位置特征点的坐标集合,可以表示眼部轮廓的区域位置。
需要说明的是,通过瞳孔及虹膜的轮廓获取虹膜边缘信息,具体为:
获取目标对象眼部区域的图像信息,计算图像的梯度幅度,根据所述梯度幅度结合不同的阈值信息获取自适应梯度幅度;
将目标对象的瞳孔及虹膜区域设置为感兴趣区域,运用所述自适应梯度幅度作为阈值提取图像中感兴趣边缘区域;
若像素的幅度梯度大于所选阈值,则认为该像素属于边缘区域,否则,属于非边缘区域;
通过所述边缘区域得到瞳孔及虹膜的轮廓,确定虹膜边缘信息。
根据本发明实施例,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位,具体为:
S302,以眼部轮廓的中心为起点,按照预设生长准则进行区域生长得到预设区域,根据已生长区域中所有像素点灰度值确定平均中心,所述预设区域为正方形区域,包含整个虹膜区域;
S304,在预设区域中提取虹膜边缘,确定虹膜区域的圆形边缘;
S306,基于局部区域效应建立边缘定位模型,通过所述边缘定位模型计算虹膜边缘的亚像素级边缘定位;
S308,运用最小二乘椭圆拟合发对边缘进行迭代拟合,预设拟合误差阈值;
S310,判断最终拟合误差是否小于预设拟合误差阈值;
S312,若小于,则停止迭代,拟合的圆心为瞳孔的中心,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。
需要说明的是,通过瞳孔及虹膜的轮廓获取虹膜边缘信息,具体为:
获取目标对象眼部区域的图像信息,计算图像的梯度幅度,根据所述梯度幅度结合不同的阈值信息获取自适应梯度幅度;
将目标对象的瞳孔及虹膜区域设置为感兴趣区域,运用所述自适应梯度幅度作为阈值提取图像中感兴趣边缘区域;
若像素的幅度梯度大于所选阈值,则认为该像素属于边缘区域,否则,属于非边缘区域;
通过所述边缘区域得到瞳孔及虹膜的轮廓,确定虹膜边缘信息。
需要说明的是,所述通过边缘定位模型计算虹膜边缘的亚像素级边缘定位,具体
为:原始图像坐标系为,虹膜边缘的局部坐标系为(),在真实的边缘图像
中,边缘位置是灰度分布从暗转亮变化过程中,导数发生最大变化所对应的位置,而虹膜边
缘点在局部坐标系中和图像坐标系中的位置转换关系为:
建立的边缘定位模型可以表示为:
其中,表示对应像素位置上的的强烈程度,表示局部坐标系中像素的位
置,表示图像坐标系中某个像素的位置,表示背景的强烈程度,表示亮区域中的强
烈程度的峰值,表示图像坐标系与局部坐标系中x轴夹角, 表示模型方差,表示实际
边缘的模拟函数,表示局部坐标系中原点在图像坐标系中的位置,为模型参数向量;
求解椭圆的基本参数,得到椭圆一般方程,根据椭圆的一般方程获取椭圆的几何中心,所得几何中心即为瞳孔的中心点位置,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。
需要说明的是,所述的将坐标信息反馈到眼科检测设备实现精准定位,还包括:
获取瞳孔的中心位置坐标,将位置坐标信息反馈到眼科检测设备;
眼科检测设备根据所述中心位置坐标,将内置检测模块移动到坐标信息对应位置,标记为第一位置信息;
采集眼科检测设备中内部检测模块在检测过程中的实际位置信息;
将实际位置信息与第一位置信息进行比较,得到位置偏差率;
判断所述位置偏差率是否大于预设位置偏差率阈值;
若大于,则根据实际位置信息生成修正信息,对眼科检测设备中内部检测设备的位置进行误差补偿。
根据本发明实施例,本发明眼科检测设备根据虹膜确定目标对象的身份信息,并将定位信息与目标患者身份信息进行匹配,具体为:
根据目标用户的挂号信息创建用户ID,当目标用户首次使用眼科检测设备进行眼部检查时,获取目标对象的人脸信息及虹膜信息;
将所述人脸信息绑定用户的挂号信息,通过预设方式向目标用户发送验证信息,将所述验证信息按照预设方式进行显示;
根据所述验证信息获取目标用户的反馈信息,若用户的反馈信息为“无误”,则将所述虹膜信息与用户的身份信息进行匹配,并保存,同时与所述用户ID进行绑定;
将目标对象的虹膜信息匹配目标用户的眼部定位信息保存到认证数据库中,并设置保密文件进行加密;
当目标用户使用眼科检测设备进行眼部复查时,获取目标对象的虹膜图像,提取所述虹膜图像中的特征斑块;
根据所述特征斑块的位置和形状信息作为检索条件在认证数据库中获取多个注册虹膜信息;
根据预设计算方式计算虹膜图像的相似度;
根据所述相似度按照倒叙排序将目标用户虹膜图像和认证数据库中虹膜图像进一步匹配,计算匹配度得分,并预设得分阈值;
若所述得分大于所述得分阈值,则判定该认证数据库中的虹膜图像为目标对象的虹膜图像,并调用用户身份信息发送给用户,进行用户验证,验证成功后调取目标用户的眼部定位信息。
需要说明的是,在进行虹膜图像获取时,可以设置多色光源配合,并按顺时针、逆时针或其他顺序单独点亮每个光源。为了在有限数量的光源下获取更多虹膜图像,也可以设置两个或两个以上的光源同时点亮,从而产生更多种波长的光。例如,可以设置红、绿、蓝三原色的光源,通过同时点亮红色光源和绿色光源产生黄色光,源点亮方案及其启用顺序可以自行设置。
图4示出了本发明一种眼科检测设备的定位系统的框图。
本发明第二方面还提供了一种眼科检测设备的定位系统4,该系统包括:存储器41、处理器42,所述存储器中包括一种眼科检测设备的定位方法程序,所述一种眼科检测设备的定位方法程序被所述处理器执行时实现如下步骤:
获取目标对象面部图像信息,将所述面部图像信息进行五官区域定位;
根据所述面部图像信息获取目标对象的眼部轮廓,并提取眼部轮廓的区域位置特征点;
计算区域位置特征点坐标,通过所述区域位置特征点坐标信息确定目标对象眼部的粗定位;
通过瞳孔及虹膜的轮廓获取虹膜边缘信息,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。
根据本发明实施例,所述获取目标对象面部图像信息,将所述面部图像信息进行五官区域定位,具体为:
获取目标对象面部图像信息,进行图像滤波去除各类噪声,对面部进行局部光照补偿进行面部纹理增强,得到面部纹理图像;
根据所述面部纹理图像进行分割,生成候选区域,提取所述候选区域特征;
建立五官区域验证分类模块,并根据预设五官区域特征进行初始化训练,将所述候选区域特征输入五官区域验证分类模块;
若所述五官区域验证分类模块的验证结果为1,则候选区域为五官区域,否则,候选区域为非五官区域;
将验证为五官区域的候选区域进行分类,提取面部图像信息中的眼部区域图像。
需要说明的是,所述的计算区域特征点坐标信息,通过所述区域特征点坐标信息确定目标对象眼部的粗定位,具体为:
将所述眼部轮廓划分为至少两块区域,获取每一块区域位置特征点;
基于所述区域位置特征点获取每一块区域的位置坐标集合,通过所述位置坐标集合实现目标对象眼部的粗定位。
所述位置坐标集合是区域内各位置特征点的坐标集合,可以表示眼部轮廓的区域位置。
需要说明的是,所述的通过瞳孔及虹膜的轮廓获取虹膜边缘信息,具体为:
获取目标对象眼部区域的图像信息,计算图像的梯度幅度,根据所述梯度幅度结合不同的阈值信息获取自适应梯度幅度;
将目标对象的瞳孔及虹膜区域设置为感兴趣区域,运用所述自适应梯度幅度作为阈值提取图像中感兴趣边缘区域;
若像素的幅度梯度大于所选阈值,则认为该像素属于边缘区域,否则,属于非边缘区域;
通过所述边缘区域得到瞳孔及虹膜的轮廓,确定虹膜边缘信息。
根据本发明实施例,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位,具体为:
以眼部轮廓的中心为起点,按照预设生长准则进行区域生长得到预设区域,根据已生长区域中所有像素点灰度值确定平均中心,所述预设区域为正方形区域,包含整个虹膜区域;
在预设区域中提取虹膜边缘,确定虹膜区域的圆形边缘;
基于局部区域效应建立边缘定位模型,通过所述边缘定位模型计算虹膜边缘的亚像素级边缘定位;
运用最小二乘椭圆拟合发对边缘进行迭代拟合,预设拟合误差阈值;
判断最终拟合误差是否小于预设拟合误差阈值;
若小于,则停止迭代,拟合的圆心为瞳孔的中心,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。
需要说明的是,所述通过边缘定位模型计算虹膜边缘的亚像素级边缘定位,具体
为:原始图像坐标系为,虹膜边缘的局部坐标系为(),在真实的边缘图像中,
边缘位置是灰度分布从暗转亮变化过程中,导数发生最大变化所对应的位置,而虹膜边缘
点在局部坐标系中和图像坐标系中的位置转换关系为:
建立的边缘定位模型可以表示为:
其中,表示对应像素位置上的的强烈程度,表示局部坐标系中像素的位
置,表示图像坐标系中某个像素的位置,表示背景的强烈程度,表示亮区域中的
强烈程度的峰值,表示图像坐标系与局部坐标系中x轴夹角, 表示模型方差,表示实
际边缘的模拟函数,表示局部坐标系中原点在图像坐标系中的位置,为模型参数向量;
求解椭圆的基本参数,得到椭圆一般方程,根据椭圆的一般方程获取椭圆的几何中心,所得几何中心即为瞳孔的中心点位置,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。
需要说明的是,所述的将坐标信息反馈到眼科检测设备实现精准定位,还包括:
获取瞳孔的中心位置坐标,将位置坐标信息反馈到眼科检测设备;
眼科检测设备根据所述中心位置坐标,将内置检测模块移动到坐标信息对应位置,标记为第一位置信息;
采集眼科检测设备中内部检测模块在检测过程中的实际位置信息;
将实际位置信息与第一位置信息进行比较,得到位置偏差率;
判断所述位置偏差率是否大于预设位置偏差率阈值;
若大于,则根据实际位置信息生成修正信息,对眼科检测设备中内部检测设备的位置进行误差补偿。
根据本发明实施例,本发明眼科检测设备根据虹膜确定目标对象的身份信息,并将定位信息与目标患者身份信息进行匹配,具体为:
根据目标用户的挂号信息创建用户ID,当目标用户首次使用眼科检测设备进行眼部检查时,获取目标对象的人脸信息及虹膜信息;
将所述人脸信息绑定用户的挂号信息,通过预设方式向目标用户发送验证信息,将所述验证信息按照预设方式进行显示;
根据所述验证信息获取目标用户的反馈信息,若用户的反馈信息为“无误”,则将所述虹膜信息与用户的身份信息进行匹配,并保存,同时与所述用户ID进行绑定;
将目标对象的虹膜信息匹配目标用户的眼部定位信息保存到认证数据库中,并设置保密文件进行加密;
当目标用户使用眼科检测设备进行眼部复查时,获取目标对象的虹膜图像,提取所述虹膜图像中的特征斑块;
根据所述特征斑块的位置和形状信息作为检索条件在认证数据库中获取多个注册虹膜信息;
根据预设计算方式计算虹膜图像的相似度;
根据所述相似度按照倒叙排序将目标用户虹膜图像和认证数据库中虹膜图像进一步匹配,计算匹配度得分,并预设得分阈值;
若所述得分大于所述得分阈值,则判定该认证数据库中的虹膜图像为目标对象的虹膜图像,并调用用户身份信息发送给用户,进行用户验证,验证成功后调取目标用户的眼部定位信息。
需要说明的是,在进行虹膜图像获取时,可以设置多色光源配合,并按顺时针、逆时针或其他顺序单独点亮每个光源。为了在有限数量的光源下获取更多虹膜图像,也可以设置两个或两个以上的光源同时点亮,从而产生更多种波长的光。例如,可以设置红、绿、蓝三原色的光源,通过同时点亮红色光源和绿色光源产生黄色光,源点亮方案及其启用顺序可以自行设置。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备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,如:多个单元或组件可以结合,或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,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以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,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、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,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种眼科检测设备的定位方法,其特征在于,包括;
获取目标对象面部图像信息,将所述面部图像信息进行五官区域定位;
根据所述面部图像信息获取目标对象的眼部轮廓,并提取眼部轮廓的区域位置特征点;
计算区域位置特征点坐标,通过所述区域位置特征点坐标信息确定目标对象眼部的粗定位;
通过瞳孔及虹膜的轮廓获取虹膜边缘信息,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。
2.根据权利要求1所述的一种眼科检测设备的定位方法,其特征在于,所述获取目标对象面部图像信息,将所述面部图像信息进行五官区域定位,具体为:
获取目标对象面部图像信息,进行图像滤波去除各类噪声,对面部进行局部光照补偿进行面部纹理增强,得到面部纹理图像;
根据所述面部纹理图像进行分割,生成候选区域,提取所述候选区域特征;
建立五官区域验证分类模块,并根据预设五官区域特征进行初始化训练,将所述候选区域特征输入五官区域验证分类模块;
若所述五官区域验证分类模块的验证结果为1,则候选区域为五官区域,否则,候选区域为非五官区域;
将验证为五官区域的候选区域进行分类,提取面部图像信息中的眼部区域图像。
3.根据权利要求1所述的一种眼科检测设备的定位方法,其特征在于,所述的计算区域特征点坐标信息,通过所述区域特征点坐标信息确定目标对象眼部的粗定位,具体为:
将所述眼部轮廓划分为至少两块区域,获取每一块区域位置特征点;
基于所述区域位置特征点获取每一块区域的位置坐标集合,通过所述位置坐标集合实现目标对象眼部的粗定位;
所述位置坐标集合是区域内各位置特征点的坐标集合,可以表示眼部轮廓的区域位置。
4.根据权利要求1所述的一种眼科检测设备的定位方法,其特征在于,所述的通过瞳孔及虹膜的轮廓获取虹膜边缘信息,具体为:
获取目标对象眼部区域的图像信息,计算图像的梯度幅度,根据所述梯度幅度结合不同的阈值信息获取自适应梯度幅度;
将目标对象的瞳孔及虹膜区域设置为感兴趣区域,运用所述自适应梯度幅度作为阈值提取图像中感兴趣边缘区域;
若像素的幅度梯度大于所选阈值,则认为该像素属于边缘区域,否则,属于非边缘区域;
通过所述边缘区域得到瞳孔及虹膜的轮廓,确定虹膜边缘信息。
5.根据权利要求1所述的一种眼科检测设备的定位方法,其特征在于,所述的确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位,具体为:
以眼部轮廓的中心为起点,按照预设生长准则进行区域生长得到预设区域,根据已生长区域中所有像素点灰度值确定平均中心;所述预设区域为正方形区域,包含整个虹膜区域;
在预设区域中提取虹膜边缘,确定虹膜区域的圆形边缘;
基于局部区域效应建立边缘定位模型,通过所述边缘定位模型计算虹膜边缘的亚像素级边缘定位;
运用最小二乘椭圆拟合发对边缘进行迭代拟合,预设拟合误差阈值;
判断最终拟合误差是否小于预设拟合误差阈值;
若小于,则停止迭代,拟合的圆心为瞳孔的中心,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。
6.根据权利要求1所述的一种眼科检测设备的定位方法,其特征在于,所述的将坐标信息反馈到眼科检测设备实现精准定位,还包括:
获取瞳孔的中心位置坐标,将位置坐标信息反馈到眼科检测设备;
眼科检测设备根据所述中心位置坐标,将内置检测模块移动到坐标信息对应位置,标记为第一位置信息;
采集眼科检测设备中内部检测模块在检测过程中的实际位置信息;
将实际位置信息与第一位置信息进行比较,得到位置偏差率;
判断所述位置偏差率是否大于预设位置偏差率阈值;
若大于,则根据实际位置信息生成修正信息,对眼科检测设备中内部检测设备的位置进行误差补偿。
7.一种眼科检测设备的定位系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括一种眼科检测设备的定位方法程序,所述一种眼科检测设备的定位的方法程序被所述处理器执行时实现如下步骤:
获取目标对象面部图像信息,将所述面部图像信息进行五官区域定位;
根据所述面部图像信息获取目标对象的眼部轮廓,并提取眼部轮廓的区域位置特征点;
计算区域位置特征点坐标,通过所述区域位置特征点坐标信息确定目标对象眼部的粗定位;
通过瞳孔及虹膜的轮廓获取虹膜边缘信息,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。
8.根据权利要求7所述的一种眼科检测设备的定位系统,其特征在于,所述获取目标对象面部图像信息,将所述面部图像信息进行五官区域定位,具体为:
获取目标对象面部图像信息,进行图像滤波去除各类噪声,对面部进行局部光照补偿进行面部纹理增强,得到面部纹理图像;
根据所述面部纹理图像进行分割,生成候选区域,提取所述候选区域特征;
建立五官区域验证分类模块,并根据预设五官区域特征进行初始化训练,将所述候选区域特征输入五官区域验证分类模块;
若所述五官区域验证分类模块的验证结果为1,则候选区域为五官区域,否则,候选区域为非五官区域;
将验证为五官区域的候选区域进行分类,提取面部图像信息中的眼部区域图像。
9.根据权利要求7所述的一种眼科检测设备的定位系统,其特征在于,所述的确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位,具体为:
以眼部轮廓的中心为起点,按照预设生长准则进行区域生长得到预设区域,根据已生长区域中所有像素点灰度值确定平均中心;所述预设区域为正方形区域,包含整个虹膜区域;
在预设区域中提取虹膜边缘,确定虹膜区域的圆形边缘;
基于局部区域效应建立边缘定位模型,通过所述边缘定位模型计算虹膜边缘的亚像素级边缘定位
运用最小二乘椭圆拟合发对边缘进行迭代拟合,预设拟合误差阈值;
判断最终拟合误差是否小于预设拟合误差阈值;
若小于,则停止迭代,拟合的圆心为瞳孔的中心,确定瞳孔的中心位置坐标,将坐标信息反馈到眼科检测设备实现精准定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111329631.4A CN113780251B (zh) | 2021-11-11 | 2021-11-11 | 一种眼科检测设备的定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111329631.4A CN113780251B (zh) | 2021-11-11 | 2021-11-11 | 一种眼科检测设备的定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113780251A true CN113780251A (zh) | 2021-12-10 |
CN113780251B CN113780251B (zh) | 2022-01-25 |
Family
ID=78873813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111329631.4A Active CN113780251B (zh) | 2021-11-11 | 2021-11-11 | 一种眼科检测设备的定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780251B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114129126A (zh) * | 2022-01-29 | 2022-03-04 | 北京九辰智能医疗设备有限公司 | 角膜中心定位方法、装置、设备及存储介质 |
CN114638879A (zh) * | 2022-03-21 | 2022-06-17 | 四川大学华西医院 | 一种医用的瞳孔大小测量系统 |
CN116058879A (zh) * | 2023-03-06 | 2023-05-05 | 潍坊医学院附属医院 | 一种基于眼科b超的检测系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426652A (zh) * | 2011-10-10 | 2012-04-25 | 北京工业大学 | 基于图像分析的中医面色识别和检索方法 |
CN104408462A (zh) * | 2014-09-22 | 2015-03-11 | 广东工业大学 | 面部特征点快速定位方法 |
CN104814717A (zh) * | 2015-04-14 | 2015-08-05 | 赵桂萍 | 一种补偿式消除变体位误差的眼震全图的检测方法和装置 |
US20160063319A1 (en) * | 2014-08-26 | 2016-03-03 | Hyundai Motor Company | Method and apparatus for tracking gaze |
CN105444699A (zh) * | 2015-11-11 | 2016-03-30 | 苏州大学附属儿童医院 | 一种显微操作系统坐标与位移误差检测和补偿的方法 |
CN105812778A (zh) * | 2015-01-21 | 2016-07-27 | 成都理想境界科技有限公司 | 双目ar头戴显示设备及其信息显示方法 |
CN106447720A (zh) * | 2016-08-29 | 2017-02-22 | 重庆市云日信息技术有限公司 | 一种构建黄金比例脸型的方法 |
CN107330371A (zh) * | 2017-06-02 | 2017-11-07 | 深圳奥比中光科技有限公司 | 3d脸部模型的脸部表情的获取方法、装置和存储装置 |
CN107909057A (zh) * | 2017-11-30 | 2018-04-13 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN108108684A (zh) * | 2017-12-15 | 2018-06-01 | 杭州电子科技大学 | 一种融合视线检测的注意力检测方法 |
CN111626143A (zh) * | 2020-05-06 | 2020-09-04 | 深圳市梦网视讯有限公司 | 一种基于眼睛定位的反向人脸检测方法、系统及设备 |
-
2021
- 2021-11-11 CN CN202111329631.4A patent/CN113780251B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426652A (zh) * | 2011-10-10 | 2012-04-25 | 北京工业大学 | 基于图像分析的中医面色识别和检索方法 |
US20160063319A1 (en) * | 2014-08-26 | 2016-03-03 | Hyundai Motor Company | Method and apparatus for tracking gaze |
CN104408462A (zh) * | 2014-09-22 | 2015-03-11 | 广东工业大学 | 面部特征点快速定位方法 |
CN105812778A (zh) * | 2015-01-21 | 2016-07-27 | 成都理想境界科技有限公司 | 双目ar头戴显示设备及其信息显示方法 |
CN104814717A (zh) * | 2015-04-14 | 2015-08-05 | 赵桂萍 | 一种补偿式消除变体位误差的眼震全图的检测方法和装置 |
CN105444699A (zh) * | 2015-11-11 | 2016-03-30 | 苏州大学附属儿童医院 | 一种显微操作系统坐标与位移误差检测和补偿的方法 |
CN106447720A (zh) * | 2016-08-29 | 2017-02-22 | 重庆市云日信息技术有限公司 | 一种构建黄金比例脸型的方法 |
CN107330371A (zh) * | 2017-06-02 | 2017-11-07 | 深圳奥比中光科技有限公司 | 3d脸部模型的脸部表情的获取方法、装置和存储装置 |
CN107909057A (zh) * | 2017-11-30 | 2018-04-13 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN108108684A (zh) * | 2017-12-15 | 2018-06-01 | 杭州电子科技大学 | 一种融合视线检测的注意力检测方法 |
CN111626143A (zh) * | 2020-05-06 | 2020-09-04 | 深圳市梦网视讯有限公司 | 一种基于眼睛定位的反向人脸检测方法、系统及设备 |
Non-Patent Citations (3)
Title |
---|
MARCO PEDROTTI 等: "A data-driven algorithm for offline pupil signal preprocessing and eyeblink detection in low-speed eye-tracking protocols", 《BEHAVIOR RESEARCH METHODS》 * |
常胜江 等: "人眼检测技术研究进展", 《JOURNAL OF DATA ACQUISITION AND PROCESSING》 * |
程时伟 等: "移动设备眼动跟踪技术", 《浙江大学学报(工学版)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114129126A (zh) * | 2022-01-29 | 2022-03-04 | 北京九辰智能医疗设备有限公司 | 角膜中心定位方法、装置、设备及存储介质 |
CN114129126B (zh) * | 2022-01-29 | 2022-05-27 | 北京九辰智能医疗设备有限公司 | 角膜中心定位方法、装置、设备及存储介质 |
CN114638879A (zh) * | 2022-03-21 | 2022-06-17 | 四川大学华西医院 | 一种医用的瞳孔大小测量系统 |
CN116058879A (zh) * | 2023-03-06 | 2023-05-05 | 潍坊医学院附属医院 | 一种基于眼科b超的检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113780251B (zh) | 2022-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113780251B (zh) | 一种眼科检测设备的定位方法及系统 | |
CN109493954B (zh) | 一种基于类别判别定位的sd-oct图像视网膜病变检测系统 | |
Wang et al. | Human visual system-based fundus image quality assessment of portable fundus camera photographs | |
Zuo et al. | On generation and analysis of synthetic iris images | |
Fang et al. | Robust iris presentation attack detection fusing 2d and 3d information | |
CN105426695B (zh) | 一种基于虹膜的健康状态检测系统 | |
JP4999731B2 (ja) | 顔画像処理装置 | |
CN111344703B (zh) | 基于虹膜识别的用户认证设备和方法 | |
CN112396573A (zh) | 基于图像识别的面部皮肤分析方法及系统 | |
CN111553880A (zh) | 模型生成方法、标签标注方法、虹膜图像质量评价方法及装置 | |
US20220198831A1 (en) | System for determining one or more characteristics of a user based on an image of their eye using an ar/vr headset | |
US8630469B2 (en) | Abnormal skin area calculating system and calculating method thereof | |
Sequeira et al. | Iris liveness detection methods in the mobile biometrics scenario | |
Parikh et al. | Effective approach for iris localization in nonideal imaging conditions | |
CN110598652B (zh) | 眼底数据预测方法和设备 | |
KR101779642B1 (ko) | 텍스처화된 영역들의 지능형 선택에 의해 홍채들의 이미지들을 비교하는 방법 | |
Thompson et al. | Assessing the impact of corneal refraction and iris tissue non-planarity on iris recognition | |
US11573432B2 (en) | Fitting orthokeratology lenses | |
Borkar et al. | IRIS Recognition System | |
BÁRTA | Generation of skin disease into the synthetic fingerprints | |
Chen | A Highly Efficient Biometrics Approach for Unconstrained Iris Segmentation and Recognition | |
CN111222448A (zh) | 图像转换方法及相关产品 | |
Shutler | Velocity moments for holistic shape description of temporal features | |
Sentanoe et al. | Iris localization using gradient magnitude and fourier descriptor | |
Jilani et al. | Man vs machine: the ethnic verification of Pakistani and non-Pakistani mouth features |
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 |