CN115359548B - 一种手持式智能瞳孔检测装置及检测方法 - Google Patents

一种手持式智能瞳孔检测装置及检测方法 Download PDF

Info

Publication number
CN115359548B
CN115359548B CN202210866773.2A CN202210866773A CN115359548B CN 115359548 B CN115359548 B CN 115359548B CN 202210866773 A CN202210866773 A CN 202210866773A CN 115359548 B CN115359548 B CN 115359548B
Authority
CN
China
Prior art keywords
pupil
image
point set
camera
detection
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
Application number
CN202210866773.2A
Other languages
English (en)
Other versions
CN115359548A (zh
Inventor
周晶
张叶
刘心睿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun Changguangxinyi Technology Co ltd
First Hospital Jinlin University
Original Assignee
Changchun Changguangxinyi Technology Co ltd
First Hospital Jinlin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changchun Changguangxinyi Technology Co ltd, First Hospital Jinlin University filed Critical Changchun Changguangxinyi Technology Co ltd
Priority to CN202210866773.2A priority Critical patent/CN115359548B/zh
Publication of CN115359548A publication Critical patent/CN115359548A/zh
Application granted granted Critical
Publication of CN115359548B publication Critical patent/CN115359548B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/193—Preprocessing; Feature extraction
    • 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
    • G06V10/30—Noise filtering
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明公开了一种手持式智能瞳孔检测装置及检测方法，属于计算机视觉技术与人工智能技术领域，本发明针对目前瞳孔检测时依据主观判断不准确的问题，本发明首先控制光源的亮度，并获取摄像头所采集患者眼部的图像，再对图像进行预处理，转换为二值图；通过轮廓检测提取轮廓近似，获取瞳孔初始区域；基于随机采样一致算法并根据最小二乘原理，对瞳孔初始区域进行鲁棒椭圆拟合，寻找到最优的瞳孔边缘特征点集；再基于最小二乘原理在最优特征点集上进行椭圆拟合，获得瞳孔区域拟合模型的参数，进而获得瞳孔的中心位置和直径大小，完成瞳孔区域的检测提取。将所标注的瞳孔区域和计算的直径大小与患者眼部的图像一并显示在检测装置的屏幕上。

Description

一种手持式智能瞳孔检测装置及检测方法
技术领域
本发明属于计算机视觉技术与人工智能技术领域，具体涉及一种手持式智能瞳孔检测装置
背景技术
瞳孔是表示眼睛中呈圆盘状的虹膜，中间的一个小圆孔。正常值为2.5mm-5.0mm，它在亮出处缩小，在暗光处放大。情绪紧张、激动时瞳孔会开大，深呼吸、脑力劳动、睡眠时瞳孔就缩小。此外当有某些疾病，或使用了某些药物时，瞳孔也会开大或缩小。
瞳孔大小的变化以及对光的反应。除了可以反映眼科本身的疾病以外，还可以反映全身的疾病。主要对内科疾病以及神经内科、脑外科疾病的鉴别、诊断和治疗方面都很有价值。对于昏迷的病人惊厥、抽搐、休克以及食物和药物中毒、呼吸循环衰竭病人的判断，对于颅脑损伤的病人根据瞳孔的变化可以判断颅脑损伤的部位，脑出血脑梗塞的病人也可以判断颅脑出血或者埂塞的大致部位。如果及时动态的观察瞳孔变化，可以预示某些疾病的预后或者某些疾病加重的先兆，可以抓住最佳时机来进行救治病人。
目前而言瞳孔的大小多数是主观判断，没有专门的仪器测量瞳孔的大小。对于瞳孔的大小变化，无法进行准确测量，在实际判断中，采用手电照射和医生肉眼观察，受到观察者的经验影响较大，对于经验不足的医生，容易出现判断失误。
发明内容
为了解决上述问题，本发明公开了一种手持式智能瞳孔检测装置和瞳孔尺寸检测方法，其中所述的手持式智能瞳孔检测装置，主要包括：主板3、摄像头4、光源5、屏幕6、电池7和开关8；
所述的主板3上设有电源和充放电管理模块31、接口模块32和核心模块33；其中电源和充放电管理模块31与电池7、摄像头4、光源5、屏幕6以及核心模块33连接，用于为上述部件提供电力，并对电池7的电量和充放电过程进行控制；开关8与电源和充放电管理模块31连接，控制装置的开启和关闭；
摄像头4用于采集患者眼部的图像信息；
核心模块33通过接口模块32与摄像头4、光源5和屏幕6相连，用于执行瞳孔尺寸检测方法，将所标注的瞳孔区域和计算的直径大小与患者眼部的图像一并显示在屏幕6上
进一步的，电源和充放电管理模块31由充电接口311、电池管理IC312和电源管理单元PMU313组成，电池7通过供电线连接到充电接口311和电池管理IC312，通过电池管理IC312对电池7的电量和充放电过程进行控制；当电池电量不足的情况下，通过在充放电接口上外接充电线可以给电池7进行充电；电源管理单元PMU313与摄像头4、光源5、屏幕6，以及核心模块33连接为上述部件提供电力。
进一步的，装置还包括壳体，壳体前端设有圆筒状的眼罩，眼罩端部与眼眶贴合，摄像头4设置在眼罩的中心，光源5位于摄像头4旁；屏幕6设置在壳体后部。
进一步的，所述壳体由前后两部分构成，后壳体1用于安装屏幕6和主板3，前壳体2用于安装电池7、摄像头4和光源5。
进一步的，当装置运行过程中，屏幕6上将会显示调节光源亮度的触控按键，在核心模块33检测到按键触控后，通过接口模块32来增加和降低光源5的发光亮度。
本发明中所述的瞳孔尺寸检测方法，包括以下步骤：
1)控制光源5的亮度，并获取摄像头4所采集患者眼部的图像，
2)对图像进行预处理，转换为二值图；
3)通过轮廓检测提取轮廓近似，获取瞳孔初始区域；
4)基于随机采样一致算法(Random Sample Consensus,RANSAC)，并根据最小二乘原理，对瞳孔初始区域进行鲁棒椭圆拟合，寻找到最优的瞳孔边缘特征点集；
5)再基于最小二乘原理在最优特征点集上进行椭圆拟合，获得瞳孔区域拟合模型的参数，进而获得瞳孔的中心位置和直径大小，完成瞳孔区域的检测提取。
6)将所标注的瞳孔区域和计算的直径大小与患者眼部的图像一并显示在屏幕6上。
具体的，步骤2)中的预处理包括：灰度变换、去噪和二值化处理；
2.1)灰度变换依据人眼对不同颜色的敏感度不同，通过亮度方程(式(1))将图片转化为较合理的灰度图像；
Gray(i，j)＝0.299R(i，j)+0.578G(i,j)+0.114B(i,j)(1)
式中，Gray、R、G、B分别代表像素的亮度和RGB值，i，j为像素点的横纵坐标；
2.2)对灰度图像进行高斯平滑滤波处理完成去噪；高斯核大小为3*3，标准差sigma＝0.8；
2.3)对步骤2.2)处理后的图像采用阈值处理方法，将灰度图转换为二值图，
其中阈值选取基于VOG(Video Oculography)数据集，采用基于累计直方图的自适应阈值算法训练获得。
具体的，步骤3)通过轮廓检测提取轮廓近似，获取瞳孔初始区域；
3.1)对图像进行形态学转换，以去除瞳孔区域和背景区域中的部分干扰噪点(光斑、睫毛等)；首先，以3×3大小的椭圆结构进行开运算操作，然后，以相同的椭圆结构对开运算后的图像进行闭运算操作；
3.2)对步骤3.1)处理后的图像进行反色操作；
3.3)通过对步骤3.2)处理后的图像进行拓扑分析，完成对所有轮廓的检测查找，获得各个轮廓的点集，实现瞳孔与虹膜初始可能区域边界的检测提取；
3.4)对步骤3.3)所提取到的所有轮廓进行凸包寻找，进一步缩小瞳孔候选区域，获取凸包的角点；
3.5)对步骤3.4)所寻找到的每个凸包，通过多边形逼近进行轮廓近似，其中近似精度设定为每一个凸包原轮廓周长的0.01倍；
3.6)计算原轮廓的面积大小，如果近似轮廓的多边形的点集数大于设定点集数阈值，且面积大于设定面积阈值，则该近似多边形所对应的原凸包轮廓即为瞳孔区域与背景的初始边界；
具体的，步骤4)基于随机采样一致算法(Random Sample Consensus,RANSAC)，并根据最小二乘原理，对瞳孔初始区域进行鲁棒椭圆拟合，寻找到最优的瞳孔边缘特征点集的步骤如下：
4.1)在瞳孔初始区域边界凸包点集上，随机选择K(K≥5)个不同点Si(xi，yi)构成子集S；
4.2)根据最小二乘原理，针对椭圆曲线隐式方程式(2)，在子集S上，通过最小化目标函数式(3)，获得拟合模型的参数A、B、C、D、E；
x2+Axy+By2+Cx+Dy+E＝0 (2)
4.3)以步骤4.2)拟合所得的椭圆模型在初始边界点集上进行评估：遍历初始边界点集的所有点，根据式(4)计算其到拟合椭圆模型的代数距离的绝对值；若该值小于设定距离阈值，则认为该点对上述拟合模型为局内点；
4.4)如果步骤4.3)所得局内点集数量大于上一次的局内点集数，则更新最优内点集；
4.5)多次循环步骤4.1)～4.4)获得最终瞳孔边缘特征点集P。
步骤5)基于最小二乘原理在最优特征点集上进行椭圆拟合，获得瞳孔区域拟合模型的参数，进而获得瞳孔的中心位置和直径大小，完成瞳孔区域的检测提取的步骤如下：
5.1)在步骤4)所得最优内点集P上，根据最小二乘原理，拟合椭圆模型(式(5)),通过最小化目标函数(式(6))获得拟合椭圆的参数；
x2+axy+by2+cx+dy+e＝0 (5)
5.2)根据步骤5.1)所得参数，计算椭圆的偏移角θ、圆心(xc，yc)、长轴w及短轴h；
5.3)根据步骤5.2)所得的数据，转换成瞳孔的中心位置(px，py)和直径dmm，
px＝xc (12)
py＝yc (13)
拍摄过程中瞳孔与摄像头之间的距离为l，则单位像素代表的物体实际长度，即摄像头在距离l处的像元分辨率dpi(l)可根据相机参数和光学原理得出：
其中，f为摄像头的焦距，s为摄像头的感光芯片象元尺寸；
最终得到瞳孔直径：
dmm＝max(w，h)×dpi(l) (15)。
优选的，本发明能够通过触摸屏幕对整个装置进行控制，能够通过菜单对装置参数进行设置，在使用中可以将拍摄的画面进行存储，或输出瞳孔尺寸随光线变化的图表。
本发明的有益效果：
本发明提出了便携式瞳孔识别设备和瞳孔尺寸识别的方法，相比于人工观察判断，本发明通过图像识别的方法判断瞳孔直径尺寸，能够输出量化的尺寸数据，防止人为观察造成的误差因素。通过装置进行人眼部图像的拍摄，使用者能够在屏幕上观察到更清晰的人眼和瞳孔图像，能够直观读取瞳孔直径数据，观测结果更准确，即使没有医学经验的使用者也能够利用本装置来进行瞳孔尺寸测量。
附图说明
图1为本发明的功能模块结构示意图；
图2为本发明装置的结构示意图；
图3A～图3D依次为本发明的瞳孔尺寸装置后视图、主视图、俯视图和等轴测视图；
图4为本发明的瞳孔尺寸检测方法流程图；
图5为本发明的瞳孔尺寸检测方法图像处理过程流程图。
具体实施方式
为使本实用新型的目的、技术方案和优点更加清楚明白，以下通过实施例并参照附图对本实用新型的内容进一步详细说明，但是本实用新型的实施方式不仅限于此。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
一种手持式智能瞳孔检测装置和瞳孔尺寸检测方法，其中所述的手持式智能瞳孔检测装置，主要包括：主板3、摄像头4、光源5、屏幕6、电池7和开关8；
所述的主板3上设有电源和充放电管理模块31、接口模块32和核心模块33；其中电源和充放电管理模块31与电池7、摄像头4、光源5、屏幕6以及核心模块33连接，用于为上述部件提供电力，并对电池7的电量和充放电过程进行控制；开关8与电源和充放电管理模块31连接，控制装置的开启和关闭；
摄像头4用于采集患者眼部的图像信息；
核心模块33通过接口模块32与摄像头4、光源5和屏幕6相连，用于执行瞳孔尺寸检测方法，将所标注的瞳孔区域和计算的直径大小与患者眼部的图像一并显示在屏幕6上
进一步的，电源和充放电管理模块31由充电接口311、电池管理IC312和电源管理单元PMU313组成，电池7通过供电线连接到充电接口311和电池管理IC312，通过电池管理IC312对电池7的电量和充放电过程进行控制；当电池电量不足的情况下，通过在充放电接口上外接充电线可以给电池7进行充电；电源管理单元PMU313与摄像头4、光源5、屏幕6，以及核心模块33连接为上述部件提供电力。
进一步的，装置还包括壳体，壳体前端设有圆筒状的眼罩，眼罩端部与眼眶贴合，摄像头4设置在眼罩的中心，光源5位于摄像头4旁；屏幕6设置在壳体后部。
进一步的，所述壳体由前后两部分构成，后壳体1用于安装屏幕6和主板3，前壳体2用于安装电池7、摄像头4和光源5。
进一步的，当装置运行过程中，屏幕上将会显示调节光源亮度的触控按键，在核心模块33检测到按键触控后，通过接口模块来增加和降低光源5的发光亮度。
本发明中所述的瞳孔尺寸检测方法，包括以下步骤：
1)控制光源5的亮度，并获取摄像头4所采集患者眼部的图像，
2)对于图像进行预处理，转换为二值图；
3)通过轮廓检测提取轮廓近似，获取瞳孔初始区域；
4)基于随机采样一致算法(Random Sample Consensus,RANSAC)，并根据最小二乘原理，对瞳孔初始区域进行鲁棒椭圆拟合，寻找到最优的瞳孔边缘特征点集；
5)再基于最小二乘原理在最优特征点集上进行椭圆拟合，获得瞳孔区域拟合模型的参数，进而获得瞳孔的中心位置和直径大小，完成瞳孔区域的检测提取。
6)将所标注的瞳孔区域和计算的直径大小与患者眼部的图像一并显示在屏幕6上。
具体的，步骤2)中的预处理包括：灰度变换、去噪和二值化处理；
2.1)灰度变换依据人眼对不同颜色的敏感度不同，通过亮度方程(式(1))将图片转化为较合理的灰度图像；
Gray(i，j)＝0.299R(i，j)+0.578G(i,j)+0.114B(i,j)(1)
式中，Gray、R、G、B分别代表像素的亮度和RGB值，i，j为像素点的横纵坐标；
2.2)对灰度图像进行高斯平滑滤波处理完成去噪；高斯核大小为3*3，标准差sigma＝0.8；
2.3)对步骤2.2)处理后的图像采用阈值处理方法，将灰度图转换为二值图，
其中阈值选取基于VOG(Video Oculography)数据集，采用基于累计直方图的自适应阈值算法训练获得。
具体的，步骤3)通过轮廓检测提取轮廓近似，获取瞳孔初始区域；
3.1)对图像进行形态学转换，以去除瞳孔区域和背景区域中的部分干扰噪点(光斑、睫毛等)；首先，以3×3大小的椭圆结构进行开运算操作，然后，以相同的椭圆结构对开运算后的图像进行闭运算操作；
3.2)对步骤3.1)处理后的图像进行反色操作；
3.3)通过对步骤3.2)处理后的图像进行拓扑分析，完成对所有轮廓的检测查找，获得各个轮廓的点集，实现瞳孔与虹膜初始可能区域边界的检测提取；
3.4)对步骤3.3)所提取到的所有轮廓进行凸包寻找，进一步缩小瞳孔候选区域，获取凸包的角点；
3.5)对步骤3.4)所寻找到的每个凸包，通过多边形逼近进行轮廓近似，其中近似精度设定为每一个凸包原轮廓周长的0.01倍；
3.6)计算原轮廓的面积大小，如果近似轮廓的多边形的点集数大于设定点集数阈值，且面积大于设定面积阈值，则该近似多边形所对应的原凸包轮廓即为瞳孔区域与背景的初始边界；
具体的，步骤4)基于随机采样一致算法(Random Sample Consensus,RANSAC)，并根据最小二乘原理，对瞳孔初始区域进行鲁棒椭圆拟合，寻找到最优的瞳孔边缘特征点集的步骤如下：
4.1)在瞳孔初始区域边界凸包点集上，随机选择K(K≥5)个不同点Si(xi，yi)构成子集S；
4.2)根据最小二乘原理，针对椭圆曲线隐式方程式(2)，在子集S上，通过最小化目标函数式(3)，获得拟合模型的参数A、B、C、D、E；
x2+Axy+By2+Cx+Dy+E＝0 (2)
4.3)以步骤4.2)拟合所得的椭圆模型在初始边界点集上进行评估：遍历初始边界点集的所有点，根据式(4)计算其到拟合椭圆模型的代数距离的绝对值；若该值小于设定距离阈值，则认为该点对上述拟合模型为局内点；
4.4)如果步骤4.3)所得局内点集数量大于上一次的局内点集数，则更新最优内点集；
4.5)多次循环步骤4.1)～4.4)获得最终瞳孔边缘特征点集P。
步骤5)基于最小二乘原理在最优特征点集上进行椭圆拟合，获得瞳孔区域拟合模型的参数，进而获得瞳孔的中心位置和直径大小，完成瞳孔区域的检测提取的步骤如下：
5.1)在步骤4)所得最优内点集P上，根据最小二乘原理，拟合椭圆模型(式(5)),通过最小化目标函数(式(6))获得拟合椭圆的参数；
x2+axy+by2+cx+dy+e＝0 (5)
5.2)根据步骤5.1)所得参数，计算椭圆的偏移角θ、圆心(xc，yc)、长轴w及短轴h；
5.3)根据步骤5.2)所得的数据，转换成瞳孔的中心位置(px，py)和直径dmm，
px＝xc (12)
py＝yc (13)
拍摄过程中瞳孔与摄像头之间的距离为l，则单位像素代表的物体实际长度，即摄像头在距离l处的像元分辨率dpi(l)可根据相机参数和光学原理得出：
其中，f为摄像头的焦距，s为摄像头的感光芯片象元尺寸；
最终得到瞳孔直径：
dmm＝max(w，h)×dpi(l) (15)
在优选实施例中，本发明的装置能够通过触摸屏幕对整个装置进行控制，能够通过菜单对装置参数进行设置，在使用中可以将拍摄的画面进行存储，或输出瞳孔尺寸随光线变化的图表。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (8)

1.一种手持式智能瞳孔检测装置，其特征在于，该装置包括：主板(3)、摄像头(4)、光源(5)、屏幕(6)、电池(7)和开关(8)；
所述的主板(3)上设有电源和充放电管理模块(31)、接口模块(32)和核心模块(33)；其中电源和充放电管理模块(31)与电池(7)、摄像头(4)、光源(5)、屏幕(6)以及核心模块(33)连接，用于为上述部件提供电力，并对电池(7)的电量和充放电过程进行控制；开关(8)与电源和充放电管理模块(31)连接，控制装置的开启和关闭；
摄像头(4)用于采集患者眼部的图像信息；
核心模块(33)通过接口模块(32)与摄像头(4)、光源(5)和屏幕(6)相连，用于执行瞳孔尺寸检测方法，将所标注的瞳孔区域和计算的直径大小与患者眼部的图像一并显示在屏幕(6)上；
所述的瞳孔尺寸检测方法包括以下步骤：
1)控制光源(5)的亮度，并获取摄像头(4)所采集患者眼部的图像；
2)对图像进行预处理，转换为二值图；
3)通过轮廓检测提取轮廓近似，获取瞳孔初始区域；
4)基于随机采样一致算法，并根据最小二乘原理，对瞳孔初始区域进行鲁棒椭圆拟合，寻找到最优的瞳孔边缘特征点集；
5)再基于最小二乘原理在最优特征点集上进行椭圆拟合，获得瞳孔区域拟合模型的参数，进而获得瞳孔的中心位置和直径大小，完成瞳孔区域的检测提取；
6)将所标注的瞳孔区域和计算的直径大小与患者眼部的图像一并显示在屏幕(6)上；
步骤3)中通过轮廓检测提取轮廓近似，获取瞳孔初始区域，具体步骤如下：
3.1)对图像进行形态学转换，以去除瞳孔区域和背景区域中的部分干扰噪点；首先，以3×3大小的椭圆结构进行开运算操作，然后，以相同的椭圆结构对开运算后的图像进行闭运算操作；
3.2)对步骤3.1)处理后的图像进行反色操作；
3.3)通过对步骤3.2)处理后的图像进行拓扑分析，完成对所有轮廓的检测查找，获得各个轮廓的点集，实现瞳孔与虹膜初始可能区域边界的检测提取；
3.4)对步骤3.3)所提取到的所有轮廓进行凸包寻找，进一步缩小瞳孔候选区域，获取凸包的角点；
3.5)对步骤3.4)所寻找到的每个凸包，通过多边形逼近进行轮廓近似，其中近似精度设定为每一个凸包原轮廓周长的0.01倍；
3.6)计算原轮廓的面积大小，如果近似轮廓的多边形的点集数大于设定点集数阈值，且面积大于设定面积阈值，则该近似多边形所对应的原凸包轮廓即为瞳孔区域与背景的初始边界。
2.根据权利要求1所述的手持式智能瞳孔检测装置，其特征在于，电源和充放电管理模块(31)由充电接口(311)、电池管理IC(312)和电源管理单元PMU(313)组成，电池(7)通过供电线连接到充电接口(311)和电池管理IC(312)，通过电池管理IC(312)对电池(7)的电量和充放电过程进行控制；电源管理单元PMU(313)与摄像头(4)、光源(5)、屏幕(6)，以及核心模块(33)连接为上述部件提供电力。
3.根据权利要求1所述的手持式智能瞳孔检测装置，其特征在于，装置还包括壳体，壳体前端设有圆筒状的眼罩，眼罩端部与眼眶贴合，摄像头(4)设置在眼罩的中心，光源(5)位于摄像头(4)旁；屏幕(6)设置在壳体后部。
4.根据权利要求1所述的手持式智能瞳孔检测装置，其特征在于，核心模块(33)在屏幕(6)上显示调节光源(5)亮度的触控按键，在核心模块(33)检测到按键触控后，通过接口模块(32)来增加和降低光源(5)的发光亮度。
5.根据权利要求1所述的手持式智能瞳孔检测装置，其特征在于，瞳孔尺寸检测方法步骤2)中的预处理包括：灰度变换、去噪和二值化处理；具体如下：
2.1)灰度变换依据人眼对不同颜色的敏感度不同，通过亮度方程，式(1)将图片转化为灰度图像；
Gray(i，j)＝0.299R(i，j)+0.578G(i，j)+0.114B(i，j) (1)
式中，Gray、R、G、B分别代表像素的亮度和RGB值，i，j为像素点的横纵坐标；
2.2)对灰度图像进行高斯平滑滤波处理完成去噪；高斯核大小为3*3，标准差sigma＝0.8；
2.3)对步骤2.2)处理后的图像采用阈值处理方法，将灰度图转换为二值图，
其中阈值选取基于VOG，Video Oculography数据集，采用基于累计直方图的自适应阈值算法训练获得。
6.根据权利要求1所述的手持式智能瞳孔检测装置，其特征在于，瞳孔尺寸检测方法步骤4)基于随机采样一致算法，并根据最小二乘原理，对瞳孔初始区域进行鲁棒椭圆拟合，寻找到最优的瞳孔边缘特征点集的步骤如下：
4.1)在瞳孔初始区域边界凸包点集上，随机选择K个不同点Si(xi，yi)构成子集S，K≥5；
4.2)根据最小二乘原理，针对椭圆曲线隐式方程式(2)，在子集S上，通过最小化目标函数式(3)，获得拟合模型的参数A、B、C、D、E；
x2+Axy+By2+Cx+Dy+E＝0 (2)
4.3)以步骤4.2)拟合所得的椭圆模型在初始边界点集上进行评估：遍历初始边界点集的所有点，根据式(4)计算其到拟合椭圆模型的代数距离的绝对值；若该值小于设定距离阈值，则认为该点对上述拟合模型为局内点；
4.4)如果步骤4.3)所得局内点集数量大于上一次的局内点集数，则更新最优局内点集；
4.5)多次循环步骤4.1)～4.4)获得最终最优的瞳孔边缘特征点集P。
7.根据权利要求1所述的手持式智能瞳孔检测装置，其特征在于，瞳孔尺寸检测方法步骤5)基于最小二乘原理在最优特征点集上进行椭圆拟合，获得瞳孔区域拟合模型的参数，进而获得瞳孔的中心位置和直径大小，完成瞳孔区域的检测提取的步骤如下：
5.1)在步骤4)所得最优内点集P上，根据最小二乘原理，拟合椭圆模型(式(5)),通过最小化目标函数，式(6)，获得拟合椭圆的参数；
x2+axy+by2+cx+dy+e＝0 (5)
5.2)根据步骤5.1)所得参数，计算椭圆的偏移角θ、圆心(xc，yc)、长轴w及短轴h；
5.3)根据步骤5.2)所得的数据，转换成瞳孔的中心位置(px，py)和直径dmm，
px＝xc (12)
py＝yc (13)
其中，l为拍摄过程中瞳孔与摄像头之间的距离，f为摄像头的焦距，s为摄像头的感光芯片象元尺寸。
8.根据权利要求1所述的手持式智能瞳孔检测装置的检测方法，其特征在于，瞳孔尺寸检测方法还包括步骤7)将多组不同亮度的瞳孔尺寸数据生成图表显示在屏幕(6)上。
CN202210866773.2A 2022-07-22 2022-07-22 一种手持式智能瞳孔检测装置及检测方法 Active CN115359548B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210866773.2A CN115359548B (zh) 2022-07-22 2022-07-22 一种手持式智能瞳孔检测装置及检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210866773.2A CN115359548B (zh) 2022-07-22 2022-07-22 一种手持式智能瞳孔检测装置及检测方法

Publications (2)

Publication Number Publication Date
CN115359548A CN115359548A (zh) 2022-11-18
CN115359548B true CN115359548B (zh) 2023-07-18

Family

ID=84031115

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210866773.2A Active CN115359548B (zh) 2022-07-22 2022-07-22 一种手持式智能瞳孔检测装置及检测方法

Country Status (1)

Country Link
CN (1) CN115359548B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116687340A (zh) * 2023-06-26 2023-09-05 湖南火眼医疗科技有限公司 一种基于人脸眼部特征识别的眼科检查辅助设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106056092A (zh) * 2016-06-08 2016-10-26 华南理工大学 基于虹膜与瞳孔的用于头戴式设备的视线估计方法
CN109815913A (zh) * 2019-01-28 2019-05-28 安徽大学 基于眼动信息的视觉增强感知系统及其方法
CN110555875A (zh) * 2019-07-25 2019-12-10 深圳壹账通智能科技有限公司 瞳孔半径的检测方法、装置、计算机设备和存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8860660B2 (en) * 2011-12-29 2014-10-14 Grinbath, Llc System and method of determining pupil center position
CN103679180B (zh) * 2012-09-19 2017-06-16 武汉元宝创意科技有限公司 一种基于单摄像头单光源的视线追踪方法
CN202981958U (zh) * 2012-12-28 2013-06-12 任建伟 一种便携式智能瞳孔检测装置
CN104680109B (zh) * 2013-12-03 2017-10-17 航天信息股份有限公司 一种基于图像识别的条码区域定位方法
CN105433899A (zh) * 2015-11-30 2016-03-30 中国科学院苏州生物医学工程技术研究所 瞳孔检测设备
JP7180209B2 (ja) * 2018-08-30 2022-11-30 日本電信電話株式会社 眼情報推定装置、眼情報推定方法、プログラム
CN113516716B (zh) * 2021-07-16 2022-11-08 燕山大学 一种单目视觉位姿测量及调整方法和系统
CN114020155A (zh) * 2021-11-05 2022-02-08 沈阳飞机设计研究所扬州协同创新研究院有限公司 一种基于眼动仪的高精度视线定位方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106056092A (zh) * 2016-06-08 2016-10-26 华南理工大学 基于虹膜与瞳孔的用于头戴式设备的视线估计方法
CN109815913A (zh) * 2019-01-28 2019-05-28 安徽大学 基于眼动信息的视觉增强感知系统及其方法
CN110555875A (zh) * 2019-07-25 2019-12-10 深圳壹账通智能科技有限公司 瞳孔半径的检测方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN115359548A (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
CN110276356B (zh) 基于r-cnn的眼底图像微动脉瘤识别方法
Li et al. Automated feature extraction in color retinal images by a model based approach
US7474775B2 (en) Automatic detection of red lesions in digital color fundus photographs
CN106778695A (zh) 一种基于视频的多人快速心率检测方法
US20140285768A1 (en) System and Method for Identifying Eye Conditions
CN106980852B (zh) 基于角点检测与匹配的药品识别系统及其识别方法
EP1587414B1 (en) A pupilometer
CN106056064A (zh) 一种人脸识别方法及人脸识别装置
CN105286768B (zh) 基于手机平台下的人体健康状态的舌苔诊断装置
Fuadah et al. Mobile cataract detection using optimal combination of statistical texture analysis
CN115359548B (zh) 一种手持式智能瞳孔检测装置及检测方法
CN113190117B (zh) 瞳孔、光斑定位方法、数据计算方法及相关装置
CN110338763A (zh) 一种智能中医诊测的图像处理方法及装置
CN114502059A (zh) 用于评估瞳孔反应的系统和方法
CN110929570B (zh) 虹膜快速定位装置及其定位方法
CN109431446A (zh) 一种在线视力检查方法、装置、终端设备及存储介质
CN115496700A (zh) 一种基于眼部图像的疾病检测系统及方法
JP3045129B2 (ja) 動物の個体識別装置
Mei et al. Optic disc segmentation method based on low rank matrix recovery theory
CN111210438A (zh) 镜子
CN111767829A (zh) 一种活体检测方法、装置、系统及存储介质
KR102473744B1 (ko) 가림 안가림 검사 중 획득한 안구 이미지 분석을 통한 사시진단방법
CN110859599A (zh) 脑血管病神经损伤病人认知功能自动化筛查系统
Doan et al. Implementation of complete glaucoma diagnostic system using machine learning and retinal fundus image processing
CN112674714A (zh) 一种通过滤镜与外设结合的手机检影验光方法

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
GR01 Patent grant
GR01 Patent grant