CN116798104A - 瞳孔检测方法、装置、设备及存储介质 - Google Patents
瞳孔检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116798104A CN116798104A CN202210272280.6A CN202210272280A CN116798104A CN 116798104 A CN116798104 A CN 116798104A CN 202210272280 A CN202210272280 A CN 202210272280A CN 116798104 A CN116798104 A CN 116798104A
- Authority
- CN
- China
- Prior art keywords
- region
- pupil
- point
- pixel
- filling
- 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 116
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims description 30
- 238000010586 diagram Methods 0.000 claims description 26
- 238000001914 filtration Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 16
- 239000004973 liquid crystal related substance Substances 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本发明实施例公开了一种瞳孔检测方法、装置、设备及存储介质。包括:对红外眼图进行区域填充,获得多个区域;从所述多个区域中确定初始瞳孔区域;对所述初始瞳孔区域进行设定方式的区域生长,获得目标瞳孔区域;将所述目标瞳孔区域的中心点确定为瞳孔中心。本发明实施例提供的瞳孔检测方法,可以快速准确的检测到瞳孔。
Description
技术领域
本发明实施例涉及眼动追踪技术领域,尤其涉及一种瞳孔检测方法、装置、设备及存储介质。
背景技术
现有的瞳孔中心检测方法首先采用深度学习算法提取虹膜区域图像,然后基于传统的区域生长方法确定出瞳孔区域。然而深度学习算法对CPU的占用率较高,需要花费较长的时间提取出虹膜区域图像;传统的区域生长方法需要进行多次连续的区域生长才能获得较为准确的瞳孔区域,耗时较长。
发明内容
本发明实施例提供一种瞳孔检测方法、装置、设备及存储介质,可以快速准确的检测到瞳孔。
第一方面,本发明实施例提供了一种瞳孔检测方法,包括:
对红外眼图进行区域填充,获得多个区域;
从所述多个区域中确定初始瞳孔区域;
对所述初始瞳孔区域进行设定方式的区域生长,获得目标瞳孔区域;
将所述目标瞳孔区域的中心点确定为瞳孔中心。
第二方面,本发明实施例还提供了一种瞳孔检测装置,其特征在于,包括:
区域填充模块,用于对红外眼图进行区域填充,获得多个区域;
初始瞳孔区域确定模块,用于从所述多个区域中确定初始瞳孔区域;
区域生长模块,用于对所述初始瞳孔区域进行设定方式的区域生长,获得目标瞳孔区域;
瞳孔中心确定模块,用于将所述目标瞳孔区域的中心点确定为瞳孔中心。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明实施例所述的瞳孔检测方法。
第四方面,本公开实施例还提供了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指令,所述计算机指令用于使处理器执行时实现本发明实施例所述的瞳孔检测方法。
本发明实施例公开了一种瞳孔检测方法、装置、设备及存储介质。对红外眼图进行区域填充,获得多个区域;从多个区域中确定初始瞳孔区域;对初始瞳孔区域进行设定方式的区域生长,获得目标瞳孔区域;将目标瞳孔区域的中心点确定为瞳孔中心。本发明实施例提供的瞳孔检测方法,可以快速准确的检测到瞳孔。
附图说明
图1是本发明实施例一中的一种瞳孔检测方法的流程图;
图2a是本发明实施例一中的红外眼图的示例图;
图2b是本发明实施例一中的中值滤波后的图像;
图3是本发明实施例一中的区域填充后获得的多个区域;
图4a是本发明实施例一中的椭圆拟合的实例图;
图4b是本发明实施例一中的区域生成的示例图;
图5是本发明实施例二中的一种瞳孔检测装置的结构示意图;
图6是本发明实施例三中的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种瞳孔检测方法的流程图,本实施例可适用于对瞳孔中心进行检测的情况,该方法可以由瞳孔检测装置来执行,如图1所示,该方法具体包括如下步骤:
S110,对红外眼图进行区域填充,获得多个区域。
其中,红外眼图可以是采用红外相机采集用户眼部获得的图像,红外相机可以是设置于眼动追踪设备上。示例性的,图2a为本实施例中的红外眼图的示例图,如图2a所示,红外眼图中包含有眼睛,眼睛虹膜上有反射的光斑。
本实施例中,区域填充的过程可以理解为将红外眼图中像素相近的像素点划分为同一个区域。
具体的,对红外眼图进行区域填充,获得多个区域的过程可以是:将原始红外眼图缩小设定倍数;将缩小的红外眼图进行中值滤波;对中值滤波后的红外眼图进行区域填充,获得多个区域。
其中,设定倍数可以是5-10之间的任意值,例如设置为7。其中,中值滤波的原理可以是将每一像素点的灰度值调整为该点设定邻域窗口(例如以该像素点为中心3*3的窗口)内的所有像素点灰度值的中值。本实施例将红外眼图缩小设定倍数,可以降低计算量。中值滤波可以使得红外眼图的边缘更清晰。示例性的,图2b是本实施例中中值滤波后的图像。
本实施例中,对中值滤波后的红外眼图进行区域填充,获得多个区域的方式可以是:遍历中值滤波后的红外眼图中的像素点,将遍历到的像素点作为种子点按照如下方式进行区域填充:将种子点作为起点,计算起点与领域像素点间的像素差值;将像素差值小于第一设定阈值的邻域像素点与起点合并为同一区域;将像素差值小于第一设定阈值的邻域像素点作为新的起点继续区域填充,直到完成区域填充,获得种子点对应的区域;继续遍历下一个未参与区域填充的像素点作为新的种子点进行区域填充,直到中值滤波后的红外眼图中的所有像素点参与区域填充,获得多个区域。
其中,第一设定阈值可以是5-8之间的任意值,例如设置为5。领域像素点可以是8邻域像素点。计算起点与领域像素点间的像素差值可以理解为:计算起点与领域像素点间的像素差值的绝对值。具体的,将遍历到的种子点作为起点,计算起点分别与8个领域像素点间的像素差值的绝对值,将像素差值的绝对值小于第一设定阈值的领域像素点与起点合为同一区域,并将像素差值的绝对值小于第一设定阈值的领域像素点作为新的起点继续区域填充,直到新的起点与其8个领域像素点间的像素差值的绝对值均大于第一设定值,获得该种子点对应的区域。继续遍历下一个未参与区域填充的种子点,直到所有像素点参与区域填充。示例性的,图3是本实施例中区域填充后获得的多个区域的示例图。如图3所示,10个子图中,每个子图中的白色区域为以某个种子点开始进行区域填充获得的区域。
S120,从多个区域中确定初始瞳孔区域。
本实施例中,首先从多个区域中选择形状满足设定条件的区域,作为候选区域,然后从候选区域中确定出初始瞳孔区域。其中,设定条件可以是形状近似椭圆。
可选的,从多个区域中确定初始瞳孔区域的过程可以是:对多个区域分别进行椭圆拟合,获得多个椭圆;将多个椭圆中填充度最大的区域确定为初始瞳孔区域。
其中,对区域进行椭圆拟合的方式可以是:提取区域的上下边缘点以及左右边缘点,基于提取出的四个边缘点进行椭圆拟合。填充度的计算方式可以是:将椭圆中包含的像素点处于椭圆的面积,获得椭圆的填充度。
具体的,首先从多个区域中选择出形状接近椭圆的区域,作为候选区域,然后对候选区域进行椭圆拟合,获得候选区域对应的椭圆,再然后计算各个椭圆的填充度,最后将填充度最大的椭圆确定为初始瞳孔区域。示例性的,图4a为椭圆拟合的实例图。如图4a所示,图中白色边缘线围成的区域为初始瞳孔区域。
S130,对初始瞳孔区域进行设定方式的区域生长,获得目标瞳孔区域。
本实施例中,为了提高瞳孔检测的准确性,需要将原始瞳孔区域映射至初始眼部图像中继续进行瞳孔区域的检测。
具体的,对初始瞳孔区域进行设定方式的区域生长,获得目标瞳孔区域的方式可以是:将初始瞳孔区域映射至原始红外眼图中;对映射后的原始红外眼图依次执行低值滤波及中值滤波;将滤波后的原始红外眼图中像素值最小的像素点确定为种子点;从种子点开始进行设定方式的区域生长,获得目标瞳孔区域。
其中,将初始瞳孔区域映射至原始红外眼图中的方式可以是:若初始瞳孔区域是基于缩小后的眼部图像获得的,则需要将初始瞳孔区域所在的图像在放大回原始尺寸,并将放大后的图像与原始红外眼图对齐,从而将初始瞳孔区域映射至原始红外眼图,即获得到原始红外眼图中的初始瞳孔区域。
低值滤波的原理可以是将每一像素点的灰度值调整为该点设定邻域窗口(例如以该像素点为中心3*3的窗口)内的所有像素点灰度值的最小值。
具体的,从种子点开始进行设定方式的区域生长,获得目标瞳孔区域的方式可以是:将种子点作为起点,若起点与多个设定像素点间的像素差值均小于第二设定阈值,则将起点的领域像素点与起点合并为同一区域;将领域像素点作为新的起点进行设定方式的区域生长,直到区域生长完成。
其中,设定像素点为与起点的距离为设定值。设定值可以是3-5个像素点,例如:设置为3个像素点。多个设定像素点可以是:位于起点上下左右四个方向且距离为3个像素点的像素点。领域像素点为8领域像素点。第二设定阈值可以是5-8之间的任意值,例如设置为5。起点与多个设定像素点间的像素差值可以理解为:起点与多个设定像素点间的像素差值的绝对值。
具体的,将种子点作为起点,若起点与多个设定像素点间的像素差值均小于5,则将起点的8邻域像素点与起点合并为同一区域,并将领域像素点作为新的起点进行设定方式的区域生长,若起点与多个设定像素点间的像素差值中有至少一个大于或者等于5,则该起点停止生长。直到所有新的起点停止生长,则区域生长完成。示例性的,4b为本实施例中区域生成的示例图,如图4b所示,白色区域为区域生成的结果。
S140,将目标瞳孔区域的中心点确定为瞳孔中心。
其中,目标瞳孔区域的中心点的确定方式可以是:提取目标瞳孔区域的上下边缘点和左右边缘点,将上下边缘点的连线与左右边缘点连线的交点确定为中心点。
具体的,将目标瞳孔区域的中心点确定为瞳孔中心的过程可以是:对目标瞳孔区域进行椭圆拟合;将拟合出的椭圆中心确定为瞳孔中心。
其中,椭圆拟合的过程可以是:提取目标瞳孔区域的上下边缘点和左右边缘点,基于提取的上下边缘点和左右边缘点进行椭圆拟合。
本实施例的技术方案,对红外眼图进行区域填充,获得多个区域;从多个区域中确定初始瞳孔区域;对初始瞳孔区域进行设定方式的区域生长,获得目标瞳孔区域;将目标瞳孔区域的中心点确定为瞳孔中心。本发明实施例提供的瞳孔检测方法,可以快速准确的检测到瞳孔。
实施例二
图5是本发明实施例二提供的一种瞳孔检测装置的结构示意图,如图5所示,该装置包括:
区域填充模块510,用于对红外眼图进行区域填充,获得多个区域;
初始瞳孔区域确定模块520,用于从多个区域中确定初始瞳孔区域;
区域生长模块530,用于对初始瞳孔区域进行设定方式的区域生长,获得目标瞳孔区域;
瞳孔中心确定模块540,用于将目标瞳孔区域的中心点确定为瞳孔中心。
可选的,区域填充模块510,还用于:
将原始红外眼图缩小设定倍数;
将缩小的红外眼图进行中值滤波;
对中值滤波后的红外眼图进行区域填充,获得多个区域。
可选的,区域填充模块510,还用于:
遍历中值滤波后的红外眼图中的像素点,将遍历到的像素点作为种子点按照如下方式进行区域填充:
将种子点作为起点,计算起点与领域像素点间的像素差值;
将像素差值小于第一设定阈值的邻域像素点与起点合并为同一区域;
将像素差值小于第一设定阈值的邻域像素点作为新的起点继续区域填充,直到完成区域填充,获得种子点对应的区域;
继续遍历下一个未参与区域填充的像素点作为新的种子点进行区域填充,直到中值滤波后的红外眼图中的所有像素点参与区域填充,获得多个区域。
可选的,初始瞳孔区域确定模块520,还用于:
对多个区域分别进行椭圆拟合,获得多个椭圆;
将多个椭圆中填充度最大的区域确定为初始瞳孔区域。
可选的,区域生长模块530,还用于:
将初始瞳孔区域映射至原始红外眼图中;
对映射后的原始红外眼图依次执行低值滤波及中值滤波;
将滤波后的原始红外眼图中像素值最小的像素点确定为种子点;
从种子点开始进行设定方式的区域生长,获得目标瞳孔区域。
可选的,区域生长模块530,还用于:
将种子点作为起点,若起点与多个设定像素点间的像素差值均小于第二设定阈值,则将起点的领域像素点与起点合并为同一区域;其中,设定像素点为与起点的距离为设定值;
将领域像素点作为新的起点进行设定方式的区域生长,直到区域生长完成。
可选的,瞳孔中心确定模块540,还用于:
对目标瞳孔区域进行椭圆拟合;
将拟合出的椭圆中心确定为瞳孔中心。
上述装置可执行本发明前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明前述所有实施例所提供的方法。
实施例三
图6示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如瞳孔检测方法。
在一些实施例中,瞳孔检测方法可以被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的瞳孔检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行瞳孔检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可以在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声音输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种瞳孔检测方法,其特征在于,包括:
对红外眼图进行区域填充,获得多个区域;
从所述多个区域中确定初始瞳孔区域;
对所述初始瞳孔区域进行设定方式的区域生长,获得目标瞳孔区域;
将所述目标瞳孔区域的中心点确定为瞳孔中心。
2.根据权利要求1所述的方法,其特征在于,对红外眼图进行区域填充,获得多个区域,包括:
将原始红外眼图缩小设定倍数;
将缩小的红外眼图进行中值滤波;
对中值滤波后的红外眼图进行区域填充,获得多个区域。
3.根据权利要求2所述的方法,其特征在于,对中值滤波后的红外眼图进行区域填充,获得多个区域,包括:
遍历中值滤波后的红外眼图中的像素点,将遍历到的像素点作为种子点按照如下方式进行区域填充:
将种子点作为起点,计算所述起点与领域像素点间的像素差值;
将所述像素差值小于第一设定阈值的邻域像素点与所述起点合并为同一区域;
将所述像素差值小于第一设定阈值的邻域像素点作为新的起点继续区域填充,直到完成区域填充,获得所述种子点对应的区域;
继续遍历下一个未参与区域填充的像素点作为新的种子点进行区域填充,直到中值滤波后的红外眼图中的所有像素点参与区域填充,获得多个区域。
4.根据权利要求1所述的方法,其特征在于,从所述多个区域中确定初始瞳孔区域,包括:
对所述多个区域分别进行椭圆拟合,获得多个椭圆;
将所述多个椭圆中填充度最大的区域确定为初始瞳孔区域。
5.根据权利要求2所述的方法,其特征在于,对所述初始瞳孔区域进行设定方式的区域生长,获得目标瞳孔区域,包括:
将所述初始瞳孔区域映射至所述原始红外眼图中;
对映射后的原始红外眼图依次执行低值滤波及中值滤波;
将滤波后的原始红外眼图中像素值最小的像素点确定为种子点;
从所述种子点开始进行设定方式的区域生长,获得目标瞳孔区域。
6.根据权利要求5所述的方法,其特征在于,从所述种子点开始进行设定方式的区域生长,获得目标瞳孔区域,包括:
将所述种子点作为起点,若所述起点与多个设定像素点间的像素差值均小于第二设定阈值,则将所述起点的领域像素点与所述起点合并为同一区域;其中,所述设定像素点为与所述起点的距离为设定值;
将所述领域像素点作为新的起点进行所述设定方式的区域生长,直到区域生长完成。
7.根据权利要求1所述的方法,其特征在于,将所述目标瞳孔区域的中心点确定为瞳孔中心,包括:
对所述目标瞳孔区域进行椭圆拟合;
将拟合出的椭圆中心确定为瞳孔中心。
8.一种瞳孔检测装置,其特征在于,包括:
区域填充模块,用于对红外眼图进行区域填充,获得多个区域;
初始瞳孔区域确定模块,用于从所述多个区域中确定初始瞳孔区域;
区域生长模块,用于对所述初始瞳孔区域进行设定方式的区域生长,获得目标瞳孔区域;
瞳孔中心确定模块,用于将所述目标瞳孔区域的中心点确定为瞳孔中心。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的瞳孔检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的瞳孔检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210272280.6A CN116798104A (zh) | 2022-03-18 | 2022-03-18 | 瞳孔检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210272280.6A CN116798104A (zh) | 2022-03-18 | 2022-03-18 | 瞳孔检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116798104A true CN116798104A (zh) | 2023-09-22 |
Family
ID=88044365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210272280.6A Pending CN116798104A (zh) | 2022-03-18 | 2022-03-18 | 瞳孔检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116798104A (zh) |
-
2022
- 2022-03-18 CN CN202210272280.6A patent/CN116798104A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112801164B (zh) | 目标检测模型的训练方法、装置、设备及存储介质 | |
CN113205041B (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
CN115272291A (zh) | 一种贴膜的缺陷检测方法、装置、设备及存储介质 | |
CN116385415A (zh) | 一种边缘缺陷检测方法、装置、设备及存储介质 | |
CN116012859A (zh) | 基于清晰度指标的文本图像拒识判断方法、装置及设备 | |
CN116798104A (zh) | 瞳孔检测方法、装置、设备及存储介质 | |
CN113762397B (zh) | 检测模型训练、高精度地图更新方法、设备、介质及产品 | |
CN114119990B (zh) | 用于图像特征点匹配的方法、装置及计算机程序产品 | |
CN115546764A (zh) | 一种障碍物检测方法、装置、设备及存储介质 | |
CN112991308B (zh) | 一种图像质量的确定方法、装置、电子设备和介质 | |
CN116844218A (zh) | 眼皮检测方法、装置、设备及存储介质 | |
CN114092739B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN115690143B (zh) | 图像分割方法、装置、电子设备及存储介质 | |
CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
CN117670772A (zh) | 瞳孔检测方法、装置、设备及存储介质 | |
CN115984282B (zh) | 一种氨纶产品检测方法、装置、设备及存储介质 | |
CN113012180B (zh) | 图像的成像设备确定方法、装置、设备及存储介质 | |
CN116958047A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN117197879A (zh) | 眼皮检测方法、装置、设备及存储介质 | |
CN116129243A (zh) | 一种雷达图像的物体检测方法、装置、设备及存储介质 | |
CN117808775A (zh) | 一种缺陷层级的确定方法、装置、电子设备及存储介质 | |
CN117372386A (zh) | 货物超板区域的检测方法、装置、设备和介质 | |
CN117636231A (zh) | 一种目标检测方法、装置、电子设备及存储介质 | |
CN117962327A (zh) | 一种异形零件的贴装方法、装置、电子设备及存储介质 | |
CN116883969A (zh) | 一种地面点云的识别方法、装置、电子设备及存储介质 |
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 |