TWI692729B - 確定瞳孔位置的方法和裝置 - Google Patents

確定瞳孔位置的方法和裝置 Download PDF

Info

Publication number
TWI692729B
TWI692729B TW107147366A TW107147366A TWI692729B TW I692729 B TWI692729 B TW I692729B TW 107147366 A TW107147366 A TW 107147366A TW 107147366 A TW107147366 A TW 107147366A TW I692729 B TWI692729 B TW I692729B
Authority
TW
Taiwan
Prior art keywords
edge
pupil
area
edge region
aforementioned
Prior art date
Application number
TW107147366A
Other languages
English (en)
Other versions
TW201928759A (zh
Inventor
劉偉
任冬淳
王健
聶鳳梅
楊孟
Original Assignee
大陸商北京七鑫易維信息技術有限公司
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 大陸商北京七鑫易維信息技術有限公司 filed Critical 大陸商北京七鑫易維信息技術有限公司
Publication of TW201928759A publication Critical patent/TW201928759A/zh
Application granted granted Critical
Publication of TWI692729B publication Critical patent/TWI692729B/zh

Links

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
    • G06V40/193—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本發明提供一種確定瞳孔位置的方法和裝置。其中，前述方法包括：獲取圖像中瞳孔的第一參數、瞳孔的起始邊緣區域以及圖像中光斑的第二參數；根據第一參數以及第二參數對起始邊緣區域進行處理，得到第一邊緣區域；根據第一邊緣區域內的邊緣片段確定瞳孔邊緣區域，且，邊緣片段為由第一邊緣區域內滿足第一預設條件的點集所組成的區域；以及對瞳孔邊緣區域進行擬合處理，得到瞳孔的位置。本發明解決了由於光斑的遮擋導致無法對瞳孔進行精確定位的技術問題。

Description

確定瞳孔位置的方法和裝置
本發明係關於影像處理領域，例如關於一種確定瞳孔位置的方法和裝置。
隨著科學技術的高速發展，資訊安全成為人們日益關注的問題。而先前技術常採用身份認證的方式來確保資訊安全，例如，藉由指紋、人臉等生物特徵進行身份認證。作為生物特徵之一的虹膜具有唯一性、穩定性、非侵犯性以及可活體檢測等優點。因此，虹膜識別技術常作為生物特徵識別的一個研究方向。但在虹膜識別技術中，準確確定瞳孔位置對虹膜識別的準確性至關重要。然而，在實際應用中，相機的光源對瞳孔的精確定位會產生一定的影響，如在圖1所示的眼睛的圖像上，瞳孔附近有兩個光斑，由於有光斑的遮擋，先前技術對圖像進行處理後，得到的瞳孔通常不是完整的瞳孔，由此，也無法對瞳孔進行精確的定位。
針對上述由於光斑的遮擋導致無法對瞳孔進行精確定位的問題，目前尚未提出有效的解決方法。
本發明提供了一種確定瞳孔位置的方法和裝置，以至少解決由於光斑的遮擋導致無法對瞳孔進行精確定位的技術問題。
根據本發明實施型態的一個方面，提供了一種確定瞳孔位置的方法，包括：獲取圖像中瞳孔的第一參數、瞳孔的起始邊緣區域以及圖像中光斑的第二參數；根據第一參數以及第二參數對起始邊緣區域進行處理，得到第一邊緣區域；根據第一邊緣區域內的邊緣片段確定瞳孔邊緣區域，且，邊緣片段為由第一邊緣區域內滿足第一預設條件的點集所組成的區域；以及對瞳孔邊緣區域進行擬合處理，得到瞳孔的位置。
根據本發明實施型態的另一方面，進一步提供了一種確定瞳孔位置的裝置，包括：獲取模組，設置為獲取圖像中瞳孔的第一參數、瞳孔的起始邊緣區域以及圖像中光斑的第二參數；處理模組，設置為根據第一參數以及第二參數對起始邊緣區域進行處理，得到第一邊緣區域；確定模組，設置為根據第一邊緣區域內的邊緣片段確定瞳孔邊緣區域，其中，邊緣片段為由第一邊緣區域內滿足預設條件的點集所組成的區域；以及擬合模組，設置為對瞳孔邊緣區域進行擬合處理，得到瞳孔的位置。
根據本發明實施型態的另一方面，進一步提供了一種儲存介質，該儲存介質包括儲存的程式，其中，程式執行過濾光斑的方法。
根據本發明實施型態的另一方面，進一步提供了一種處理器，該處理器設置為執行程式，其中，程式執行時執行過濾光斑的方法。
在本發明實施型態中，採用瞳孔邊緣區域的擬合結果對瞳孔進行定位的方式，藉由獲取圖像中瞳孔的第一參數、瞳孔的起始邊緣區域以及圖像中光斑的第二參數，並根據第一參數以及第二參數對起始邊緣區域進行處理，得到第一邊緣區域，然後根據第一邊緣區域內的邊緣片段確定瞳孔邊緣區域，最後對瞳孔邊緣區域進行擬合處理，得到瞳孔的位置，且，邊緣片段為由第一邊緣區域內滿足第一預設條件的點集所組成的區域，達到在有光斑遮擋的情況下，對瞳孔進行精確定位的目的，進而解決由於光斑的遮擋導致無法對瞳孔進行精確定位的技術問題。
【圖1】係本發明實施型態的一種帶有光斑的眼睛的圖像示意圖。
【圖2】係本發明實施型態的一種確定瞳孔位置的方法流程圖。
【圖3】係本發明實施型態的一種圓環與瞳孔的位置示意圖。
【圖4】係本發明實施型態的一種確定瞳孔位置的裝置結構示意圖。
為了使所屬技術領域中具通常知識者更好地理解本發明，下面將結合本發明實施例中的圖式，對本發明實施例中的技術手段進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分的實施例，而不是全部的實施例。基於本發明中的實施例，所屬技術領域中具有通常 知識者在沒有做出創造性勞動前提下所獲得的所有其他實施例，都應當屬於本發明保護的範圍。
需要說明的是，本發明的說明書、申請專利範圍及上述圖式中的術語「第一」、「第二」等是用於區別類似的物件，而不必用於描述特定的順序或先後次序。應該理解如此使用的資料在適當情況下可以互換，以便在此描述的本發明的實施例能夠以除了在此圖示或描述的其等以外的順序實施。此外，術語「包括」和「具有」以及其等的任何變形，意圖在於覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統、產品或設備不必限於清楚地列出的其等步驟或單元，而是可包括沒有清楚地列出的或對於此等過程、方法、產品或設備固有的其它步驟或單元。
實施例1
根據本發明實施例，提供了一種確定瞳孔位置的方法實施例，需要說明的是，在圖式的流程圖所示的步驟可以在諸如一組電腦可執行指令的電腦系統中執行，並且，雖然在流程圖中顯示邏輯順序，但是在某些情況下，可以以不同於此處的順序執行所示或描述的步驟。
圖2是根據本發明實施例的確定瞳孔位置的方法流程圖，如圖2所示，該方法包括如下步驟：
步驟S202，獲取圖像中瞳孔的第一參數、瞳孔的起始邊緣區域以及圖像中光斑的第二參數。
上述第一參數至少包括如下之一：瞳孔中心的起始位置以及瞳孔的半徑；第二參數至少包括如下之一：光斑中心的位置以及光斑的 半徑。
在一實施例中，將眼睛的圖像輸入至影像處理設備中，其中，該眼睛的圖像中有光斑，如圖1所示的圖像。影像處理設備在獲取到圖像之後，使用圖像分割演算法將圖像中的瞳孔以及光斑進行粗略的分割，並得到分割後的瞳孔中心的起始位置以及瞳孔的半徑、圖像中光斑中心的位置以及光斑的半徑。然後，使用邊緣檢測演算法對眼睛的圖像進行邊緣提取，由於提取出的邊緣較為雜亂，除了瞳孔的邊緣之外，還可能包括眼皮、光斑以及其他一些雜亂的邊緣，即此時提取到的瞳孔的邊緣是包含瞳孔邊緣以及其他干擾邊緣的邊緣區域。另外，上述圖像分割演算法可以為但不限於基於閾值的分割演算法、基於邊緣的分割演算法、基於區域的分割演算法等，上述邊緣檢測演算法可以為但不限於Roberts演算法、Sobel演算法、Prewitt演算法、Canny演算法、Log演算法以及改進的Sobel演算法等。
步驟S204，根據第一參數以及第二參數對起始邊緣區域進行處理，得到第一邊緣區域。
在一實施例中，可藉由圓環對起始邊緣區域進行過濾。在使用圓環之前，需要調整瞳孔中心的起始位置，在確定瞳孔中心的起始位置之後，再使用圓環對起始邊緣區域進行過濾，並藉由添加限制條件來對過濾後的起始邊緣區域進行限定，從而對瞳孔的起始邊緣區域內的光斑以及雜亂的邊緣進行初步處理，得到第一邊緣區域。
步驟S206，根據第一邊緣區域內的邊緣片段確定瞳孔邊緣區域，其中，邊緣片段為由第一邊緣區域內滿足第一預設條件的點集所組 成的區域。
在得到第一邊緣區域後，為防止瞳孔外部的雜亂邊緣或者瞳孔內部的雜亂邊緣沒有徹底去除，需要再使用第一邊緣區域內的邊緣片段對第一邊緣區域進行進一步的過濾。其中，使用邊緣片段可有效的去除瞳孔外部的雜亂邊緣，再使用形態學演算法對瞳孔內部的雜亂邊緣進行過濾。在完成對瞳孔外部的雜亂邊緣以及瞳孔內部的雜亂邊緣進行濾除後，可得到不包含雜亂邊緣或者包含少量雜亂邊緣的瞳孔邊緣區域。
在一實施例中，上述第一預設條件可以為但不限於距離條件，例如，第一邊緣區域內的點A和點B的距離小於L，點A和點C的距離大於L，則將點A和點B劃分為一個區域，該區域即為邊緣片段。
步驟S208，對瞳孔邊緣區域進行擬合處理，得到瞳孔的位置。
得到的瞳孔邊緣區域可能並不是連續的封閉區域，在瞳孔邊緣區域中可能包含多條不連續的線條或點集，由此需要對得到的瞳孔邊緣區域進行擬合處理，從而得到瞳孔邊緣。然後根據瞳孔邊緣所包含的區域，確定與該區域最相似的圓或者橢圓，根據得到的圓的圓心或者橢圓的焦點即可確定瞳孔的中心座標，即確定瞳孔的位置。
基於上述步驟S202至步驟S208所限定的手段，可以獲知，藉由獲取圖像中瞳孔的第一參數、瞳孔的起始邊緣區域以及圖像中光斑的第二參數，並根據第一參數以及第二參數對起始邊緣區域進行處理，得到第一邊緣區域，然後根據第一邊緣區域內的邊緣片段確定瞳孔邊緣區域，最後對瞳孔邊緣區域進行擬合處理，得到瞳孔的位置，且，邊緣片段 為由第一邊緣區域內滿足第一預設條件的點集所組成的區域。
藉由瞳孔的第一參數和光斑的第二參數可以對瞳孔的起始邊緣區域進行第一次過濾，可以有效的濾除大部分的光斑；在完成對起始邊緣區域的第一次過濾之後，再根據第一邊緣區域內的邊緣片段對起始邊緣區域進行第二次過濾，從而進一步濾除剩餘的光斑以及瞳孔邊緣區域內的雜亂區域，達到了準確確定瞳孔邊緣區域的功效。由於精確確定了瞳孔邊緣區域，在此基礎上，對瞳孔邊緣區域進行擬合，便可以達到精確的瞳孔中心，進而達到了在有光斑遮擋的情況下，精確確定瞳孔中心的目的。
由上述內容可知，本發明可以達到在有光斑遮擋的情況下，對瞳孔進行精確定位的目的，進而解決由於光斑的遮擋導致無法對瞳孔進行精確定位的技術問題。
在一實施例中，根據第一參數以及第二參數可對瞳孔中心的起始位置進行調整，並根據調整後的起始位置確定圓環，然後使用圓環來對瞳孔的起始邊緣進行處理。其中，根據第一參數以及第二參數對起始邊緣區域進行處理，得到第一邊緣區域，包括如下步驟：步驟S1040，根據第一參數調整瞳孔中心的起始位置；步驟S1042，基於調整後的起始位置以及瞳孔的半徑得到第一圓環；步驟S1044，根據第一圓環對起始邊緣區域進行處理，得到第二邊緣區域；步驟S1046，根據第二預設條件對第二邊緣區域進行處理，得到第一邊緣區域。
在一實施例中，根據第一參數中的起始瞳孔位置確定起始 圓環，再基於起始圓環對瞳孔中心的起始位置進行調整。在得到調整後的瞳孔中心的起始位置之後，以調整後的起始位置為圓心，以瞳孔的半徑加上第一數值作為第一圓環的外圓，以瞳孔的半徑減去第二數值作為第一圓環的內圓，根據得到的外圓和內圓即可確定第一圓環。使用第一圓環對瞳孔的起始邊緣處理可得到包含光斑邊緣以及瞳孔附近的雜亂邊緣的第二邊緣區域，然後再使用第二預設條件對第二邊緣區域進行限定，從而得到濾除光斑邊緣以及瞳孔外的雜亂邊緣的第一邊緣區域。
上述第一數值和第二數值可以相同也可不同，第一數值和第二數值的區域範圍可以為但不限於3-4個畫素。
使用圓環對起始邊緣區域進行處理，可得到干擾邊緣較少的瞳孔邊緣區域。在使用圓環對起始邊緣區域進行處理時，瞳孔中心通常與圓環中心重合，由此得到的瞳孔邊緣區域包含的干擾邊緣比較少。然而，在實際應用中，瞳孔中心與圓環中心通常不重合，如圖3所示的一圓環與瞳孔的位置示意圖，瞳孔中心與圓環的中心並不重合，並且，瞳孔邊緣並沒有完全落入到圓環的區域內，為確保圓環能夠對干擾邊緣進行有效的濾除，需要對瞳孔中心的起始位置進行調整。其中，根據第一參數調整瞳孔中心的起始位置，包括如下步驟：步驟S1040a，根據瞳孔中心的起始位置確定瞳孔的至少一個候選位置；步驟S1040b，根據瞳孔的候選位置以及瞳孔的半徑得到至少一個第二圓環；步驟S1040c，確定第二圓環與起始邊緣區域的交叉區域； 步驟S1040d，獲取在每個交叉區域內射線的數量，且，以候選位置為端點，每隔預設角度得到射線；步驟S1040e，確定射線的數量最多的交叉區域，且，交叉區域對應的候選位置為瞳孔中心的調整後的起始位置。
在一實施例中，在瞳孔中心的起始位置周圍的預設區域內確定多個候選點作為瞳孔的候選位置，以每個候選點的位置為圓心，以瞳孔的半徑加上第一數值作為圓環的外圓，以瞳孔的半徑加上第二數值作為圓環的內圓，由此，可得到多個圓環，即第二圓環。然後以每個候選點作為端點，每隔1°向外產生射線，可產生360條射線。之後，確定在第二圓環與起始邊緣區域的交叉區域內射線的數量，射線數量最多的交叉區域所對應的候選位置作為調整後的瞳孔中心的起始位置。
在得到調整後的瞳孔中心的起始位置之後，根據調整後的起始位置以及瞳孔半徑可得到第一圓環，確定第一圓環內的起始邊緣區域為第二邊緣區域，再對第二邊緣區域進行第二預設條件的限定，其中，第二預設條件包括：距離限定條件和灰度限定條件。
在一實施例中，根據距離限定條件對第二邊緣區域內的邊緣點進行第一過濾處理，並根據灰度限定條件對經過第一過濾處理的第二邊緣區域進行第二過濾處理，得到第一邊緣區域；或，根據灰度限定條件對第二邊緣區域內的邊緣點進行第二過濾處理，並根據距離限定條件對經過第二過濾處理的第二邊緣區域進行第一過濾處理，得到第一邊緣區域。
其中，距離限定條件為：Distanconglinti
Figure 107147366-A0305-02-0010-1
α*glintradiusi
Distanconglinti為第二邊緣區域內的邊緣點至第i個光斑中心的位置的距離，glintradiusi為第i個光斑的半徑，α為預設常數。
灰度限定條件為：ConGray
Figure 107147366-A0305-02-0011-2
MinGray*1.5+15
ConGray為第二邊緣區域內的邊緣點的灰度值，MinGray為圖像中的最小灰度值。
使用距離限定條件可有效濾除光斑的邊緣，使用灰度限定條件可有效濾除瞳孔外部的雜亂邊緣，至此，光斑的大部分邊緣以及瞳孔外部的大部分雜亂邊緣均得到了有效地濾除。
為使瞳孔外部的雜亂邊緣能夠有效的濾除，需要對第一邊緣進行去除孤立邊緣點的操作，並根據第一邊緣區域中的邊緣片段確定瞳孔邊緣區域。其中，根據第一邊緣區域中的邊緣片段確定瞳孔邊緣區域包括如下步驟：步驟S1060，獲取第一邊緣區域內的邊緣片段；步驟S1062，基於第一邊緣區域內的邊緣片段對第一邊緣區域進行處理得到第三邊緣區域；步驟S1064，對第三邊緣區域的凸包進行處理得到第四邊緣區域；步驟S1066，根據第三邊緣區域和第四邊緣區域得到瞳孔邊緣區域。
在一實施例中，基於第一邊緣區域中的邊緣片段對第一邊緣區域進行處理得到第三邊緣區域，包括如下步驟：步驟A，獲取第一邊緣區域內的第一邊緣片段，其中，第一邊緣片段為第一邊緣區域內最長的邊緣片段； 步驟B，根據第一邊緣片段得到第一包圍圓；步驟C，獲取第一邊緣區域內的第二邊緣片段，將第二邊緣片段與第一邊緣片段進行組合，得到第三邊緣片段，其中，第二邊緣片段為第一邊緣區域內的邊緣片段；步驟D，根據第三邊緣片段得到第二包圍圓；步驟E，如果第一包圍圓的圓心和半徑與第二包圍圓的圓心和半徑的差值大於預設差值，則去除第二邊緣片段，並再次執行步驟C；步驟F，如果差值小於等於預設差值，則將第三邊緣片段更新為第一邊緣片段；以及重複執行步驟A至步驟F，直至遍歷第一邊緣區域內的長度小於預設長度的邊緣片段為止，其中，根據更新後的第一邊緣片段得到第三邊緣區域。
在一實施例中，第一邊緣區域包含10個邊緣片段，從中選取長度最長的邊緣片段作為第一邊緣片段，然後確定能夠包圍第一邊緣片段的最小的圓，即得到第一包圍圓，同時，獲取第一包圍圓的圓心以及半徑。然後將任意一個第一邊緣區域內的其他邊緣片段加入到第一邊緣片段中，從而得到第三邊緣片段。同樣，確定能夠包圍第三邊緣片段的最小的圓，即得到第二包圍圓。如果第一包圍圓的半徑與第二包圍圓的半徑的差值小於等於預設差值，則以第三邊緣片段作為最長的邊緣片段繼續執行步驟B、C和D；如果第一包圍圓的半徑與第二包圍圓的半徑的差值大於預設差值，則去除第二邊緣片段，同時，從剩餘的邊緣片段中選擇一個邊緣片段加入到第一邊緣片段中，繼續執行步驟B、C和D，直至第一邊緣區 域內的所有邊緣片段均遍歷完。
在得到第三邊緣區域後，光斑的邊緣以及瞳孔外部的雜亂邊緣已全部取出，但瞳孔內部依然存在一些雜亂邊緣。瞳孔內部的雜亂邊緣對瞳孔的擬合也會產生影響，因此，還需要對第三邊緣區域進行進一步過濾。其中，可藉由對第三邊緣區域的凸包進行處理，已得到去除瞳孔內部雜亂邊緣的第四邊緣區域，方法如下：步驟S1064a，確定第三邊緣區域的凸包；步驟S1064b，根據第三邊緣區域的凸包提取第三邊緣區域的邊緣；步驟S1064c，根據第三邊緣區域的邊緣確定第四邊緣區域。
影像處理設備可獲取第三邊緣區域的凸包，然後提取第三邊緣區域的凸包的邊緣，該凸包的邊緣即為第四邊緣區域。
另外，在得到第三邊緣區域之後，根據第三邊緣區域和第四邊緣區域即可得到瞳孔邊緣區域，具體如下：步驟S1066a，對第四邊緣區域進行形態學處理，得到第五邊緣區域；步驟S1066b，獲取第三邊緣區域和第五邊緣區域的重合區域；步驟S1066c，根據重合區域確定瞳孔邊緣區域。
影像處理中的形態學處理的運算包括膨脹、腐蝕、開運算以及閉運算。
在一實施例中，以預設個畫素為單位對第四邊緣區域的外部和內部分別進行膨脹處理，從而得到第五邊緣區域，然後，對第三邊緣區域和第五邊緣區域進行求交集的操作，得到重合區域，該重合區域即為最終確定的瞳孔邊緣區域。
上述操作可有效去除瞳孔內部的雜亂邊緣。在得到瞳孔邊緣區域之後，還需要對瞳孔邊緣區域進行擬合處理，才能得到瞳孔邊緣的輪廓，進而與瞳孔邊緣的輪廓最相近的圓的圓心即為瞳孔位置，圓的半徑即為瞳孔半徑。其中，在瞳孔的半徑大於預設半徑的情況下，對瞳孔邊緣區域進行橢圓擬合處理，得到瞳孔的位置；在瞳孔的半徑小於等於預設半徑的情況下，對瞳孔邊緣區域進行圓擬合處理，得到瞳孔的位置。容易注意到的是，針對不同的瞳孔半徑進行不同形式的數據擬合，可以得到更為準確的擬合結果，進而，可以對瞳孔位置進行精確定位。
實施例2
根據本發明實施例，提供了一種確定瞳孔位置的裝置實施例，其中，圖4是根據本發明實施例的確定瞳孔位置的裝置結構示意圖，如圖4所示，該裝置包括：獲取模組401、處理模組403、確定模組405以及擬合模組407。
其中，獲取模組401，設置為獲取圖像中瞳孔的第一參數、瞳孔的起始邊緣區域以及圖像中光斑的第二參數；處理模組403，設置為根據第一參數以及第二參數對起始邊緣區域進行處理，得到第一邊緣區域；確定模組405，設置為根據第一邊緣區域內的邊緣片段確定瞳孔邊緣區域，且，邊緣片段為由第一邊緣區域內滿足第一預設條件的點集所組成的區域；以及擬合模組407，設置為對瞳孔邊緣區域進行擬合處理，得到瞳孔的位置。
上述獲取模組401、處理模組403、確定模組405以及擬合模組407對應於實施例1中的步驟S202至步驟S208，四個模組與對應的 步驟所實施的示例和應用場景相同，但不限於上述實施例1所記載的內容。
在一實施例中，第一參數至少包括如下之一：瞳孔中心的起始位置以及瞳孔的半徑，第二參數至少包括如下之一：光斑中心的位置以及光斑的半徑。
在一實施例中，處理模組包括：調整模組、第一處理模組、第二處理模組以及第三處理模組。其中，調整模組，設置為根據第一參數調整瞳孔中心的起始位置；第一處理模組，設置為基於調整後的起始位置以及瞳孔的半徑得到第一圓環；第二處理模組，設置為根據第一圓環對起始邊緣區域進行處理，得到第二邊緣區域；以及第三處理模組，設置為根據第二預設條件對第二邊緣區域進行處理，得到第一邊緣區域。
上述調整模組、第一處理模組、第二處理模組以及第三處理模組對應於實施例1中的步驟S1040至步驟S1046，四個模組與對應的步驟所實施的示例和應用場景相同，但不限於上述實施例1所記載的內容。
在一實施例中，調整模組包括：第一確定模組、第四處理模組、第二確定模組、第一獲取模組以及第四確定模組。其中，第一確定模組，設置為根據瞳孔中心的起始位置確定瞳孔的至少一個候選位置；第四處理模組，設置為根據瞳孔的候選位置以及瞳孔的半徑得到至少一個第二圓環；第二確定模組，設置為確定第二圓環與起始邊緣區域的交叉區域；第一獲取模組，設置為獲取在每個交叉區域內射線的數量，且，以候選位置為端點，每隔預設角度得到射線；以及第四確定模組，設置為確定 射線的數量最多的交叉區域，且，交叉區域對應的候選位置為瞳孔中心的調整後的起始位置。
上述第一確定模組、第四處理模組、第二確定模組、第一獲取模組以及第四確定模組對應於實施例1中的步驟S1040a至步驟S1040e，五個模組與對應的步驟所實施的示例和應用場景相同，但不限於上述實施例1所記載的內容。
在一實施例中，第二預設條件包括：距離限定條件和灰度限定條件，其中，第三處理模組包括：第一過濾模組或第二過濾模組。其中，第一過濾模組，設置為根據距離限定條件對第二邊緣區域內的邊緣點進行第一過濾處理，並根據灰度限定條件對經過第一過濾處理的第二邊緣區域進行第二過濾處理，得到第一邊緣區域；以及第二過濾模組，設置為根據灰度限定條件對第二邊緣區域內的邊緣點進行第二過濾處理，並根據距離限定條件對經過第二過濾處理的第二邊緣區域進行第一過濾處理，得到第一邊緣區域。
在一實施例中，距離限定條件為：Distanconglinti
Figure 107147366-A0305-02-0016-3
α*glintradiusi
其中，Distanconglinti為第二邊緣區域內的邊緣點至第i個光斑中心的位置的距離，glintradiusi為第i個光斑的半徑，α為預設常數。
在一實施例中，灰度限定條件為：ConGray
Figure 107147366-A0305-02-0016-4
MinGray*1.5+15
其中，ConGray為第二邊緣區域內的邊緣點的灰度值，MinGray為圖像中的最小灰度值。
在一實施例中，確定模組包括：第二獲取模組、第五處理模組、第六處理模組以及第七處理模組。其中，第二獲取模組，設置為獲取第一邊緣區域內的邊緣片段；第五處理模組，設置為基於第一邊緣區域內的邊緣片段對第一邊緣區域進行處理得到第三邊緣區域；第六處理模組，設置為對第三邊緣區域的凸包進行處理得到第四邊緣區域；以及第七處理模組，設置為根據第三邊緣區域和第四邊緣區域得到瞳孔邊緣區域。
上述第二獲取模組、第五處理模組、第六處理模組以及第七處理模組對應於實施例1中的步驟S1060至步驟S1066，四個模組與對應的步驟所實施的示例和應用場景相同，但不限於上述實施例1所記載的內容。
在一實施例中，第五處理模組執行如下步驟：步驟A，獲取第一邊緣區域內的第一邊緣片段，其中，第一邊緣片段為第一邊緣區域內最長的邊緣片段；步驟B，根據第一邊緣片段得到第一包圍圓；步驟C，獲取第一邊緣區域內的第二邊緣片段，將第二邊緣片段與第一邊緣片段進行組合，得到第三邊緣片段，其中，第二邊緣片段為第一邊緣區域內的邊緣片段；步驟D，根據第三邊緣片段得到第二包圍圓；步驟E，如果第一包圍圓的圓心和半徑與第二包圍圓的圓心和半徑的差值大於預設差值，則去除第二邊緣片段，並再次執行步驟C；步驟F，如果差值小於等於預設差值，則將第三邊緣片段更新為第一邊緣片段；以及重複執行步驟A至步驟F，直至遍歷第一邊緣區域內的長度小於預設長度的邊緣片段為止，其中，根據更新後的第一邊緣片段得到第三邊緣區域。
在一實施例中，第六處理模組包括：第五確定模組、提取 模組以及第六確定模組。其中，第五確定模組，設置為確定第三邊緣區域的凸包；提取模組，設置為根據第三邊緣區域的凸包提取第三邊緣區域的邊緣；以及第六確定模組，設置為根據第三邊緣區域的邊緣確定第四邊緣區域。
上述第五確定模組、提取模組以及第六確定模組對應於實施例1中的步驟S1064a至步驟S1064c，三個模組與對應的步驟所實施的示例和應用場景相同，但不限於上述實施例1所記載的內容。
在一實施例中，第七處理模組包括：第八處理模組、第三獲取模組以及第七確定模組。其中，第八處理模組，設置為對第四邊緣區域進行形態學處理，得到第五邊緣區域；第三獲取模組，設置為獲取第三邊緣區域和第五邊緣區域的重合區域；以及第七確定模組，設置為根據重合區域確定瞳孔邊緣區域。
上述第八處理模組、第三獲取模組以及第七確定模組對應於實施例1中的步驟S1066a至步驟S1066c，三個模組與對應的步驟所實施的示例和應用場景相同，但不限於上述實施例1所記載的內容。
在一實施例中，擬合模組包括：第一擬合模組以及第二擬合模組。其中，第一擬合模組，設置為在瞳孔的半徑大於預設半徑的情況下，對瞳孔邊緣區域進行橢圓擬合處理，得到瞳孔的位置；以及第二擬合模組，設置為在瞳孔的半徑小於等於預設半徑的情況下，對瞳孔邊緣區域進行圓擬合處理，得到瞳孔的位置。
實施例3
根據本發明實施例的另一方面，進一步提供了一種儲存介質，該儲存 介質包括儲存的程式，其中，程式執行上述實施例1中的過濾光斑的方法。
實施例4
根據本發明實施例的另一方面，進一步提供了一種處理器，該處理器設置為執行程式，其中，程式執行時執行上述實施例1中的過濾光斑的方法。
上述本發明實施例序號僅僅為了描述，不代表實施例的優劣。
在本發明的上述實施例中，對各個實施例的描述都各有側重，某個實施例中沒有詳述的部分，可以參見其他實施例的相關描述。
在本發明所提供的幾個實施例中，應該理解到，所揭露的技術內容，可藉由其它的方式實現。其中，以上所描述的裝置實施例僅僅是示意性的，例如前述單元的劃分，可以為一種邏輯功能劃分，實際實現時可以有另外的劃分方式，例如多個單元或元件可以結合或者可以集成到另一個系統，或一些特徵可以忽略，或不執行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通訊連接可以是藉由一些埠，單元或模組的間接耦合或通訊連接，可以是電性或其它的形式。
前述作為分離零件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的零件可以是或者也可以不是物理單元，即可以位於一個地方，或者也可以分佈到多個單元上。可以根據實際的需要選擇其中的部分或者全部單元來實現本實施例手段的目的。
另外，在本發明各個實施例中的各功能單元可以集成在一 個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現，也可以採用軟體功能單元的形式實現。
前述集成的單元如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時，可以儲存在一個電腦可讀取儲存介質中。基於如此的理解，本發明的技術手段本質上或者說對先前技術做出貢獻的部分或者該技術手段的全部或部分可以以軟體產品的形式體現，該電腦軟體產品儲存在一個儲存介質中，包括若干指令用以使得一台電腦設備(可為個人電腦、伺服器或者網路設備等)執行本發明各個實施例前述方法的全部或部分步驟。而前述的儲存介質包括：USB記憶體、唯讀記憶體(Read-Only Memory，ROM)、隨機存取記憶體(Random Access Memory，RAM)、行動硬碟、磁碟或者光碟等各種可以儲存程式碼的介質。
上述僅是本發明的理想實施方式，應當指出，對於所屬技術領域中具通常知識者來說，在不脫離本發明原理的前提下，可進一步做出若干改進和潤飾，這些改進和潤飾也應視為本發明的保護範圍。

Claims (20)

  1. 一種確定瞳孔位置的方法，其特徵係包括：獲取圖像中瞳孔的第一參數、前述瞳孔的起始邊緣區域以及前述圖像中光斑的第二參數；根據前述第一參數以及前述第二參數對前述起始邊緣區域進行處理，得到第一邊緣區域；根據前述第一邊緣區域內的邊緣片段確定瞳孔邊緣區域，且，前述邊緣片段為由前述第一邊緣區域內滿足第一預設條件的點集所組成的區域；以及對前述瞳孔邊緣區域進行擬合處理，得到前述瞳孔的位置。
  2. 如申請專利範圍第1項所記載之方法，其中，前述第一參數至少包括如下之一：瞳孔中心的起始位置以及前述瞳孔的半徑；前述第二參數至少包括如下之一：光斑中心的位置以及前述光斑的半徑。
  3. 如申請專利範圍第2項所記載之方法，其中，根據前述第一參數以及前述第二參數對前述起始邊緣區域進行處理，得到第一邊緣區域，包括：根據前述第一參數調整前述瞳孔中心的起始位置；基於調整後的起始位置以及前述瞳孔的半徑得到第一圓環；根據前述第一圓環對前述起始邊緣區域進行處理，得到第二邊緣區域；以及根據第二預設條件對前述第二邊緣區域進行處理，得到前述第一邊緣區域。
  4. 如申請專利範圍第3項所記載之方法，其中，根據前述第一參數調整前述瞳孔中心的起始位置，包括：根據前述瞳孔中心的起始位置確定前述瞳孔的至少一個候選位置；根據前述瞳孔的候選位置以及前述瞳孔的半徑得到至少一個第二圓環；確定前述至少一個第二圓環與前述起始邊緣區域的交叉區域；獲取在每個前述交叉區域內射線的數量，且，以前述候選位置為端點，每隔預設角度得到前述射線；以及確定前述射線的數量最多的交叉區域，且，前述交叉區域對應的候選位置為前述瞳孔中心調整後的起始位置。
  5. 如申請專利範圍第3項所記載之方法，其中，前述第二預設條件包括：距離限定條件和灰度限定條件，且，根據上述第二預設條件對前述第二邊緣區域進行處理，得到前述第一邊緣區域，包括：根據前述距離限定條件對前述第二邊緣區域內的邊緣點進行第一過濾處理，並根據前述灰度限定條件對經過前述第一過濾處理的第二邊緣區域進行第二過濾處理，得到前述第一邊緣區域；或，根據前述灰度限定條件對前述第二邊緣區域內的邊緣點進行第二過濾處理，並根據前述距離限定條件對經過前述第二過濾處理的第二邊緣區域進行第一過濾處理，得到前述第一邊緣區域。
  6. 如申請專利範圍第2項所記載之方法，其中，根據前述第一邊緣區域內的邊緣片段確定瞳孔邊緣區域，包括：獲取前述第一邊緣區域內的邊緣片段；基於前述第一邊緣區域內的邊緣片段對前述第一邊緣區域進行處理得到 第三邊緣區域；對前述第三邊緣區域的凸包進行處理得到第四邊緣區域；以及根據前述第三邊緣區域和前述第四邊緣區域得到前述瞳孔邊緣區域。
  7. 如申請專利範圍第6項所記載之方法，其中，基於前述第一邊緣區域中的邊緣片段對前述第一邊緣區域進行處理得到第三邊緣區域，包括：步驟A，獲取前述第一邊緣區域內的第一邊緣片段，且，前述第一邊緣片段為前述第一邊緣區域內最長的邊緣片段；步驟B，根據前述第一邊緣片段得到第一包圍圓；步驟C，獲取前述第一邊緣區域內的第二邊緣片段，將前述第二邊緣片段與前述第一邊緣片段進行組合，得到第三邊緣片段，且，前述第二邊緣片段為前述第一邊緣區域內的邊緣片段；步驟D，根據前述第三邊緣片段得到第二包圍圓；步驟E，如果前述第一包圍圓的圓心和半徑與前述第二包圍圓的圓心和半徑的差值大於預設差值，則去除前述第二邊緣片段，並再次執行步驟C；步驟F，如果前述差值小於等於前述預設差值，則將前述第三邊緣片段更新為第一邊緣片段；以及重複執行前述步驟A至步驟F，直至遍歷前述第一邊緣區域內的長度小於預設長度的邊緣片段為止，且，根據更新後的第一邊緣片段得到前述第三邊緣區域。
  8. 如申請專利範圍第6項所記載之方法，其中，對前述第三邊緣區域的凸包進行處理得到第四邊緣區域，包括： 確定前述第三邊緣區域的凸包；根據第三邊緣區域的凸包提取前述第三邊緣區域的邊緣；以及根據前述第三邊緣區域的邊緣確定前述第四邊緣區域。
  9. 如申請專利範圍第6項所記載之方法，其中，根據前述第三邊緣區域和前述第四邊緣區域得到前述瞳孔邊緣區域，包括：對前述第四邊緣區域進行形態學處理，得到第五邊緣區域；獲取前述第三邊緣區域和前述第五邊緣區域的重合區域；以及根據前述重合區域確定前述瞳孔邊緣區域。
  10. 如申請專利範圍第2項所記載之方法，其中，對前述瞳孔邊緣區域進行擬合處理，得到前述瞳孔的位置，包括：在前述瞳孔的半徑大於預設半徑的情況下，對前述瞳孔邊緣區域進行橢圓擬合處理，得到前述瞳孔的位置；以及在前述瞳孔的半徑小於等於前述預設半徑的情況下，對前述瞳孔邊緣區域進行圓擬合處理，得到前述瞳孔的位置。
  11. 一種確定瞳孔位置的裝置，其特徵係包括：獲取模組，設置為獲取圖像中瞳孔的第一參數、前述瞳孔的起始邊緣區域以及前述圖像中光斑的第二參數；處理模組，設置為根據前述第一參數以及前述第二參數對前述起始邊緣區域進行處理，得到第一邊緣區域；確定模組，設置為根據前述第一邊緣區域內的邊緣片段確定瞳孔邊緣區域，其中，前述邊緣片段為由前述第一邊緣區域內滿足第一預設條件的點集所組成的區域；以及 擬合模組，設置為對前述瞳孔邊緣區域進行擬合處理，得到前述瞳孔的位置。
  12. 如申請專利範圍第11項所記載之裝置，其中，前述第一參數至少包括如下之一：瞳孔中心的起始位置以及前述瞳孔的半徑；前述第二參數至少包括如下之一：光斑中心的位置以及前述光斑的半徑。
  13. 如申請專利範圍第12項所記載之裝置，其中，前述處理模組包括：調整模組，設置為根據前述第一參數調整前述瞳孔中心的起始位置；第一處理模組，設置為基於調整後的起始位置以及前述瞳孔的半徑得到第一圓環；第二處理模組，設置為根據前述第一圓環對前述起始邊緣區域進行處理，得到第二邊緣區域；以及第三處理模組，設置為根據第二預設條件對前述第二邊緣區域進行處理，得到前述第一邊緣區域。
  14. 如申請專利範圍第13項所記載之裝置，其中，前述調整模組包括：第一確定模組，設置為根據前述瞳孔中心的起始位置確定前述瞳孔的至少一個候選位置；第四處理模組，設置為根據前述瞳孔的候選位置以及前述瞳孔的半徑得到至少一個第二圓環；第二確定模組，設置為確定前述第二圓環與前述起始邊緣區域的交叉區域；第一獲取模組，設置為獲取在每個前述交叉區域內射線的數量，其中，以前述候選位置為端點，每隔預設角度得到前述射線；以及 第四確定模組，設置為確定前述射線的數量最多的交叉區域，其中，前述交叉區域對應的候選位置為前述瞳孔中心的調整後的起始位置。
  15. 如申請專利範圍第13項所記載之裝置，其中，前述第二預設條件包括：距離限定條件和灰度限定條件，其中，前述第三處理模組包括：第一過濾模組，設置為根據前述距離限定條件對前述第二邊緣區域內的邊緣點進行第一過濾處理，並根據前述灰度限定條件對經過前述第一過濾處理的第二邊緣區域進行第二過濾處理，得到前述第一邊緣區域；或，第二過濾模組，設置為根據前述灰度限定條件對前述第二邊緣區域內的邊緣點進行第二過濾處理，並根據前述距離限定條件對經過前述第二過濾處理的第二邊緣區域進行第一過濾處理，得到前述第一邊緣區域。
  16. 如申請專利範圍第12項所記載之裝置，其中，前述確定模組包括：第二獲取模組，設置為獲取前述第一邊緣區域內的邊緣片段；第五處理模組，設置為基於前述第一邊緣區域內的邊緣片段對前述第一邊緣區域進行處理得到第三邊緣區域；第六處理模組，設置為對前述第三邊緣區域的凸包進行處理得到第四邊緣區域；以及第七處理模組，設置為根據前述第三邊緣區域和前述第四邊緣區域得到前述瞳孔邊緣區域。
  17. 如申請專利範圍第16項所記載之裝置，其中，前述第五處理模組執行如下步驟：步驟A，獲取前述第一邊緣區域內的第一邊緣片段，且，前述第一邊緣 片段為前述第一邊緣區域內最長的邊緣片段；步驟B，根據前述第一邊緣片段得到第一包圍圓；步驟C，獲取前述第一邊緣區域內的第二邊緣片段，將前述第二邊緣片段與前述第一邊緣片段進行組合，得到第三邊緣片段，且，前述第二邊緣片段為前述第一邊緣區域內的邊緣片段；步驟D，根據前述第三邊緣片段得到第二包圍圓；步驟E，如果前述第一包圍圓的圓心和半徑與前述第二包圍圓的圓心和半徑的差值大於預設差值，則去除前述第二邊緣片段，並再次執行步驟C；步驟F，如果前述差值小於等於前述預設差值，則將前述第三邊緣片段更新為第一邊緣片段；以及重複執行前述步驟A至步驟F，直至遍歷前述第一邊緣區域內的長度小於預設長度的邊緣片段為止，其中，根據更新後的第一邊緣片段得到前述第三邊緣區域。
  18. 如申請專利範圍第16項所記載之裝置，其中，前述第六處理模組包括：第五確定模組，設置為確定前述第三邊緣區域的凸包；提取模組，設置為根據第三邊緣區域的凸包提取前述第三邊緣區域的邊緣；以及第六確定模組，設置為根據前述第三邊緣區域的邊緣確定前述第四邊緣區域。
  19. 如申請專利範圍第16項所記載之裝置，其中，前述第七處理模組包括：第八處理模組，設置為對前述第四邊緣區域進行形態學處理，得到第五 邊緣區域；第三獲取模組，設置為獲取前述第三邊緣區域和前述第五邊緣區域的重合區域；以及第七確定模組，設置為根據前述重合區域確定前述瞳孔邊緣區域。
  20. 如申請專利範圍第12項所記載之裝置，其中，前述擬合模組包括：第一擬合模組，設置為在前述瞳孔的半徑大於預設半徑的情況下，對前述瞳孔邊緣區域進行橢圓擬合處理，得到前述瞳孔的位置；以及第二擬合模組，設置為在前述瞳孔的半徑小於等於前述預設半徑的情況下，對前述瞳孔邊緣區域進行圓擬合處理，得到前述瞳孔的位置。
TW107147366A 2017-12-27 2018-12-27 確定瞳孔位置的方法和裝置 TWI692729B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201711455783.2 2017-12-27
CN201711455783.2A CN108280403B (zh) 2017-12-27 2017-12-27 确定瞳孔位置的方法和装置
??201711455783.2 2017-12-27

Publications (2)

Publication Number Publication Date
TW201928759A TW201928759A (zh) 2019-07-16
TWI692729B true TWI692729B (zh) 2020-05-01

Family

ID=62802463

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107147366A TWI692729B (zh) 2017-12-27 2018-12-27 確定瞳孔位置的方法和裝置

Country Status (4)

Country Link
US (1) US10853967B2 (zh)
CN (1) CN108280403B (zh)
TW (1) TWI692729B (zh)
WO (1) WO2019128715A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108280403B (zh) * 2017-12-27 2020-08-04 北京七鑫易维信息技术有限公司 确定瞳孔位置的方法和装置
CN109145821B (zh) * 2018-08-16 2020-11-06 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
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
CN111339982A (zh) * 2020-03-05 2020-06-26 西北工业大学 一种基于特征的多级瞳孔中心定位技术实现方法
CN112464829B (zh) * 2020-12-01 2024-04-09 中航航空电子有限公司 一种瞳孔定位方法、设备、存储介质及视线追踪系统
CN113190117B (zh) * 2021-04-29 2023-02-03 南昌虚拟现实研究院股份有限公司 瞳孔、光斑定位方法、数据计算方法及相关装置
CN114758407B (zh) * 2022-06-17 2022-09-20 慧眼识真(北京)电子科技有限公司 一种基于仿射变换的虹膜视角矫正方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007144113A (ja) * 2005-10-25 2007-06-14 Olympus Corp 生体情報収集及び提示装置並びに瞳孔径測定装置
CN101211413A (zh) * 2006-12-28 2008-07-02 台正 一种基于视频图像处理的快速瞳孔中心定位的方法
TW201533609A (zh) * 2014-02-20 2015-09-01 Utechzone Co Ltd 以輔助燈光相對位置為基礎之瞳孔定位方法、其系統以及其電腦程式產品
TWI577327B (zh) * 2014-08-14 2017-04-11 由田新技股份有限公司 瞳孔定位方法與裝置及其電腦程式產品
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

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6980691B2 (en) * 2001-07-05 2005-12-27 Corel Corporation Correction of “red-eye” effects in images
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
US9892315B2 (en) * 2013-05-10 2018-02-13 Sension, Inc. Systems and methods for detection of behavior correlated with outside distractions in examinations
CN103530618A (zh) * 2013-10-23 2014-01-22 哈尔滨工业大学深圳研究生院 一种基于角膜反射的非接触式视线追踪方法
US9552061B2 (en) * 2014-03-26 2017-01-24 Microsoft Technology Licensing, Llc Eye gaze tracking using binocular fixation constraints
US9355315B2 (en) 2014-07-24 2016-05-31 Microsoft Technology Licensing, Llc Pupil detection
CN104463159B (zh) * 2014-12-31 2017-11-28 北京释码大华科技有限公司 一种定位虹膜的图像处理方法和装置
CN105094337B (zh) * 2015-08-19 2018-06-22 华南理工大学 一种基于虹膜和瞳孔的三维视线估计方法
CN106056092B (zh) * 2016-06-08 2019-08-20 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
CN106022315B (zh) * 2016-06-17 2019-07-12 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
CN106203358B (zh) 2016-07-14 2019-11-19 北京无线电计量测试研究所 一种虹膜定位方法和设备
CN107871322B (zh) * 2016-09-27 2020-08-28 北京眼神科技有限公司 虹膜图像分割方法和装置
CN108280403B (zh) 2017-12-27 2020-08-04 北京七鑫易维信息技术有限公司 确定瞳孔位置的方法和装置
CN109635761B (zh) * 2018-12-18 2021-09-10 北京七鑫易维信息技术有限公司 一种虹膜识别图像确定方法、装置、终端设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007144113A (ja) * 2005-10-25 2007-06-14 Olympus Corp 生体情報収集及び提示装置並びに瞳孔径測定装置
CN101211413A (zh) * 2006-12-28 2008-07-02 台正 一种基于视频图像处理的快速瞳孔中心定位的方法
TW201533609A (zh) * 2014-02-20 2015-09-01 Utechzone Co Ltd 以輔助燈光相對位置為基礎之瞳孔定位方法、其系統以及其電腦程式產品
TWI577327B (zh) * 2014-08-14 2017-04-11 由田新技股份有限公司 瞳孔定位方法與裝置及其電腦程式產品
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

Also Published As

Publication number Publication date
WO2019128715A1 (zh) 2019-07-04
TW201928759A (zh) 2019-07-16
US10853967B2 (en) 2020-12-01
CN108280403B (zh) 2020-08-04
US20200320735A1 (en) 2020-10-08
CN108280403A (zh) 2018-07-13

Similar Documents

Publication Publication Date Title
TWI692729B (zh) 確定瞳孔位置的方法和裝置
AU2019204639B2 (en) Image and feature quality, image enhancement and feature extraction for ocular-vascular and facial recognition, and fusing ocular-vascular with facial and/or sub-facial information for biometric systems
Chen et al. A highly accurate and computationally efficient approach for unconstrained iris segmentation
CN106203358B (zh) 一种虹膜定位方法和设备
JP2007188504A (ja) 画像中の画素強度をフィルタリングする方法
CN110516661B (zh) 应用于虹膜识别的美瞳检测方法及装置
CN113420663B (zh) 一种儿童人脸识别方法及系统
US10860834B2 (en) Enhanced biometric privacy
WO2015103953A1 (zh) 不均匀光照条件下的虹膜提取方法及设备
Avey et al. An FPGA-based hardware accelerator for iris segmentation
US10438061B2 (en) Adaptive quantization method for iris image encoding
TW201909032A (zh) 指靜脈辨識方法
Moazzam et al. An Efficient Method for Eye Detection in Color Images using Morphological Operations