CN103679141A - 虹膜的旋转跟踪算法 - Google Patents
虹膜的旋转跟踪算法 Download PDFInfo
- Publication number
- CN103679141A CN103679141A CN201310636153.0A CN201310636153A CN103679141A CN 103679141 A CN103679141 A CN 103679141A CN 201310636153 A CN201310636153 A CN 201310636153A CN 103679141 A CN103679141 A CN 103679141A
- Authority
- CN
- China
- Prior art keywords
- real
- iris
- original
- eye pupil
- data
- 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
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Eye Examination Apparatus (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
Description
技术领域
本发明涉及一种用于虹膜旋转的跟踪方法,具体涉及一种虹膜的旋转跟踪算法。
背景技术
传统的准分子激光消融角膜时,眼跟踪***会实时找到虹膜中心,所有扫描点都会以实时的虹膜中心为原点进行随机抽点消融。虽然能在一定程序上减少扫描点坐标的不准确性,但这种方法没有考虑到虹膜在虹膜中心位置不变的情况下旋转,进而对扫描点坐标产生影响。
发明内容
为了改进现有技术的不足,本发明提供一种虹膜的旋转跟踪算法,使扫描点跟踪上旋转的虹膜。
本发明所采用的技术方案是:一种虹膜的旋转跟踪算法,包括以下几步,
一、 极坐标化原始眼瞳图片,以原始眼瞳图片的瞳孔的中心为极点,以极角θ引出M条射线,在射线上每隔一个像素取一个点;
二、 以极坐标的形式找到瞳孔外侧的虹膜数据,将极坐标下M条射线上瞳孔轮廓***的前N个连续的像素数据作为原始虹膜数据A;
三、 抓取实时眼瞳图片,采用步骤一和步骤二的方式处理实时眼瞳图片,得到实时虹膜数据为B;
四、 向上或向下循环移动原始虹膜数据A的行数,得到的新的原始虹膜数据为A′,通过相似度判断公式S= 计算新的原始虹膜数据A′与实时虹膜数据B的相似度值,当相似度值最大时,通过移动的行数即可得到虹膜的旋转角;
五、 依次以步骤三和四的方式处理实时眼瞳图片与上一帧的实时眼瞳图片,计算两者之间的相对旋转角,通过累加前面计算的得到的旋转角,得到实时眼瞳图片和原始眼瞳图片的旋转角。
步骤一中极角θ精确到1°,M为360。
步骤一中,在射线上每隔一个像素取一个点,若该点在原始图片数据中不存在,则采用双线性插值法取点。
步骤二中以极角θ为行,像素数为列,提取极坐标下M条射线上虹膜的前N个连续的像素数据,保存为M行N列的图片数据,并以该图片数据作为原始虹膜数据A,N为50。
本发明的有益效果是:瞳孔大小影响虹膜的结构图案,相关性要求瞳孔的大小尽量一致,所以使用实时眼瞳图片和上一帧的实时眼瞳图片进行比较,可以保证足够的相关性,比较精确,通过该跟踪方法使扫描点跟踪上旋转的虹膜,提高扫描精度。
附图说明
图1为本发明极坐标下的原始眼瞳图片。
图2为本发明极坐标化提取的数据图片。
具体实施方式
下面结合附图对本发明实施例作进一步说明:
实施例:一种瞳孔的旋转跟踪方法。包括以下步骤:
参见图1,第一阶段:极坐标化原始眼瞳图片,以原始眼瞳图片的瞳孔的中心为极点,极角θ精确到1°,极径R精确到1个像素,从0到359引出360条射线,在射线上每隔一个像素取一个点,若该点在原始图片数据中不存在,则采用双线性插值法取点;
在平面内取一个定点O,叫极点,引一条射线,叫做极轴,再选定一个长度单位和角度的正方向(通常取逆时针方向)。对于平面内任何一点,用R表示该点到极点的长度,该点到极点与极轴之间的角度为θ, R叫做点的极径,θ叫做点的极角,有序数对 (R,θ)就叫点M的极坐标,这样建立的坐标系叫做极坐标系。
原始眼瞳图片数据的存储格式都是二维矩阵,不利于虹膜旋转跟踪的计算,所以需要进行坐标转化,由平面直角坐标转化为以瞳孔中心为极点的极坐标,极角θ精确到1°,极径R精确到1个像素。从0°到359°引出360条射线,在射线上每隔一个像素(像素定义:像素是指基本原色素及其灰度的基本编码)取一个点,若该点在原始眼瞳图片数据中不存在,则采用双线性插值法,即在原始眼瞳图片数据中取离它最近的四个点和的平均值。由于射线长短不一,需要填充短射线以和长射线对齐。转化后的图片如图2所示。
第二阶段:以极坐标的形式找到瞳孔外侧的虹膜数据,将极坐标下360条射线上瞳孔轮廓***的前50个连续的像素数据作为原始虹膜数据A。
以极角为行,像素数为列,提取极坐标下360条射线上虹膜(瞳孔轮廓***)的前50个连续的像素数据,保存为360行50列的图片数据。图2中白色矩形框内就是所需的虹膜数据。
第三阶段:抓取实时眼瞳图片,采用步骤一和步骤二的方式处理实时眼瞳图片,得到实时虹膜数据为B;
第四阶段:向上或向下循环移动原始虹膜数据A的行数寻找与实时虹膜数据B最匹配值,得到的新的原始虹膜数据为A′,通过相似度判断公式S=计算新的原始虹膜数据A′与实时虹膜数据B的相似度值,当相似度值最大时,通过移动的行数即可得到虹膜的旋转角,假设向下循环移动了2行即得到了S的最大值,我们可以认为虹膜旋转了2*360°/360即2°。
若原始眼瞳图片的的原始虹膜数据
总共360行50列数据,对应0°到359°的虹膜数据,若原始眼瞳图片顺时针旋转1°得到A′,与A向上循环移动一行的数据相等,即
同理可得,若想逆时针旋转,则可循环向下移动数据。
相似度S = ,通过向上或向下循环移动原始虹膜数据A若干行寻找与实时虹膜数据B相似度最大的旋转角。找出使相似度S最大的原始虹膜数据A的移动行数,通过移动行数乘以1°得出的旋转角度,也就是虹膜旋转的角度。
第五阶段:依次以同样的方法处理实时眼瞳图片与上一帧的实时眼瞳图片,计算两者之间的相对旋转角,通过累加前面计算的得到的旋转角,得到实时眼瞳图片和原始眼瞳图片的旋转角。
瞳孔大小影响虹膜的结构图案,相关性比较要求瞳孔的大小尽量一致,所以使用实时眼瞳图片和上一帧的实时眼瞳图片进行比较,可以保证足够的相关性,比较精确。
以上结合附图所描述的实施例仅是本发明的优选实施方式,而并非对本发明的保护范围的限定,任何基于本发明精神所做的改进都理应在本发明保护范围之内。
Claims (4)
1.一种虹膜的旋转跟踪算法,其特征在于:包括以下几步,
一、极坐标化原始眼瞳图片,以原始眼瞳图片的瞳孔的中心为极点,以极角θ引出M条射线,在射线上每隔一个像素取一个点;
二、以极坐标的形式找到瞳孔外侧的虹膜数据,将极坐标下M条射线上瞳孔轮廓***的前N个连续的像素数据作为原始虹膜数据A;
三、抓取实时眼瞳图片,采用步骤一和步骤二的方式处理实时眼瞳图片,得到实时虹膜数据为B;
四、向上或向下循环移动原始虹膜数据A的行数,得到的新的原始虹膜数据为A′,通过相似度判断公式S= 计算新的原始虹膜数据A′与实时虹膜数据B的相似度值,当相似度值最大时,通过移动的行数即可得到虹膜的旋转角;
五、依次以步骤三和四的方式处理实时眼瞳图片与上一帧的实时眼瞳图片,计算两者之间的相对旋转角,通过累加前面计算的得到的旋转角,得到实时眼瞳图片和原始眼瞳图片的旋转角。
2.根据权利要求1所述的虹膜的旋转跟踪算法,其特征在于:步骤一中极角θ精确到1°,M为360。
3.根据权利要求1所述的虹膜的旋转跟踪算法,其特征在于:步骤一中,在射线上每隔一个像素取一个点,若该点在原始图片数据中不存在,则采用双线性插值法取点。
4.根据权利要求1所述的虹膜的旋转跟踪算法,其特征在于:步骤二中以极角θ为行,像素数为列,提取极坐标下M条射线上虹膜的前N个连续的像素数据,保存为M行N列的图片数据,并以该图片数据作为原始虹膜数据A,N为50。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310636153.0A CN103679141B (zh) | 2013-12-03 | 2013-12-03 | 虹膜的旋转跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310636153.0A CN103679141B (zh) | 2013-12-03 | 2013-12-03 | 虹膜的旋转跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103679141A true CN103679141A (zh) | 2014-03-26 |
CN103679141B CN103679141B (zh) | 2016-10-05 |
Family
ID=50316631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310636153.0A Active CN103679141B (zh) | 2013-12-03 | 2013-12-03 | 虹膜的旋转跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103679141B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107145224A (zh) * | 2017-04-07 | 2017-09-08 | 清华大学 | 基于三维球面泰勒展开的人眼视线跟踪方法和装置 |
CN108140113A (zh) * | 2015-10-08 | 2018-06-08 | 微软技术许可有限责任公司 | 虹膜识别 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1760887A (zh) * | 2004-10-11 | 2006-04-19 | 中国科学院自动化研究所 | 虹膜图像的鲁棒特征抽取与识别方法 |
CN101520838A (zh) * | 2008-02-27 | 2009-09-02 | 中国科学院自动化研究所 | 自动跟踪和自动变焦的虹膜图像获取方法 |
US20110007949A1 (en) * | 2005-11-11 | 2011-01-13 | Global Rainmakers, Inc. | Methods for performing biometric recognition of a human eye and corroboration of same |
-
2013
- 2013-12-03 CN CN201310636153.0A patent/CN103679141B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1760887A (zh) * | 2004-10-11 | 2006-04-19 | 中国科学院自动化研究所 | 虹膜图像的鲁棒特征抽取与识别方法 |
US20110007949A1 (en) * | 2005-11-11 | 2011-01-13 | Global Rainmakers, Inc. | Methods for performing biometric recognition of a human eye and corroboration of same |
CN101520838A (zh) * | 2008-02-27 | 2009-09-02 | 中国科学院自动化研究所 | 自动跟踪和自动变焦的虹膜图像获取方法 |
Non-Patent Citations (2)
Title |
---|
田启川: "不完美虹膜的定位分割、特征提取与分类识别", 《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》 * |
郭巧丽等: "基于线段提取的虹膜归一化方法", 《计算机技术与发展》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108140113A (zh) * | 2015-10-08 | 2018-06-08 | 微软技术许可有限责任公司 | 虹膜识别 |
CN107145224A (zh) * | 2017-04-07 | 2017-09-08 | 清华大学 | 基于三维球面泰勒展开的人眼视线跟踪方法和装置 |
CN107145224B (zh) * | 2017-04-07 | 2019-10-29 | 清华大学 | 基于三维球面泰勒展开的人眼视线跟踪方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103679141B (zh) | 2016-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106650682B (zh) | 一种人脸追踪的方法及装置 | |
WO2020151750A1 (zh) | 图像处理方法及装置 | |
CN103839277B (zh) | 一种户外大范围自然场景的移动增强现实注册方法 | |
CN104408725B (zh) | 一种基于tld优化算法的目标重捕获***及方法 | |
JP2019514123A (ja) | 地理的領域におけるコンテナ内に格納された量の遠隔決定 | |
US20170076482A1 (en) | Position searching method and apparatus based on electronic map | |
WO2016034059A1 (zh) | 基于颜色-结构特征的目标对象跟踪方法 | |
CN106295512B (zh) | 基于标识的多纠正线室内视觉数据库构建方法以及室内定位方法 | |
CN104978012B (zh) | 一种指向交互方法、装置及*** | |
CN110443898A (zh) | 一种基于深度学习的ar智能终端目标识别***及方法 | |
CN104008542B (zh) | 一种针对特定平面图形的快速角点匹配方法 | |
WO2020014901A1 (zh) | 一种目标跟踪方法、装置、电子设备和可读存储介质 | |
US10051343B2 (en) | Match video marking | |
CN103473537B (zh) | 一种目标图像轮廓特征表示方法及装置 | |
US11348354B2 (en) | Human body tracing method, apparatus and device, and storage medium | |
US20220292783A1 (en) | Registration for augmented reality system for viewing an event | |
CN109274883A (zh) | 姿态矫正方法、装置、终端及存储介质 | |
CN109117753A (zh) | 部位识别方法、装置、终端及存储介质 | |
CN112414403A (zh) | 一种机器人的定位定姿方法、设备及存储介质 | |
US9286543B2 (en) | Characteristic point coordination system, characteristic point coordination method, and recording medium | |
US11288839B2 (en) | Supermarket shopping cart positioning method, supermarket shopping cart positioning system, and supermarket shopping cart | |
Chen et al. | Image stitching algorithm research based on OpenCV | |
WO2018133027A1 (zh) | 基于灰度约束的三维数字散斑的整像素搜索方法及装置 | |
CN113034684B (zh) | 三维重建方法、电子设备及计算机可读存储介质 | |
CN103679141A (zh) | 虹膜的旋转跟踪算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |