CN104182720A - 瞳孔检测方法和装置 - Google Patents

Abstract

公开一种瞳孔检测方法和装置，所述瞳孔检测方法包括以下步骤：在拍摄的亮瞳图像中逐行逐像素搜索“黑-白-黑”结构模式的区域作为瞳孔候选区域，并记录瞳孔候选区域的边缘点和每行白线的中点；根据各个瞳孔候选区域的圆形度和平均灰度确定可信瞳孔区域；对确定的可信瞳孔区域的白线的中点执行随机抽样一致性的直线拟合，从而得到可信瞳孔区域的白线的可靠中点以及与可靠中点对应的边缘点；对与可靠中点对应的边缘点执行二次曲线拟合，从而得到可信瞳孔区域的可靠边缘点；对可信瞳孔区域的可靠边缘点进行椭圆拟合，从而得到瞳孔中心。

Description

瞳孔检测方法和装置

技术领域

本发明涉及一种瞳孔检测方法和装置，更具体地讲，涉及一种通过使用亮瞳图像检测瞳孔从而提高瞳孔定位的精度和鲁棒性的瞳孔检测方法和装置。

背景技术

眼睛是人类获取外部世界信息的主要窗口，它接受的信息占到大脑接受全部信息的80%～90%。视线是眼睛注视的方向，它代表一个人关注的焦点。近几十年，视线跟踪一直都是比较活跃的研究课题。视线跟踪在人机交互领域存在着很大的应用潜力。例如，当用户注视显示器屏幕时，可以通过视线跟踪***估计出用户在屏幕上的注视点。因此，视线可以作为先进的计算机输入手段，其已经被证明比传统输入设备（比如鼠标）更有效率，而且身体残障人士也可以使用视线跟踪***。此外，还可以实现基于视线跟踪技术的互动显示器，该显示器显示的画面可随视线的变化而变化。与此同时，视线跟踪也被认知科学家广泛地应用于人类的认知和记忆研究。

目前基于视觉的视线估计***中，精度最高而且被广泛商业化使用的是基于PCCR(Pupil-center-cornea-reflection，瞳孔-角膜反射)的方法。采用同轴离轴红外光源交替照明，同轴光源照亮瞳孔，离轴光源在黑暗瞳孔上有反射点，利用红外相机获取亮瞳、暗瞳图像，通过图像处理获得瞳孔中心和反射点位置，结合眼球几何模型计算出视线方向。这里，反射点图像与背景对比度高，可以在定位出瞳孔中心的前提下比较容易获得，瞳孔的定位多采用同轴离轴光源交替图像差分提高瞳孔定位的精度和鲁棒性。当相机帧速不高时，头部和眼球运动会导致亮瞳、暗瞳图像中瞳孔位置偏离；亮瞳图像中，光源反射点出现在亮瞳周围时，会对瞳孔中心定位精度产生一定干扰。

发明内容

因此，为了解决现有技术中的以上缺点，本发明的目的在于提供一种通过使用亮瞳图像检测瞳孔从而提高瞳孔定位的精度和鲁棒性的瞳孔检测方法和装置。

根据本发明的一方面，提供一种瞳孔检测方法，包括以下步骤：在拍摄的亮瞳图像中逐行逐像素搜索“黑-白-黑”结构模式的区域作为瞳孔候选区域，并记录瞳孔候选区域的边缘点和每行白线的中点；根据各个瞳孔候选区域的圆形度和平均灰度确定可信瞳孔区域；对确定的可信瞳孔区域的白线的中点执行随机抽样一致性的直线拟合，从而得到可信瞳孔区域的白线的可靠中点以及与可靠中点对应的边缘点；对与可靠中点对应的边缘点执行二次曲线拟合，从而得到可信瞳孔区域的可靠边缘点；对可信瞳孔区域的可靠边缘点进行椭圆拟合，从而得到瞳孔中心。

优选地，在对拍摄的亮瞳图像进行局部二值化和形态学滤波处理之后执行逐行逐像素搜索“黑-白-黑”结构模式的区域的步骤。

优选地，在逐行逐像素搜索“黑-白-黑”结构模式的区域的步骤中，当一行中连续n个像素的像素值为0时，所述n个像素被识别为黑色区域，当一行中连续n个像素的像素值为1时，所述n个像素被识别为白色区域，其中，n为大于等于3的正整数。

优选地，确定可信瞳孔区域的步骤包括：通过使用各个瞳孔候选区域的边缘点计算各个瞳孔候选区域的圆形度C；计算各个瞳孔候选区域的平均灰度G；根据以下等式计算各个瞳孔候选区域的可信度f：f=h1*C+h2*G，其中，h1和h2表示权重；将可信度f最大的瞳孔候选区域确定为可信瞳孔区域。

优选地，执行随机抽样一致性的直线拟合的步骤包括：（a）从确定的可信瞳孔区域的白线的中点之中随机选择若干中点作为内群；（b）建立适合于所述内群的直线模型；（c）计算未选择的中点与建立的直线模型之间的距离；（d）如果未选择的中点与建立的直线模型之间的距离小于预定阈值，则确定未选择的中点属于内群，否则确定未选择的中点不属于内群；（e）将步骤（a）-（d）重复预定次数，从而得到多个内群；（f）确定所述多个内群中中点数量最多的内群；（e）将确定的内群中的中点确定为可信瞳孔区域的白线的可靠中点。

优选地，所述预定阈值为一个像素。

优选地，执行二次曲线拟合的步骤包括：对与可靠中点对应的边缘点执行二次曲线拟合，去除距离拟合得到的二次曲线超过预定阈值的边缘点，从而得到可信瞳孔区域的可靠边缘点。

优选地，所述预定阈值为一个像素或两个像素。

优选地，将通过椭圆拟合得到的椭圆的中点确定为瞳孔中心。

根据本发明的另一方面，提供一种瞳孔检测装置，包括：候选区域确定单元，在拍摄的亮瞳图像中逐行逐像素搜索“黑-白-黑”结构模式的区域作为瞳孔候选区域，并记录瞳孔候选区域的边缘点和每行白线的中点；瞳孔区域细化单元，根据各个瞳孔候选区域的圆形度和平均灰度确定可信瞳孔区域；瞳孔边缘获取单元，对确定的可信瞳孔区域的白线的中点执行随机抽样一致性的直线拟合，从而得到可信瞳孔区域的白线的可靠中点以及与可靠中点对应的边缘点，并且对与可靠中点对应的边缘点执行二次曲线拟合，从而得到可信瞳孔区域的可靠边缘点；几何要素获取单元，对可信瞳孔区域的可靠边缘点进行椭圆拟合，从而得到瞳孔中心。

优选地，所述瞳孔检测装置还包括：预处理单元，对拍摄的亮瞳图像进行局部二值化和形态学滤波处理，其中，候选区域确定单元在进行局部二值化和形态学滤波处理之后的亮瞳图像中执行逐行逐像素搜索操作。

优选地，当一行中连续n个像素的像素值为0时，候选区域确定单元将所述n个像素识别为黑色区域，当一行中连续n个像素的像素值为1时，候选区域确定单元将所述n个像素识别为白色区域，其中，n为大于等于3的正整数。

优选地，瞳孔区域细化单元执行如下操作：通过使用各个瞳孔候选区域的边缘点计算各个瞳孔候选区域的圆形度C；计算各个瞳孔候选区域的平均灰度G；根据以下等式计算各个瞳孔候选区域的可信度f：f=h1*C+h2*G，其中，h1和h2表示权重；将可信度f最大的瞳孔候选区域确定为可信瞳孔区域。

优选地，瞳孔边缘获取单元执行如下操作：（a）从确定的可信瞳孔区域的白线的中点之中随机选择若干中点作为内群；（b）建立适合于所述内群的直线模型；（c）计算未选择的中点与建立的直线模型之间的距离；（d）如果未选择的中点与建立的直线模型之间的距离小于预定阈值，则确定未选择的中点属于内群，否则确定未选择的中点不属于内群；（e）将操作（a）-（d）重复预定次数，从而得到多个内群；（f）确定所述多个内群中中点数量最多的内群；（e）将确定的内群中的中点确定为可信瞳孔区域的白线的可靠中点。

优选地，所述预定阈值为一个像素。

优选地，瞳孔边缘获取单元还执行如下操作：对与可靠中点对应的边缘点执行二次曲线拟合，去除距离拟合得到的二次曲线超过预定阈值的边缘点，从而得到可信瞳孔区域的可靠边缘点。

优选地，所述预定阈值为一个像素或两个像素。

优选地，几何要素获取单元将通过椭圆拟合得到的椭圆的中点确定为瞳孔中心。

根据本发明，由于仅使用亮瞳图像，去除了眼皮遮挡的干扰，去除了眼睛内液体的反射，去除了落在瞳孔边缘上的光源成像点，因此得到的瞳孔中心比较准确，从而提高了瞳孔定位的精度和鲁棒性。

将在接下来的描述中部分阐述本发明另外的方面和/或优点，还有一部分通过描述将是清楚的，或者可以经过本发明的实施而得知。

附图说明

通过下面结合附图进行的详细描述，本发明的上述和其它目的、特点和优点将会变得更加清楚，其中：

图1是示出根据本发明的实施例的瞳孔检测方法的流程图；

图2示出了通过红外相机拍摄的两个亮瞳图像中的眼睛区域；

图3示出了对两个亮瞳图像进行局部二值化和形态学滤波处理的两个结果图像；

图4示出了包括各行白线的中点的瞳孔候选区域的示图；

图5示出了两个可信瞳孔区域的示图；

图6示出了根据本发明的实施例的随机抽样一致性的直线拟合算法的流程图；

图7示出了包括通过执行随机抽样一致性的直线拟合获得的可靠中点的两个瞳孔区域的示图；

图8示出了通过椭圆拟合获得的瞳孔中心的示图；

图9是示出根据本发明的实施例的瞳孔检测装置的框图。

具体实施方式

下面将参照附图详细描述本发明的实施例。在附图中，相同的附图标号始终表示相同的结构、特征和元件。

图1是示出根据本发明的实施例的瞳孔检测方法的流程图。

参照图1，在步骤S101中，在通过红外相机拍摄的亮瞳图像中逐行逐像素搜索“黑-白-黑”结构模式的区域作为瞳孔候选区域，并记录瞳孔候选区域的边缘点和每行白线的中点。在实际处理中，需要在对拍摄的亮瞳图像进行局部二值化和形态学滤波处理之后才可执行步骤S101。图2示出了通过红外相机拍摄的两个亮瞳图像中的眼睛区域。在图2的（a）中示出了眼皮遮挡的眼睛区域，在图2的（b）中示出了眼白有反光的眼睛区域。局部二值化处理可有效分割被同轴光源照亮的瞳孔和虹膜，形态学滤波处理可去除睫毛干扰。在执行形态学滤波处理时，应尽量减少滤波对图像中瞳孔边缘的影响。进一步讲，通过对拍摄的亮瞳图像进行局部二值化和形态学滤波处理之后，可以得到眼睛区域的二值图。图3示出了对两个亮瞳图像进行局部二值化和形态学滤波处理的两个结果图像。在实际处理中，瞳孔区域由于被同轴光源照亮而被二值化为“1”，眼皮和眼白反光区域可能同时被二值化为“1”，因此需要先检测出像素值为“1”的连通区域。同时，眼皮和瞳孔区域可能连通，为了排除眼皮干扰，采用逐行扫描“黑-白-黑”结构模式的区域的方法。对左右眼图像区域分别进行逐行逐像素扫描，记录每一行“黑-白-黑”结构黑白交接边缘点和白线的中点。考虑到可能的噪声干扰，在逐行逐像素搜索“黑-白-黑”结构模式的区域时，如果一行中连续n个像素的像素值为0，则所述n个像素被识别为黑色区域，如果一行中连续n个像素的像素值为1，则所述n个像素被识别为白色区域。根据本实施例，n可以为大于等于3的正整数。图4示出了包括各行白线的中点的瞳孔候选区域的示图。

在步骤S102中，根据各个瞳孔候选区域的圆形度和平均灰度确定可信瞳孔区域。具体地讲，可使用各个瞳孔候选区域的边缘点的集合计算各个瞳孔候选区域的圆形度C。当瞳孔候选区域趋于圆形时，圆形度C是单增趋于无穷的，不受区域平移、旋转和尺度变化影响。另一方面，通过统计各个瞳孔候选区域中的像素位置以及像素数量和，在原始灰度图上获取这些像素位置的灰度值，计算平均灰度G。这里，像素数量和作为相应的瞳孔候选区域的面积。在满足瞳孔候选区域的面积在一定经验范围内的条件下，选择可信度最高的瞳孔候选区域作为可信瞳孔区域。可根据等式f=h1*C+h2*G来计算各个瞳孔候选区域的可信度f，其中，h1和h2表示权重。图5示出了两个可信瞳孔区域的示图。在图5的（b）中，眼白反光区域被去除。

在步骤S103中，对确定的可信瞳孔区域的白线的中点执行随机抽样一致性的直线拟合，从而得到可信瞳孔区域的白线的可靠中点以及与可靠中点对应的边缘点。实际上，同轴光源在眼睛表面的反射点可能会出现在瞳孔内部、瞳孔外部和瞳孔边缘。瞳孔中心的定位是通过瞳孔边缘点来计算的，反射点在瞳孔内部和外部不会对瞳孔中心的定位产生影响，但是反射点刚好在瞳孔区域边缘上时，二值化后的瞳孔区域边缘点会在反射点附近产生偏差。因此，需要先去除偏差点，得到有效的瞳孔区域边缘点。

图6示出了根据本发明的实施例的随机抽样一致性的直线拟合算法的流程图。

在步骤S601中，可将一个计数值Count初始化为0。然后，在步骤S602中，从确定的可信瞳孔区域的白线的中点之中随机选择若干中点作为内群。在步骤S603中，建立适合于所述内群的直线模型。在步骤S604中，计算未选择的中点与建立的直线模型之间的距离。在步骤S605中，如果未选择的中点与建立的直线模型之间的距离小于预定阈值，则确定未选择的中点属于内群，否则确定未选择的中点不属于内群。根据本实施例，所述预定阈值可以是，但不限于，一个像素。在步骤S606中，确定步骤S602至S605是否已经被执行预定次数。即，在步骤S606中，确定计数值Count是否达到预设值N。如果计数值Count小于预设值N，则在步骤S607中，将计数值Count加1，并返回步骤S602。这样，通过将步骤S602至S605重复执行N次，可以得到多个内群。如果计数值Count不小于预设值N，则在步骤S608中，确定所述多个内群中中点数量最多的内群。最后，在步骤S609中，将确定的内群中的中点确定为可信瞳孔区域的白线的可靠中点。图7示出了包括通过执行随机抽样一致性的直线拟合获得的可靠中点的两个瞳孔区域的示图。

在步骤S104中，对与可靠中点对应的边缘点执行二次曲线拟合，从而得到可信瞳孔区域的可靠边缘点。在理想情况下，瞳孔区域为椭圆，逐行白线宽度接近二次曲线。考虑到睫毛遮挡或者其他可能的干扰，对瞳孔区域逐行白线宽度用二次曲线进行拟合，去除宽度值异常行内的边缘点，最终得到可靠的瞳孔边缘点。也就是说，在步骤S104中，对与可靠中点对应的边缘点执行二次曲线拟合，去除距离拟合得到的二次曲线超过预定阈值的边缘点，从而得到可信瞳孔区域的可靠边缘点。根据本实施例，所述预定阈值可以是，但不限于，一个像素或两个像素。

在步骤S105中，对可信瞳孔区域的可靠边缘点执行椭圆拟合，从而得到瞳孔中心。这里，将通过椭圆拟合得到的椭圆的中点确定为瞳孔中心。根据本实施例，由于去除了眼皮遮挡的干扰，去除了眼睛内液体的反射，去除了落在瞳孔边缘上的光源成像点，因此得到的瞳孔中心比较准确。图8示出了通过椭圆拟合获得的瞳孔中心的示图。

图9是示出根据本发明的实施例的瞳孔检测装置的框图。

参照图9，瞳孔检测装置900可包括候选区域确定单元901、瞳孔区域细化单元902、瞳孔边缘获取单元903和几何要素获取单元904。候选区域确定单元901在拍摄的亮瞳图像中逐行逐像素搜索“黑-白-黑”结构模式的区域作为瞳孔候选区域，并记录瞳孔候选区域的边缘点和每行白线的中点。具体地讲，当一行中连续n个像素的像素值为0时，候选区域确定单元901可将所述n个像素识别为黑色区域，当一行中连续n个像素的像素值为1时，候选区域确定单元901可将所述n个像素识别为白色区域。这里，n为大于等于3的正整数。

瞳孔区域细化单元902根据各个瞳孔候选区域的圆形度和平均灰度确定可信瞳孔区域。根据本实施例，瞳孔区域细化单元902可通过使用各个瞳孔候选区域的边缘点计算各个瞳孔候选区域的圆形度C，计算各个瞳孔候选区域的平均灰度G，根据等式f=h1*C+h2*G来计算各个瞳孔候选区域的可信度f（其中，h1和h2表示权重），并将可信度f最大的瞳孔候选区域确定为可信瞳孔区域。

瞳孔边缘获取单元903对确定的可信瞳孔区域的白线的中点执行随机抽样一致性的直线拟合，从而得到可信瞳孔区域的白线的可靠中点以及与可靠中点对应的边缘点。如上所述，瞳孔边缘获取单元903可执行如图6所述的随机抽样一致性的直线拟合算法。此外，瞳孔边缘获取单元903还对与可靠中点对应的边缘点执行二次曲线拟合，从而得到可信瞳孔区域的可靠边缘点。即，瞳孔边缘获取单元903可对与可靠中点对应的边缘点执行二次曲线拟合，去除距离拟合得到的二次曲线超过预定阈值的边缘点，从而得到可信瞳孔区域的可靠边缘点。

几何要素获取单元904对可信瞳孔区域的可靠边缘点进行椭圆拟合，从而得到瞳孔中心。这里，几何要素获取单元904可将通过椭圆拟合得到的椭圆的中点确定为瞳孔中心。

可选择地，瞳孔检测装置900还可包括预处理单元905。预处理单元905可对拍摄的亮瞳图像进行局部二值化和形态学滤波处理。候选区域确定单元901可在进行局部二值化和形态学滤波处理之后的亮瞳图像中执行逐行逐像素搜索操作。

本发明可以应用在有红外同轴光源的视线估计***中。根据本发明的结果，得到左右瞳孔的位置，可以为离轴光源反射点的定位提供搜索区域的参考，计算出眼睛视线在三维空间中的方向。此外，根据本发明，由于仅使用亮瞳图像，去除了眼皮遮挡的干扰，去除了眼睛内液体的反射，去除了落在瞳孔边缘上的光源成像点，因此得到的瞳孔中心比较准确，从而提高了瞳孔定位的精度和鲁棒性。

根据本发明的瞳孔检测方法可实现为计算机可读记录介质上的计算机可读代码或计算机程序。所述计算机可读记录介质是可存储其后可由计算机***读出的数据的任意数据存储装置。

尽管已经参照其示例性实施例具体显示和描述了本发明，但是本领域的技术人员应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。

Claims (18)

1.一种瞳孔检测方法，其特征在于，所述瞳孔检测方法包括以下步骤：

在拍摄的亮瞳图像中逐行逐像素搜索“黑-白-黑”结构模式的区域作为瞳孔候选区域，并记录瞳孔候选区域的边缘点和每行白线的中点；

根据各个瞳孔候选区域的圆形度和平均灰度确定可信瞳孔区域；

对确定的可信瞳孔区域的白线的中点执行随机抽样一致性的直线拟合，从而得到可信瞳孔区域的白线的可靠中点以及与可靠中点对应的边缘点；

对与可靠中点对应的边缘点执行二次曲线拟合，从而得到可信瞳孔区域的可靠边缘点；

对可信瞳孔区域的可靠边缘点进行椭圆拟合，从而得到瞳孔中心。

2.根据权利要求1所述的瞳孔检测方法，其特征在于，在对拍摄的亮瞳图像进行局部二值化和形态学滤波处理之后执行逐行逐像素搜索“黑-白-黑”结构模式的区域的步骤。

3.根据权利要求2所述的瞳孔检测方法，其特征在于，在逐行逐像素搜索“黑-白-黑”结构模式的区域的步骤中，当一行中连续n个像素的像素值为0时，所述n个像素被识别为黑色区域，当一行中连续n个像素的像素值为1时，所述n个像素被识别为白色区域，其中，n为大于等于3的正整数。

4.根据权利要求1所述的瞳孔检测方法，其特征在于，确定可信瞳孔区域的步骤包括：

通过使用各个瞳孔候选区域的边缘点计算各个瞳孔候选区域的圆形度C；

计算各个瞳孔候选区域的平均灰度G；

根据以下等式计算各个瞳孔候选区域的可信度f：f=h1*C+h2*G，其中，h1和h2表示权重；

将可信度f最大的瞳孔候选区域确定为可信瞳孔区域。

5.根据权利要求1所述的瞳孔检测方法，其特征在于，执行随机抽样一致性的直线拟合的步骤包括：

（a）从确定的可信瞳孔区域的白线的中点之中随机选择若干中点作为内群；

（b）建立适合于所述内群的直线模型；

（c）计算未选择的中点与建立的直线模型之间的距离；

（d）如果未选择的中点与建立的直线模型之间的距离小于预定阈值，则确定未选择的中点属于内群，否则确定未选择的中点不属于内群；

（e）将步骤（a）-（d）重复预定次数，从而得到多个内群；

（f）确定所述多个内群中中点数量最多的内群；

（g）将确定的内群中的中点确定为可信瞳孔区域的白线的可靠中点。

6.根据权利要求5所述的瞳孔检测方法，其特征在于，所述预定阈值为一个像素。

7.根据权利要求1所述的瞳孔检测方法，其特征在于，执行二次曲线拟合的步骤包括：对与可靠中点对应的边缘点执行二次曲线拟合，去除距离拟合得到的二次曲线超过预定阈值的边缘点，从而得到可信瞳孔区域的可靠边缘点。

8.根据权利要求7所述的瞳孔检测方法，其特征在于，所述预定阈值为一个像素或两个像素。

9.根据权利要求1所述的瞳孔检测方法，其特征在于，将通过椭圆拟合得到的椭圆的中点确定为瞳孔中心。

10.一种瞳孔检测装置，其特征在于，所述瞳孔检测装置包括：

候选区域确定单元，在拍摄的亮瞳图像中逐行逐像素搜索“黑-白-黑”结构模式的区域作为瞳孔候选区域，并记录瞳孔候选区域的边缘点和每行白线的中点；

瞳孔区域细化单元，根据各个瞳孔候选区域的圆形度和平均灰度确定可信瞳孔区域；

瞳孔边缘获取单元，对确定的可信瞳孔区域的白线的中点执行随机抽样一致性的直线拟合，从而得到可信瞳孔区域的白线的可靠中点以及与可靠中点对应的边缘点，并且对与可靠中点对应的边缘点执行二次曲线拟合，从而得到可信瞳孔区域的可靠边缘点；

几何要素获取单元，对可信瞳孔区域的可靠边缘点进行椭圆拟合，从而得到瞳孔中心。

11.根据权利要求10所述的瞳孔检测装置，其特征在于，所述瞳孔检测装置还包括：预处理单元，对拍摄的亮瞳图像进行局部二值化和形态学滤波处理，

其中，候选区域确定单元在进行局部二值化和形态学滤波处理之后的亮瞳图像中执行逐行逐像素搜索操作。

12.根据权利要求11所述的瞳孔检测装置，其特征在于，当一行中连续n个像素的像素值为0时，候选区域确定单元将所述n个像素识别为黑色区域，当一行中连续n个像素的像素值为1时，候选区域确定单元将所述n个像素识别为白色区域，其中，n为大于等于3的正整数。

13.根据权利要求10所述的瞳孔检测装置，其特征在于，瞳孔区域细化单元执行如下操作：

通过使用各个瞳孔候选区域的边缘点计算各个瞳孔候选区域的圆形度C；

计算各个瞳孔候选区域的平均灰度G；

根据以下等式计算各个瞳孔候选区域的可信度f：f=h1*C+h2*G，其中，h1和h2表示权重；

将可信度f最大的瞳孔候选区域确定为可信瞳孔区域。

14.根据权利要求10所述的瞳孔检测装置，其特征在于，瞳孔边缘获取单元执行如下操作：

（a）从确定的可信瞳孔区域的白线的中点之中随机选择若干中点作为内群；

（b）建立适合于所述内群的直线模型；

（c）计算未选择的中点与建立的直线模型之间的距离；

（d）如果未选择的中点与建立的直线模型之间的距离小于预定阈值，则确定未选择的中点属于内群，否则确定未选择的中点不属于内群；

（e）将操作（a）-（d）重复预定次数，从而得到多个内群；

（f）确定所述多个内群中中点数量最多的内群；

（g）将确定的内群中的中点确定为可信瞳孔区域的白线的可靠中点。

15.根据权利要求14所述的瞳孔检测装置，其特征在于，所述预定阈值为一个像素。

16.根据权利要求10所述的瞳孔检测装置，其特征在于，瞳孔边缘获取单元还执行如下操作：对与可靠中点对应的边缘点执行二次曲线拟合，去除距离拟合得到的二次曲线超过预定阈值的边缘点，从而得到可信瞳孔区域的可靠边缘点。

17.根据权利要求16所述的瞳孔检测装置，其特征在于，所述预定阈值为一个像素或两个像素。

18.根据权利要求10所述的瞳孔检测装置，其特征在于，几何要素获取单元将通过椭圆拟合得到的椭圆的中点确定为瞳孔中心。