CN105426695A - 一种基于虹膜的健康状态检测***及方法 - Google Patents

Abstract

本发明公开了一种基于虹膜的健康状态检测***及方法，属于虹膜识别领域。该方法包括：采集虹膜图像；对虹膜图像进行处理；将当前采集的虹膜图像和历史虹膜图像和/或虹膜图像信息进行比对分析；根据比对结果，输出基于虹膜的健康状态分析报告。本发明利用历史虹膜健康数据信息的比对来定位健康病理变化区域，并通过搭建云平台的方式，对用户的虹膜图像信息进行采集整合、跟踪、历史比对和保存，可为大众带来一种简单直接、高效、低成本的方法，持续的进行个人健康状态管理和跟踪。

Description

一种基于虹膜的健康状态检测***及方法

技术领域

本发明涉及虹膜识别领域，具体涉及一种基于虹膜的健康状态检测***及方法。

背景技术

虹膜属于眼球中层，是围绕着瞳孔的圆环状组织，位于血管膜的最前部，在睫状体前方，有自动调节瞳孔的大小，调节进入眼内光线多少的作用。

虹膜识别是目前生物特征识别中识别率最高的一种识别技术，它利用人眼图像中虹膜区域的特征进行识别，可以广泛应用于身份识别、移动支付等各种场景。

例如：申请号为200410081184.5、发明名称为《虹膜图像的鲁棒特征抽取与识别方法》的中国发明专利申请公开了一种基于虹膜图像鲁棒特征抽取的身份鉴别方法，包括：虹膜图像预处理；应用多极子滤波器对归一化虹膜图像进行空域滤波；将滤波的结果进行二值编码，构建该图像的特征向量；计算两幅虹膜图像的特征向量之间的加权Hamming距离。本发明采用新颖的“多极子滤波器”用于提取虹膜纹理中蕴含的分类信息；将滤波结果进行鲁棒编码；根据加权Hamming距离来度量两幅图像的相似性。本发明可用于需要身份识别的诸多应用***中。

再例如，申请号为201010220780.2、发明名称为《移动支付方法和用于实现该移动支付方法的设备》的中国发明专利申请公开的移动支付方法包括：利用配备有图像获取单元的移动终端获取用户的虹膜图像；根据获取的虹膜图像判断所述用户的身份；以及支付处理***利用判断的结果完成支付处理。与现有的移动支付方法相比，本发明采用虹膜信息作为用户身份的鉴权信息大大提高了手机支付业务的安全性。此外，也免去了用户记忆密码的负担。

另一方面，虹膜识别可以应用于人体健康状态的检测。虹膜学是一门以形态学为基础，可以透过眼睛虹膜的变化来推断个人健康状况及窥视康复过程的学科。现代医学研究发现眼睛的虹膜是人脑的延伸，赋予千千万万神经末梢、细微的血管、肌肉及其它组织，因此虹膜上的神经纤维可见展示反射生理学，而对身体健康的变化做出相应的反应。

因此，虹膜病理检测能更有效地开展非药物健康干预与亚健康调理服务，帮助人们“知病、防病、保健、养生”，降低医疗成本、促进人群健康。目前虹膜学在欧美国家经过上百年的发展己经自成一体，形成比较完善的***。由于其神奇的预知潜伏疾病功能，深得欧美医学权威的认同和重视。

在欧洲的许多国家以及美国都有专门的虹膜学校、虹膜医师认证***。虹膜病理检测作为一种预防医学，对辅助病人进行身体健康状况检查起着重大的作用。我国的虹膜病理检测技术虽然起步较晚，但发展却极为迅速，2008年4月13日中华人民共和国国家劳动和社会保障部发文给中国商业联合会对外联络委员会，委托该委在中国培训国家“虹膜全息技术咨询师”，从此虹膜全息技术咨询成为我国医学、心理、预防、保健、美容等领域新兴时尚的行业。

虽然，单纯的虹膜病理检测的理论比较成熟，但是由于旧有的人工检测模式的低效，同时缺少***性的结构设计、软硬件的结合、健康服务平台的推广、有效历史数据库的建立和跟踪比对，以及市场上尚未出现与智能硬件、可穿戴设备和移动互联应用相结合的产品形态及应用场景等等原因，结果造成了大众对其认知程度不高、应用普及缓慢等问题。

现有技术中的关于虹膜健康检测方法的主要缺点如下：

(1)人工手动进行确认和健康分析的效率极低；缺失虹膜历史数据库的建立(个人健康信息的积累)和智能识别比对参照等技术手段。

现有的模式基本上是通过人工手动的方式来采集虹膜图像信息，之后须由相关的虹膜健康师进行手工确认并判断虹膜的健康区域，并没有针对虹膜图像自动识别定位的功能。这意味着此方式缺少一个标准化比对分析的技术性手段，来辅助虹膜健康师(也包括医生或者健康专家)去完成更为精细的健康状态分析和判断，整个过程完全取决于虹膜健康师自身经验和主观判断，采集和分析的方式极为低效，造成了人力和时间成本的巨大浪费以及信息的不准确。

(2)信息平台建设滞后：缺少一个统一的信息平台，针对虹膜图像信息进行整合、跟踪、比对和保存，以及实现与健康类信息平台资源的跨平台互通共享。

发明内容

本发明的发明目的是提供一种基于虹膜的健康状态检测***及方法，通过持续的虹膜观察，能够建立起足够的病史和健康背景资料，作为日后保健方针追踪与审核的见证。

为了解决上述技术问题，本发明采用的技术方案如下：

一种基于虹膜的健康状态检测***，包括虹膜采集装置、数据库服务器、虹膜信息处理装置，所述虹膜信息处理装置分别与所述虹膜采集装置和所述数据库服务器连接，其中，

所述虹膜采集装置适用于拍摄获得虹膜图像；

所述数据库服务器适用于存储历史虹膜图像和/或虹膜图像信息；

所述虹膜信息处理装置适用于根据所述虹膜采集装置当前采集的所述虹膜图像和所述数据库服务器中存储的历史虹膜图像和/或虹膜图像信息进行比对分析，根据所述比对结果，输出基于虹膜的健康状态分析报告。

进一步的，所述虹膜采集装置包括能够连接移动设备的外挂镜头和/或可穿戴智能设备。

进一步的，所述虹膜信息处理装置包括存储模块、虹膜定位模块、自主神经环提取模块、映射模块、虹膜变化区域检测模块，所述虹膜定位模块连接所述自主神经环提取模块，所述映射模块分别与所述存储模块、所述虹膜定位模块和所述自主神经环提取模块连接，所述虹膜变化区域检测模块连接所述映射模块和所述数据库服务器，其中，

所述存储模块适用于存储虹膜健康标准全息图；

所述虹膜定位模块适用于定位虹膜的内外边界；

所述自主神经环提取模块适用于自动提取虹膜的自主神经环；

所述映射模块适用于根据所述虹膜健康标准全息图和所述虹膜图像及自主神经环信息，将人体特定器官映射到相应的虹膜反射区域；

所述虹膜变化区域检测提取模块适用于比对当前采集的所述虹膜图像和所述数据库服务器中存储的历史虹膜图像的虹膜反射区域特征信息，定位健康病理变化区域。

进一步的，所述自主神经环提取模块包括Gabor滤波器，所述Gabor滤波器适用于作为所述虹膜图像的方向滤波器。

进一步的，还包括云端服务器，所述云端服务器无线连接所述虹膜采集装置，其中，所述数据库服务器和所述虹膜信息处理装置内置于所述云端服务器中。

一种基于虹膜的健康状态检测方法，该方法包括以下步骤：

采集虹膜图像；

对所述虹膜图像进行处理；

将当前采集的所述虹膜图像和历史虹膜图像和/或虹膜图像信息进行比对分析；

根据所述比对结果，输出基于虹膜的健康状态分析报告。

进一步的，所述对所述虹膜图像进行处理，具体包括以下步骤：

建立虹膜健康标准全息图；

从眼睛图像中提取虹膜部分，定位虹膜的内外边界；

自动提取虹膜的自主神经环；

根据所述虹膜健康标准全息图和所述虹膜图像及自主神经环信息，将人体特定器官映射到相应的虹膜反射区域；

比对当前采集的所述虹膜图像和所述数据库服务器中存储的历史虹膜图像的虹膜反射区域特征信息，定位健康病理变化区域。

进一步的，所述自动提取虹膜的自主神经环，具体包括以下步骤：

生成所述虹膜图像的方向图；

在所述虹膜图像上使用方向滤波器减少噪音；

使用对比度增强方法加强自主神经环区域；

使用局部阈值法分离出自主神经环区域；

使用边界像素跟踪算法自动提取自主神经环。

进一步的，所述方向滤波器采用Gabor滤波器。

进一步的，所述将当前采集的所述虹膜图像和历史虹膜图像和/或虹膜图像信息进行比对分析的步骤中包括：根据所述虹膜图像生成虹膜代码，并将所述虹膜代码与用户身份代码进行比对识别。

本发明公开了一种基于虹膜的健康状态检测***及方法，利用历史虹膜健康数据信息的比对来定位健康病理变化区域，可以广泛应用于养老保健、老年病及亚健康状态的预防、智能医疗等诸多可拓展领域，可为大众带来一种直接、高效、低成本的方法来持续的对个人健康状态进行管理和跟踪，进而优化个人的健康生活习惯，达到对疾病防患于未然的终极作用。

上述说明仅是本发明技术方案的概述，为了能够使得本发明的技术手段更加清楚明白，达到本领域技术人员可依照说明书的内容予以实施的程度，并且为了能够让本发明的上述和其它目的、特征和优点能够更明显易懂，下面以本发明的具体实施方式进行举例说明。

附图说明

通过阅读下文优选的具体实施方式中的详细描述，本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。而且在整个附图中，用相同的附图标记表示相同的部件。在附图中：

图1示出了根据本发明实施例一的基于虹膜的健康状态检测***结构示意图；

图2示出了基于所述发明实施例一的基于虹膜的健康状态检测***中虹膜信息处理装置结构示意图；

图3示出了根据本发明实施例二的基于虹膜的健康状态检测方法流程图；

图4示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中虹膜图像处理方法流程图；

图5示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中虹膜定位的坎尼边缘图像示意图；

图6示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中虹膜定位的虹膜与瞳孔的边缘部分图像；

图7示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中虹膜的自主神经环示意图；

图8示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中虹膜图像的方向图；

图9示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中虹膜图像经过Gabor滤波后的图像；

图10示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中自主神经环区域加强示意图；

图11示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中分离的自主神经环区域示意图；

图12示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中提取的自主神经环示意图；

图13示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中虹膜映射示意图；

图14示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中对器官相应连接的虹膜反射区域特征信息比对示意图。

具体实施方式

下面将参照附图更详细地描述本发明的具体实施例。虽然附图中显示了本发明的具体实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个附图并不构成对本发明实施例的限定。

实施例一、一种基于虹膜的健康状态检测***。

图1为本发明实施例一的基于虹膜的健康状态检测***结构示意图，本发明实施例将结合图1进行具体说明。

如图1所示，本发明实施例提供了一种基于虹膜的健康状态检测***100，包括虹膜采集装置101、数据库服务器103、虹膜信息处理装置102，所述虹膜信息处理装置102分别与所述虹膜采集装置101和所述数据库服务器103连接，其中，

所述虹膜采集装置101适用于拍摄获得虹膜图像；

所述数据库服务器103适用于存储历史虹膜图像和/或虹膜图像信息；

所述虹膜信息处理装置102适用于根据所述虹膜采集装置101当前采集的所述虹膜图像和所述数据库服务器103中存储的历史虹膜图像和/或虹膜图像信息进行比对分析，根据所述比对结果，输出基于虹膜的健康状态分析报告。

本发明实施例中优选的，所述虹膜采集装置101包括能够连接移动设备的外挂镜头和/或可穿戴智能设备。

本发明实施例中优选的，所述虹膜采集装置101包括图像传感器、镜片和可见和/或红外光源。所述图像传感器包括CMOS图像传感器、CCD图像传感器；所述镜片为能拍摄虹膜的微距镜片。所述可见和/或红外光源采用可见光源和/或红外LED灯。

本发明实施例中优选的，所述可穿戴智能设备为智能眼镜。

本发明实施例中优选的，所述虹膜采集装置101包括移动设备和外挂镜头。

图2示出了基于所述发明实施例一的基于虹膜的健康状态检测***中虹膜信息处理装置结构示意图。

本发明实施例中优选的，所述虹膜信息处理装置102包括存储模块203、虹膜定位模块201、自主神经环提取模块202、映射模块204、虹膜变化区域检测模块205，所述虹膜定位模块201连接所述自主神经环提取模块202，所述映射模块204分别与所述存储模块203、所述虹膜定位模块201和所述自主神经环提取模块202连接，所述虹膜变化区域检测模块205连接所述映射模块204和所述数据库服务器，其中，

所述存储模块203适用于存储虹膜健康标准全息图；

所述虹膜定位模块201适用于定位虹膜的内外边界；

所述自主神经环提取模块202适用于自动提取虹膜的自主神经环；

所述映射模块204适用于根据所述虹膜健康标准全息图和所述虹膜图像及自主神经环信息，将人体特定器官映射到相应的虹膜反射区域；

所述虹膜变化区域检测提取模块205适用于比对当前采集的所述虹膜图像和所述数据库服务器103中存储的历史虹膜图像的虹膜反射区域特征信息，定位健康病理变化区域。

本发明实施例中优选的，所述自主神经环提取模块202包括Gabor滤波器，所述Gabor滤波器适用于作为所述虹膜图像的方向滤波器。

本发明实施例中优选的，还包括云端服务器，所述云端服务器无线连接所述虹膜采集装置101，其中，所述数据库服务器103和所述虹膜信息处理装置102内置于所述云端服务器中。

本发明实施例中优选的，所述外挂镜头通过音频/USB接口连接所述移动设备，所述移动设备能够与所述云端服务器双向通信，其中，移动设备借助外挂镜头，利用自带摄像头对虹膜图像进行采集。所述移动设备适用于将采集的所述虹膜图像上传至所述云端服务器；所述云端服务器适用于对所述虹膜图像进行保存、处理、与历史虹膜图像进行对比分析、检测出人体器官相应变化的区域、并依据所述变化给出基于虹膜的健康状态分析报告，并将所述基于虹膜的健康状态分析报告反馈回所述移动设备。

本发明实施例中优选的，所述外挂镜头进一步包括外壳、虹膜采集器、光源、遮挡装置，其中，

所述遮挡装置适用于为拍摄虹膜而形成于所述外壳一侧的暗室；所述光源适用于发射可见光线和/或近红外光线照亮虹膜区域；

所述虹膜采集器配置于所述暗室的内部中央区域拍摄虹膜。

本发明实施例中优选的，所述云端服务器包括存储器、通信模块、图像处理模块、网络数据库，所述通信模块适用于将移动终端在外挂镜头辅助下，通过手机自带摄像头获得的虹膜数据发送至图像处理模块，所述图像处理模块还与所述数据库和所述存储器相连接，其中，

所述图像处理模块为图像处理DSP或者FPGA芯片或其它手机芯片，只要其能够达到图像处理的性能程度即可，其适用于对所述虹膜图像进行特征提取、比对不同时期采集的同一虹膜的虹膜图像之间的变化、根据所述变化分析用户健康状态，并根据所述网络数据库生成推送内容，所述推送内容包括健康分析报告、初步健康分析和养生建议等，，当然，还可以包括健康服务、健康机构推荐，例如体检机构、养老机构、医院等；

所述存储器适用于将注册用户的数据、原始的和处理后的虹膜图像信息、比对的历史记录和生成的报告信息进行存储。

使用时，将针对此应用特制的所述外挂镜头外挂在所述移动设备((例如，智能手机或者平板电脑))上面，此时打开移动设备上的软件，即可以看到相关的测量功能，点击采集，软件终端将显示采集结果，并通过所述云端服务器分析用户当前的健康状态，如果用户健康欠佳，将给出初步健康分析和养生建议，甚至还可以包括健康服务、健康机构推荐，例如体检机构、养老机构、医院等，使用户能够自己为自己进行健康状态的初步的评估判断。所述评估判断的数据库来自医学数据库或者网络数据库，这里的所述医学数据库可以是中文数据库和/或外文数据库，例如：中国知网、万方、龙源、维普、sinomed、读秀和超星等中文数据库，pubmed(文摘数据库)，webofscience(引文数据库)，swetswiselinker(资源整合)等外文数据库，目前应用最为广泛的是pubmed，是免费的生物医学文献数据库，其核心为medline，有各种刊物的题录。

本发明实施例中优选的，所述移动设备还包括显示模块，所述显示模块适用于显示用户操作界面、采集的虹膜图像结果和所述基于虹膜的健康状态分析报告。

本发明实施例中优选的，所述基于虹膜的健康状态分析报告包括虹膜健康报告图表，其根据颜色划分虹膜比对的差异程度。

具体的，根据颜色划分虹膜比对差异程度的虹膜分析，用户可以选择最近3天内、1周前、1个月前、3个月前、半年前的虹膜图像与最近采集的虹膜图像进行自动比对分析，当然，还可以是1年前等任意时间段。健康状态分析的结果则会根据颜色划分虹膜比对的差异程度，例如:绿色表示该区域虹膜图像无变化；黄色表示该区域虹膜图像细微变化；橙色表示该区域虹膜图像有些变化；红色表示该区域虹膜图像很大变化等。

本发明实施例中优选的，还包括互动装置，其适用于将所述基于虹膜的健康状态分析报告推送给其他用户。例如，所述云端服务器也会不定期的所述基于虹膜的健康状态分析报告、数据、图像、健康提醒等信息推送至用户本人、子女、养护人员、医生等相关人员的手机终端APP上。

本发明实施例中优选的，用户还可以通过APP实时的与虹膜师、健康营养专家、医师、养护人员等相关人士进行在线沟通，可为用户量身定制个性化的健康报告并提供专家养生意见。

针对目前慢性病年轻化的特点，处于亚健康状态的人群可以提早发现慢性病，有利于自身提前进行健康管理；同时也能够将分析结果与健康报告及时的推送给紧急联系人，从而达到情感联接的目的；通过实现全方位的虹膜健康状态检测、提醒和跟踪分析以及虹膜身份认证等多元功能，同时也为后续的健康咨询、医疗养护、社区养老、社保、公安、金融、保险业等服务平台的对接提供了标准化的接口。

本发明实施例所提供的基于虹膜的健康状态检测***，采用了独特的Gabor滤波器用作图像增强的方法，提取虹膜与瞳孔边界位置的自主神经环；通过对虹膜图像的去噪，***会自动建立个人虹膜健康全息图；比对虹膜的历史信息，对健康病理的变化区域进行定位，并得出健康分析的结果。整个采集、处理和导出分析结果的过程极为简单、快速、便捷。进一步的，针对信息平台建设滞后的问题，通过搭建云平台的方式，对用户的虹膜图像信息进行采集整合、跟踪、历史比对和保存，以及未来可通过数据的逐步积累实现与其他健康类信息平台资源的跨平台互通共享。此外，本发明实施例在完善虹膜斑块、裂缝、坑洞、密度等病理特征信息的智能识别提取技术上也都有了诸多的突破与改进。

此外，本发明实施例所提供的基于虹膜的健康状态检测***，通过移动设备和外挂镜头结合移动端app或者可穿戴智能设备拍摄虹膜图像信息，上传至云平台进行数据保存、处理以及历史数据的对比，然后将结果反馈回移动端APP进行个人健康信息的管理与查看，且具有社交组件功能，提高了娱乐性，增加了用户体验。云平台的应用打通了业务和服务的闭环，跟踪记录历史和分析个人最为隐私的虹膜健康方面的信息。

实施例二、一种基于虹膜的健康状态检测方法。

图3为本发明实施例二的基于虹膜的健康状态检测方法流程图，本发明实施例将结合图3进行具体说明。

如图3所示，本发明实施例提供了一种基于虹膜的健康状态检测方法，该方法包括以下步骤：

步骤S301：采集虹膜图像；

步骤S302：对所述虹膜图像进行处理；

步骤S303：将当前采集的所述虹膜图像和历史虹膜图像和/或虹膜图像信息进行比对分析；

步骤S304：根据所述比对结果，输出基于虹膜的健康状态分析报告。

图4示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中虹膜图像处理方法流程图。

本发明实施例中优选的，所述对所述虹膜图像进行处理，具体包括以下步骤：

步骤S401：建立虹膜健康标准全息图；

步骤S402：从眼睛图像中提取虹膜部分，定位虹膜的内外边界；

步骤S403：自动提取虹膜的自主神经环；

步骤S404：根据所述虹膜健康标准全息图和所述虹膜图像及自主神经环信息，将人体特定器官映射到相应的虹膜反射区域；

步骤S405：比对当前采集的所述虹膜图像和所述数据库服务器中存储的历史虹膜图像的虹膜反射区域特征信息，定位健康病理变化区域。

本发明实施例中优选的，所述自动提取虹膜的自主神经环，具体包括以下步骤：

生成所述虹膜图像的方向图；

在所述虹膜图像上使用方向滤波器减少噪音；

使用对比度增强方法加强自主神经环区域；

使用局部阈值法分离出自主神经环区域；

使用边界像素跟踪算法自动提取自主神经环。

本发明实施例中优选的，所述方向滤波器采用Gabor滤波器。

本发明实施例中优选的，所述将当前采集的所述虹膜图像和历史虹膜图像和/或虹膜图像信息进行比对分析的步骤中包括：根据所述虹膜图像生成虹膜代码，并将所述虹膜代码与用户身份代码进行比对识别。当然，本发明实施例还可以通过其它方式进行用户身份识别。

本发明实施例中优选的，还包括用户注册步骤。具体包括：在所述移动设备的应用程序上注册用户个人信息；注册成功后，使用帐号登录；登录成功后，连接所述移动设备与用于辅助移动设备的摄像头拍摄虹膜图像的外挂镜头；所述移动设备控制摄像头采集该注册用户的虹膜图像。

具体的，移动设备上虹膜识别应用程序的用户操作界面，包括显示装置、注册按键、健康分析按键、本地注册用户按键、云端服务器按键。当用户打开所述移动设备上的虹膜智能识别app时，出现用户操作界面，用户可以点击注册按键，在手机app端编辑用户的个人健康的基础信息，所述基础信息可以包括姓名、性别、年龄、ID号码、病症、生体特征等信息；当用户点击云端服务器按键时，可以将手机app与所述云端服务器链接，可将采集的虹膜图像上传至所述云端服务器进行处理分析；当用户点击本地注册用户按键登录成功后，可将该用户个人的虹膜健康分析结果和/或健康分析报告、历史跟踪记录、虹膜图像等信息从所述云端服务器的第二存储装置中下载至用户本人的手机终端APP的存储装置上；当用户点击健康分析按键时，用户可以自主选择最近采集的虹膜图像与历史虹膜图像进行自动比对分析，可以检测到人体器官相应变化的区域，并导出虹膜健康报告图表来纵观人体器官对应区域的综合健康状态信息。

本发明实施例中优选的，还包括对所述虹膜图像预处理的步骤。出于计算方便的角度考量，将虹膜图像尺寸缩小了50％。当然，在保证图像质量的前提下，可以控制图像的缩小比例。对图像进行高斯滤波减少了由于噪声影响而引起的图像模糊现象，平滑度是由标准差σ决定的，例如，σ在此情况下为2。

本发明实施例中优选的，还包括所述虹膜图像归一化的步骤。由于人眼图像的变化因素很多，因此针对可视虹膜的尺寸、瞳孔在虹膜内的位置、以及每个人虹膜方位的变化，将虹膜图像转换成可通用的、相似尺寸大小的图形来进行归一化图像处理。归一化的过程包括展开虹膜图像，并将其转换成带有极性坐标的图像，最后用Daugman的橡胶轮模型对虹膜区域进行了归一化处理。以瞳孔的中心为参考点，利用重新映射的公式将点的直角坐标转换成极坐标。在虹膜区域内的每个像素(x,y)都被映射至极坐标系(r,θ)，同时虹膜图像被归一化至合适的大小。优选的，可以通过使用插值函数将归一化的图像大小改至原始图像大小。

具体的，生成虹膜代码，从虹膜图案中的提取最能够鉴别的特征点。使用的相位信息只存在于模板中，因为相位角的分配与图像对比度无关。不使用振幅信息是因为它的变化取决于外部因素。根据Daugman方式，采用2D-Gabor小波提取相位信息，它决定了使用小波产生的相量将会落于哪一象限上：

$G(r,\mathrm{\θ})=e^{-i\mathrm{\ω}(\mathrm{\θ}-{\mathrm{\θ}}_0)}{e}^{-{(r-r_0)}^2/{\mathrm{\α}}^2}{e}^{-{(\mathrm{\θ}-{\mathrm{\θ}}_0)}^2/{\mathrm{\β}}^2}.$

G(r，θ)为2D-Gabor滤波器使用双无量纲极坐标系的函数。r为极坐标系的半径，θ为极坐标系的角度。θ₀和r₀分别为极坐标系角度和半径的原点。

参数α和β根据参数ω的反比例共同变化生成一个自相似的、通用换算的、具有恒定的对数带宽(带宽位置由θ₀和r₀参数指定，并处于虹膜分析区域范围)的小波族二维频率选择正交滤波器。每一个h字节为一个虹膜码，每个虹膜代码中的h字节都可被看作是一个在复杂平面上的逻辑单元正方形四个顶点中的一个坐标。通过评估计算，在一个分析范围内，正交图像的实部和虚部符号从虹膜图像的局部区域I(ρ，φ)投射到一个复杂的二维Gabor滤波器：

$\begin{array}{c}{h}_{\{\mathrm{Re},\mathrm{Im}\}}={\mathrm{sgn}}_{\{\mathrm{Re},\mathrm{Im}\}}{\∫}_{\mathrm{\ρ}}{\∫}_{\mathrm{\φ}}I(\mathrm{\ρ},\mathrm{\φ})e^{-i\mathrm{\ω}({\mathrm{\θ}}_0-\mathrm{\φ})}\\ \·e^{-{(r_0-\mathrm{\ρ})}^2/{\mathrm{\α}}^2}{e}^{-{({\mathrm{\θ}}_0-\mathrm{\φ})}^2/{\mathrm{\β}}^2}\mathrm{\ρ}d\mathrm{\ρ}d\mathrm{\φ}\end{array}$

在这个二维Gabor滤波器中，ρ为极坐标系的半径，Φ为极坐标系的角度。每一个h_{Re，Im}都有实部和虚部，拥有1或0的值取决于它会落于哪一个象限上。一种使用Gabor滤波器更为简单的方法是将二维的归一化模板打散为多个一维的小波，然后将这些信号与一维的Gabor小波进行卷积。

采用Gabor滤波器可提取局部频率信息，但是由于它的局限性，Log-Gabor滤波器则更广泛用于自然图像的编码。Log-Gabor滤波器(在对数刻度上观察使用高斯传递函数)在自然图像的编码上要优于Gabor滤波器(线性标尺上观察)，统计表明自然图像上存在高频分量。由于普通的Gabor滤波器无法完整显示高频率分量，Log-Gabor过滤器因此是更好的选择。Log-Gabor滤波器是通过以下方式构建的：

$G\left(f\right)=\exp \left(\frac{-{\left(log\right(f/f_0\left)\right)}^2}{2{\left(log\right(\mathrm{\α}/f_0\left)\right)}^2}\right)$

参数f₀andσ为滤波器的参数，f₀为滤波器的中心频率，σ为滤波器的带宽。

利用Gabor卷积函数的输出，通过对图像的每个像素分配两个要素来形成虹膜代码。取决于符号+或-所分别对应的实部和虚部，每个元素必然包含一个1或0的值。噪声位被分配给了这些量级非常小的元素中，并与归一化处理时得到的噪声部分结合在一起。

通过汉明距离(HD:HammingDistance)计算检查两个同属一人的虹膜，生成比特模板并完成比较。汉明距离是个在两个比特二进制模板之间不符合比特数的分数测度。利用虹膜代码的数据和噪声屏蔽位完成代码的比对，因此汉明距离的改进模式会通过以下的方式实现：

$HD=\frac{1}{N-\underset{j=1}{\overset{N}{\Σ}}{\mathrm{Xn}}_j\left(OR\right){\mathrm{Yn}}_j}\underset{j=1}{\overset{N}{\Σ}}{X}_j\left(XOR\right)Y_j\left(AND\right){\mathrm{Xn}}_j\left(AND\right){\mathrm{Yn}}_j$

其中，Xj和Yj代表两个虹膜代码；Xnj和Ynj为相应的噪声屏蔽位；N为每个模板中的比特数。

本发明实施例中，虹膜健康标准全息图(Pesek等虹膜健康全息图)建立后,同时使用虹膜和瞳孔的轮廓及自主神经环信息，所述虹膜健康标准全息图被映射至当下抓取的虹膜图像中。随后，反映人体器官相对应的健康状态特征值在此虹膜图像中被提取出来。

图5示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中虹膜定位的坎尼边缘图像示意图。

虹膜位于眼白和瞳孔之间，虹膜信息是人眼所携带信息的最重要组成部分。因此，下一步需要将虹膜部分从眼睛的图像中提取出来。

本发明实施例中优选的，通过采用坎尼边缘检测算子(CannyEdgeDetector)来定位虹膜的内外边界。

坎尼边缘检测算子(CannyEdgeDetector)的算法处理主要包括求梯度、非最大值抑制和滞后阈值三个步骤。眼睛图像的阈值只会体现在垂直方向上，因此才可减少眼毛部分对图像质量的影响，而这降低了圆形边界的像素水平。但是通过利用霍夫变换(Houghtransformation)，即使是有一定像素的损失，也可以成功定位边界部分。并且由于边界的像素计算量更小，所以计算速度会变得更快。

具体的，包括以下步骤：

1)求梯度：使用梯度图像，并通过采用非最大值抑制的方式定位梯度峰值。

2)非最大值抑制：针对梯度图像中的一个像素点imggrad(x，y)，在已给出方向坐标θ(x，Y)值的情况下，此像素点交叉连接了8个相邻像素点其中的两个。如果此像素点(x，y)的值是不小于边缘部分连接的2个交点的值的时候，此点值是最大的。

3)滞后阈值：先消除检测出的低于低阈值的弱边缘部分。但是如果此像素点连接到了一个高于高阈值的像素点并且随后连接着一连串的高于低阈值的像素点的时候，则可判断为边缘部分。换句话说，高于阈值T1的像素点会被分离出来，然后只有周边像素点大于另一个阈值T2的时候，这些像素点才可以被标记为边缘点。通过反复试验发现，T1和T2的阈值分别为0.2和0.19。

图6示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中虹膜定位的虹膜与瞳孔的边缘部分图像。

本发明实施例中优选的，通过寻找虹膜和瞳孔的边缘部分来进行边缘检测。Daugman提出使用积分微分算子来检测边缘部分和半径，方法公式如下：

由于虹膜恰是圆形的几何形状，Daugman提出通过使用一个原始输入图像I(x，y)的圆检测算子来检测边界和半径，在图像域(x，y)搜索模糊偏导数的最大值。随着I(x，y)归一化围线积分的半径r的增大，沿着半径(R)的圆弧度数(DS)随之增加,并最终定位中心坐标(x₀，y₀)。

这表现为，一个圆形边缘的检测器沿着边界逐渐增大的圆形部分搜索梯度图像，并通过分析所有相似的圆形部分来计算最大总和，以此来计算出圆形的中心位置和半径。

本发明实施例中优选的，霍夫变换是另外一种检测几何对象参数的方法，在此情况下被用于在边缘图像中定位圆形部分。从每一个边缘像素中提取出周围环绕的不同半径圆圈上的点，如果它们是边缘点，则这些点的权重增加，并且这些权重因素会被添加到蓄势器阵列中。因此，当完成了所有的圆形和边缘像素的搜索之后，通过蓄势器阵列的最大值得出圆形部分的中心点和半径。在完整的眼部图像中通过霍夫变换定位虹膜外环边缘，然后只对虹膜内环以内的瞳孔部分进行分析处理，而不是整个眼睛部分，因为瞳孔总是在虹膜内部。

图7示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中虹膜的自主神经环示意图。

在虹膜学中，健康分析师经常通过观察患者虹膜的位置，以及虹膜中产生的自主神经环的形状、颜色、特征等方面信息来掌握患者的健康状况。

图8示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中虹膜图像的方向图。

本发明实施例中优选的，生成方向图的具体方法为：

当输入一个灰度的虹膜图像I，并且它的图像尺寸为M×N像素时，此图像的方向图为O。

那么，生成的方向图中的一个像素p＝(i,j)拥有以下值：

$O(i,j)=\left\{\begin{array}{cc}-1,& \left|\right|p-p_0\left|\right|\≥R_{iri}\\ -1,& \left|\right|p-p_0\left|\right|\≤R_{pup}\\ {\mathrm{\θ}}_{ij},& others\end{array}\right.$

当p₀＝(x₀,y₀)为瞳孔的质心像素时，R_iri和R_pup分别为虹膜和瞳孔的半径。相应的，||x-y||为像素x到像素y的距离，并且θ(i,j)为连接任一像素点至瞳孔的质心的方向值。

${\mathrm{\θ}}_{ij}=\frac{1}{2}{\tan }^{-1}\left(\frac{|j-y_0|}{|i-x_0|}\right)$

图9示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中虹膜图像经过Gabor滤波后的图像。

本发明实施例中优选的，为了减少噪音，在虹膜图像上通过使用Gabor滤波器作为方向滤波器。Gabor滤波器为：

$g(x,y:\mathrm{\θ},f)=\exp \{-\frac{1}{2}\[\frac{{x_{\mathrm{\θ}}}^2}{{\mathrm{\σ}}_x^2}+\frac{{y_{\mathrm{\θ}}}^2}{{\mathrm{\σ}}_y^2}\]\}cos\left(2{\mathrm{\πfx}}_{\mathrm{\θ}}\right)$

x_θ＝xcosθ+ysinθ；y_θ＝-xsinθ+ycosθ

参数θ为Gabor滤波器的方向值，f是频率的正弦平面波，并且σ_x＝σ_y＝4,f＝1/5。

图10示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中自主神经环区域加强示意图。

本发明实施例中优选的，通过使用对比度增强方法来加强自主神经环区域。

$I^0(i,j)=\left\{\begin{array}{c}\begin{array}{cc}255,& \left|\right|p-p_0\left|\right|\≥R_{iri}\end{array}\\ \begin{array}{cc}255,& \left|\right|p-p_0\left|\right|\≤R_{pup}\end{array}\\ I(i,j)+255\×\left(\right|p-p_0\left|\right|-{\mathrm{Thr}}_0)/(R_{iri}-{\mathrm{Thr}}_0),\\ \left|\right|p-p_0\left|\right|>{\mathrm{Thr}}_0\\ I(i,j)\×\left(\right||p-p_0||-R_{pup})/({\mathrm{Thr}}_0-R_{pup}),\\ \left|\right|p-p_0\left|\right|\≤{\mathrm{Thr}}_0\end{array}\right.$

当：

Thr₀＝(R_pup+R_iri)×2/5

p₀＝(x₀,y₀)为瞳孔质心像素，R_iri和R_pup相应的为虹膜和瞳孔的半径；||x-y||为像素x至像素y的距离。

图11示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中分离的自主神经环区域示意图。

本发明实施例中优选的，通过使用局部阈值法分离出自主神经环区域。假设输入的虹膜图像I⁰是一个尺寸为M×N像素的灰度图像，I⁰的二进制图像为I¹，一个生成的二进制图像像素p＝(i,j)拥有以下数值:

$I^1(i,j)=\left\{\begin{array}{cc}255,& m_{ij}\&GreaterEqual;{\mathrm{Thr}}_1\\ 0,& m_{ij}<{\mathrm{Thr}}_1\end{array}\right.$

当：

$\begin{array}{ccc}{m}_{ij}=\frac{1}{(w*w)}\underset{u=i-w/2}{\overset{i+w/2}{\mathrm{\&Sigma;}}}\underset{v=j-w/2}{\overset{j+w/2}{\mathrm{\&Sigma;}}}{I}^0(u,v);& i=\stackrel{\&OverBar;}{0,M},& j=\stackrel{\&OverBar;}{0,N}\end{array}$

Thr1为局部阈值的阈值；w为局部阈值的窗口宽度。

图12示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中提取的自主神经环示意图。

本发明实施例中优选的，通过使用边界像素跟踪算法自动提取自主神经环。

图13示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中虹膜映射示意图。

人体特定器官的感兴趣区(ROI：RegionofInterest)在虹膜健康全息图中是可适用的。健康全息图的ROI是在虹膜区域，而不包括瞳孔区。映射的虹膜ROI采用圆形区域，是以角度的大小(0°-360°)或模拟时钟(0点到十二点之间)的形态来表示的，详情请见图2-1。例如，30°等于一点。

具体的，虹膜健康全息图可以包括对应于人体各器官的一百八十多个区域，例如，以右眼为例，将眼睛当作时钟，粗略的虹膜健康全息图可以将11:00到1:00的区域代表头部，1:00-2:00的区域代表脸部，2:00-3:00的区域代表嘴咽喉，3:00-4:00的区域代表上背部，4:00-5:00的区域代表下背部，5:00-6:00的区域代表骨盆，6:00-7:00的区域代表下腹部，7:00-8:00的区域代表上腹部，8:00-9:00的区域代表肺部，10:00-11:00的区域代表颈部及耳朵，左眼与右眼左右对称。根据所述虹膜健康全息图将采集到的虹膜图像可以分割成对应于各器官的虹膜子图，以对各虹膜子图进行有针对性的分析。

本发明实施例中优选的，根据虹膜健康全息图的映射，心脏部位的ROI位置在角度范围68°-95°之间，相对应的瞳孔半径范围为0.26-0.42；肺部的ROI位置在63°-90°之间，瞳孔半径范围为0.49-0.85；脾脏的ROI位置在125°-132°之间，瞳孔半径范围为0.36-1；肝脏的ROI位置在235°-242°之间，瞳孔半径为0.36-1。

图14示出了基于所述发明实施例二的基于虹膜的健康状态检测方法中对器官相应连接的虹膜反射区域特征信息比对示意图。

本发明实施例中优选的，通过比对当下抓取的虹膜图像以及历史数据库中保存的虹膜图像来定位健康病理变化区域。

本发明实施例中优选的，所述虹膜反射区域特征信息包括颜色特征信息、形状特征信息、斑纹特征信息、瞳孔大小信息等。根据所述虹膜反射区域特征信息获取对应的健康状况信息。例如，右眼虹膜图像7:00到7:10区域对应的虹膜反射区域特征信息为出现裂缝和坑洞，则该虹膜反射区域特征信息对应的健康状况信息为食物消化分解和血糖控制能力下降。

本发明实施例中优选的，所述瞳孔大小信息可以用于疲劳感检测。这是基于：瞳孔直径在休息充沛的个体中最大，随着疲劳感的增加，直径会逐渐减少，并在临睡前达到最小直径。

具体的，首先计算每个数据段(5秒或10秒)瞳孔半径的平均值、最小值和最大值。随后，为了可以进一步客观衡量瞳孔震荡的趋势，通过创建瞳孔动荡指数(PUI)作为数值参数。PUI是基于瞳孔半径的累积变化。在瞳孔数据累计之前，先通过连续计算16次的平均值作为一个简单的低通滤波，以在接下来的运算中排除高频噪声。从每个5秒或者10秒的数据段中可以总结出从一个16次计算的平均值到下一个16次之间差值的绝对值。此外，也可计算出数据段中的平均PUI。简而言之，PUI是基于1.5625Hz的采样频率(_25Hz：16)的瞳孔半径(像素)绝对变化的总和。

通过将最近采集的虹膜图像与(3天前、1周前、1个月前、3个月前、半年前、1年前等任意时间段)的历史虹膜图像进行自动比对分析，可以检测到人体器官相应变化的区域，并导出虹膜健康报告图表来纵观人体器官对应区域的综合健康状态信息。健康状态分析的结果则会根据颜色划分虹膜比对的差异程度(例如:绿色-无变化；黄色-细微变化；橙色-有些变化；红色-很大变化等)。

本发明实施例中优选的，还包括对虹膜颜色的分析步骤。

具体的，此虹膜模式分析为：识别基本的虹膜颜色，定位虹膜表面的特殊性，将其特殊区域分离出来并关联到虹膜健康全息图上。通过使用特殊的图像处理技术，实现模式分析的自动机制。

第一重要的虹膜纹理方面的特征是颜色，虹膜颜色是一个多基因控制的性状，主要是由在眼睛中的虹膜色素类型和数量所决定的。不同虹膜显现的颜色变化通常归因于虹膜气孔内的黑色素含量。虹膜气孔内的细胞密度会影响到被潜在的色素上皮细胞吸收的光量。人的居住区域内的光量对眼睛颜色有重要影响。亚洲人种的虹膜主要有三种颜色：棕色、黄褐色、黑褐色。

棕色的眼睛产生原因是由于大部分的眼睛包含了棕色的颜色。棕色是最常见的，黄褐色的是少见的，而深棕色的更为罕见。识别基本虹膜颜色的方法比较简单，所有虹膜区域内的主要颜色都可以被检测并提取出来。

本发明实施例中其它内容参见上述发明实施例中的内容，在此不再赘述。

本发明实施例所公开了一种基于虹膜的健康状态检测方法，采用了独特的Gabor滤波器用作图像增强的方法，提取虹膜与瞳孔边界位置的自主神经环。通过对虹膜图像的去噪，***会自动建立个人虹膜健康全息图；比对虹膜的历史信息，对健康病理的变化区域进行定位，并得出健康分析的结果，整个采集、处理和导出分析结果的过程极为简单、快速、便捷。进一步的，针对信息平台建设滞后的问题，通过搭建云平台的方式，对用户的虹膜图像信息进行采集整合、跟踪、历史比对和保存，以及未来可通过数据的逐步积累实现与其他健康类信息平台资源的跨平台互通共享。

本发明可以带来这些有益的技术效果：本发明实施例公开的基于虹膜的健康状态检测***及方法，利用历史虹膜健康数据信息的比对来定位健康病理变化区域，可以广泛应用于养老保健、老年病及亚健康状态的预防、智能医疗等诸多可拓展领域，可为大众带来一种直接、高效、低成本的方法来持续的对个人健康状态进行管理和跟踪，进而优化个人的健康生活***台建设滞后的问题，通过搭建云平台的方式，对用户的虹膜图像信息进行采集整合、跟踪、历史比对和保存，以及未来可通过数据的逐步积累实现与其他健康类信息平台资源的跨平台互通共享。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于虹膜的健康状态检测***，其特征在于：包括虹膜采集装置、数据库服务器、虹膜信息处理装置，所述虹膜信息处理装置分别与所述虹膜采集装置和所述数据库服务器连接，其中，

所述虹膜采集装置适用于拍摄获得虹膜图像；

所述数据库服务器适用于存储历史虹膜图像和/或虹膜图像信息；

所述虹膜信息处理装置适用于根据所述虹膜采集装置当前采集的所述虹膜图像和所述数据库服务器中存储的历史虹膜图像和/或虹膜图像信息进行比对分析，根据所述比对结果，输出基于虹膜的健康状态分析报告。

2.根据权利要求1所述的基于虹膜的健康状态检测***，其特征在于：所述虹膜采集装置包括能够连接移动设备的外挂镜头和/或可穿戴智能设备。

3.根据权利要求1或2所述的基于虹膜的健康状态检测***，其特征在于：所述虹膜信息处理装置包括存储模块、虹膜定位模块、自主神经环提取模块、映射模块、虹膜变化区域检测模块，所述虹膜定位模块连接所述自主神经环提取模块，所述映射模块分别与所述存储模块、所述虹膜定位模块和所述自主神经环提取模块连接，所述虹膜变化区域检测模块连接所述映射模块和所述数据库服务器，其中，

所述存储模块适用于存储虹膜健康标准全息图；

所述虹膜定位模块适用于定位虹膜的内外边界；

所述自主神经环提取模块适用于自动提取虹膜的自主神经环；

所述映射模块适用于根据所述虹膜健康标准全息图和所述虹膜图像及自主神经环信息，将人体特定器官映射到相应的虹膜反射区域；

所述虹膜变化区域检测提取模块适用于比对当前采集的所述虹膜图像和所述数据库服务器中存储的历史虹膜图像的虹膜反射区域特征信息，定位健康病理变化区域。

4.根据权利要求3所述的基于虹膜的健康状态检测***，其特征在于：所述自主神经环提取模块包括Gabor滤波器，所述Gabor滤波器适用于作为所述虹膜图像的方向滤波器。

5.根据权利要求1所述的基于虹膜的健康状态检测***，其特征在于：还包括云端服务器，所述云端服务器无线连接所述虹膜采集装置，其中，所述数据库服务器和所述虹膜信息处理装置内置于所述云端服务器中。

6.一种基于虹膜的健康状态检测方法，该方法包括以下步骤：

采集虹膜图像；

对所述虹膜图像进行处理；

将当前采集的所述虹膜图像和历史虹膜图像和/或虹膜图像信息进行比对分析；

根据所述比对结果，输出基于虹膜的健康状态分析报告。

7.根据权利要求6所述的基于虹膜的健康状态检测方法，其特征在于：所述对所述虹膜图像进行处理，具体包括以下步骤：

建立虹膜健康标准全息图；

从眼睛图像中提取虹膜部分，定位虹膜的内外边界；

自动提取虹膜的自主神经环；

根据所述虹膜健康标准全息图和所述虹膜图像及自主神经环信息，将人体特定器官映射到相应的虹膜反射区域；

比对当前采集的所述虹膜图像和所述数据库服务器中存储的历史虹膜图像的虹膜反射区域特征信息，定位健康病理变化区域。

8.根据权利要求7所述的基于虹膜的健康状态检测方法，其特征在于：所述自动提取虹膜的自主神经环，具体包括以下步骤：

生成所述虹膜图像的方向图；

在所述虹膜图像上使用方向滤波器减少噪音；

使用对比度增强方法加强自主神经环区域；

使用局部阈值法分离出自主神经环区域；

使用边界像素跟踪算法自动提取自主神经环。

9.根据权利要求8所述的基于虹膜的健康状态检测方法，其特征在于：所述方向滤波器采用Gabor滤波器。

10.根据权利要求6所述的基于虹膜的健康状态检测方法，其特征在于：所述将当前采集的所述虹膜图像和历史虹膜图像和/或虹膜图像信息进行比对分析的步骤中包括：根据所述虹膜图像生成虹膜代码，并将所述虹膜代码与用户身份代码进行比对识别。