CN109770845A - 测量瞳距的装置和方法 - Google Patents

Abstract

本发明涉及一种测量瞳距的装置，其包括：识别模块，用于对获得的图像进行人脸识别，得到人脸区域；提取模块，用于提取人脸区域的人眼区域；检测模块，用于确定所述人眼区域的像素虹膜半径和中心点坐标；确定模块，根据像素虹膜半径和中心点坐标，确定所述图像中人脸的实际瞳距。在本发明中，可以通过拍摄照片的方式来获得瞳距，具体而言，通过对输入照片进行人脸识别，从而得到人脸区域，再对人脸区域中的人眼区域进行虹膜检测，通过得到的虹膜中心点坐标和半径计算出人眼的瞳距，从而能够改善瞳距测量的精度。此外，本发明还涉及一种测量瞳距的方法。

Description

测量瞳距的装置和方法

技术领域

本发明涉及图像处理领域，具体涉及一种测量瞳距的装置和方法。

背景技术

当今，人们在生活中越来越利用到各种科技电子产品，并且也享受着这些产品所带来的各方面变得越来越的便利，但是过多地使用电子产品例如电子阅读产品也给人们视力健康方面带来很多负面的影响。据统计，目前国内近视患者已高达6亿人，其中，过多地使用电子产品便是其中的重要诱因之一。

屈光不正可以通过佩戴眼镜来矫正，因此选择合适的眼镜对视力健康的保持或恢复有重要意义。传统的配镜通常是需要在医院或眼镜店等专门机构完成，在这些专门机构中，利用专业的检测眼睛近视程度的专业设备，在专业人员的协助下完成配镜。在配镜时，通常需要测量近视或远视的度数、散光度数、瞳距、轴位等相关参数，。其中，正确的瞳距对于镜片的对焦具有重要的指导作用。因此，如何方便而又准确的测量瞳距，备受大家关注。

目前大部分用户配眼镜仍需前往医院还是或眼镜店等专门机构，而且这些机构本身拥有的瞳距测量设备数量并不多，现场配眼镜等往往需要排队等，对于多数工作繁忙的现代人来说非常不方便。因此，迫切需要能够远程配眼镜特别是测量瞳距的方法。

发明内容

本发明是鉴于上述情况而作出的，其目的在于，提供一种改善测量精度的测量瞳距的装置及方法。

为此，本发明的一方面提供了一种测量瞳距的装置，其包括：识别模块，用于对获得的图像进行人脸识别，得到人脸区域；提取模块，用于提取所述人脸区域的人眼区域；检测模块，用于确定所述人眼区域的像素虹膜半径和中心点坐标；确定模块，根据所述像素虹膜半径和中心点坐标，确定所述面部图像中人脸的实际瞳距。

在本发明所涉及的测量瞳距的装置中，通过对输入图片进行人脸识别，从而得到人脸区域，再对人脸区域中的人眼区域进行虹膜检测，通过得到的像素虹膜中心点坐标和半径计算出人眼的瞳距，由此，能够改善瞳距测量的精度。

在本发明所涉及的测量瞳距的装置中，所述识别模块还识别鼻梁区域，并且作为所述人脸区域的中轴线，所述确定模块，还包括第二确定单元，其根据所述中心点坐标到所述中轴线的距离确定所述图像中人脸的像素瞳距。由此，能够提高运算效率。

在本发明所涉及的测量瞳距的装置中，所述确定模块还包括第二计算单元，其根据所述像素虹膜半径和实际虹膜半径得到比例尺，并由所述比例尺和所述像素瞳距得到所述实际瞳距。由此，能够改善瞳距测量的精度。

在本发明所涉及的测量瞳距的装置中，所述提取模块还包括第一计算单元，其计算所述中轴线的直线方程，所述中心点坐标到所述中轴线的距离即所述中心点坐标到所述直线方程的距离。由此，可获得像素瞳距，提高运算效率。

在本发明所涉及的测量瞳距的装置中，所述识别模块包括强分类器C(x)，其完成所述人脸识别，所述强分类器包括T次迭代后的T个弱分类器h(x)，并且：

其中其中α_t的作用说明了对应弱分类器的重要性，ε_t是指误差率。其中弱分类器h(x)根据下式(2)得到：

其中θ为阈值，p指示不等号的方向，x代表输入图像的部分区域，f代表输入特征，f(x)代表输入特征的特征值。在这种情况下，通过使用T次迭代的弱分类器组成的强分类器代替普通的弱分类器，提高了人脸识别的精确度，减少了通过图片识别瞳距产生的误差。

本发明的另一方面提供一种测量瞳距的方法，其包括：获得输入图像，对图像进行人脸识别，得到人脸区域；提取所述人脸区域的人眼区域；对所述人眼区域进行虹膜检测，得到像素虹膜的半径和中心点坐标；根据所述像素虹膜的半径和所述中心点坐标，计算得到实际瞳距。

在本发明所涉及的测量瞳距的方法中，在进行所述人脸识别时，也识别鼻梁区域，并且作为所述人脸区域的中轴线。得到所述中心点坐标后，根据所述中心点坐标到所述中轴线，进而确定像素瞳距。由此，能够提高运算效率。

在本发明所涉及的测量瞳距的方法中，得到所述像素虹膜半径后，所述像素虹膜半径和实际虹膜半径得到比例尺，并由所述比例尺和所述像素瞳距得到所述实际瞳距。由此，能够改善瞳距测量的精度。

在本发明所涉及的测量瞳距的方法中，得到中轴线后，计算所述中轴线的直线方程，所述中心坐标到所述中轴线的距离即所述中心坐标到所述直线方程的距离。由此，可获得像素瞳距，提高运算效率。

在本发明所涉及的测量瞳距的方法中，人脸区域由强分类器C(x)对所述输入图像进行识别所得，所述强分类器C(x)，由T次迭代后的T个弱分类器h(x)组合而成，并通过如下算法实现人脸识别：

其中其中α_t的作用说明了对应弱分类器的重要性，ε_t是指误差率。其中弱分类器h(x)由如下公式：

其中θ为阈值，p指示不等号的方向，x代表输入图像的部分区域，f代表输入特征，f(x)代表输入特征的特征值。在这种情况下，通过使用T次迭代的弱分类器组成的强分类器代替普通的弱分类器，提高了人脸识别的精确度，减少了通过图片识别瞳距产生的误差。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是示出了本发明的实施方式所涉及的测量瞳距的装置的框图。

图2是示出了本发明的实施方式所涉及的测量瞳距的装置各模块内部单元结构的框图。

图3是示出了本发明的实施方式所涉及的获取人脸图像的示意图。

图4是示出了本发明的实施方式所涉及的人脸识别图像的示意图。

图5是示出了本发明的实施方式所涉及的虹膜检测结果的例子的示意图。

图6是示出了本发明的实施方式所涉及的测量瞳距的方法的流程图。

具体实施方式

以下，参考附图，详细地说明本发明的优选实施方式。在下面的说明中，对于相同的部件赋予相同的符号，省略重复的说明。另外，附图只是示意性的图，部件相互之间的尺寸的比例或者部件的形状等可以与实际的不同。

图1是示出了本发明的实施方式所涉及的测量瞳距的装置的框图。

图2是示出了本发明的实施方式所涉及的测量瞳距的装置各模块内部单元结构的框图。图3是示出了本发明的实施方式所涉及的获取人脸图像的示意图。图4是示出了本发明的实施方式所涉及的人脸识别图像的示意图。

如图1所示，本实施方式所涉及的测量瞳距的装置10可以包括识别模块11、提取模块12、检测模块13和确定模块14。

在本实施方式中，测量瞳距的装置10可以先通过识别模块11对获得的图像进行人脸识别，得到人脸区域。接着，再通过提取模块12提取人脸区域中的人眼区域。然后，通过检测模块13得到人眼区域中像素虹膜半径和虹膜中心点坐标，最后通过确定模块14根据像素虹膜半径和中心点坐标，确定图像中人脸的实际瞳距(参考图5和图6)。由此，能够改善瞳距测量的精度。

在本实施方式中，如上所述，识别模块10可以用于对获得的图像进行人脸识别，得到人脸区域。图3示出了大致的拍摄示意图。如图3所示，利用拍摄设备1对拍摄对象2获得图像后，在测量瞳距的装置10中，识别模块11可以对所获得图像进行人脸识别，得到人脸区域(参见图4)。在一些示例中，测量瞳距的装置10可以配置在拍摄设备1内。在一些示例中，拍摄设备1可以与拍摄对象2相距距离d。

在一些示例中，拍摄设备可以为带摄像功能的移动终端、照相机或其他图像捕获设备。

另外，识别模块11还可以识别鼻梁区域，并且作为人脸区域的中轴线，即在本实施方式中，人脸的中轴线通常情况下是指鼻梁所在的位置，中轴线可以将人脸区域分为对称的两部分。

在本实施方式中，识别模块11对图像进行人脸识别时，主要是识别出一些关键的信息点，识别出的关键信息点主要分布在人眼、眉毛、鼻梁、鼻头、嘴唇和人脸下颌部位，从而得到人脸区域。在图4中，通过本实施方式所涉及的识别模块11，人脸区域大致被关键信息点标示了出来。换言之，从图4可以看出，通过识别模块，能够识别出人脸区域。

另外，在本实施方式中，人脸图像是指包括人脸的图像。在一些示例中，人脸图像包括人脸的眼睛、眉毛、鼻子和嘴巴以及下颌。但本实施方式不限于此，人脸图像也可以是人的全身照或半身照。

在一些示例中，人脸图像可以是灰度图像，但本实施方式不限于此，人脸图像还可以是彩色图像例如RGB图像或YMC图像。

在本实施方式中，人脸区域中的关键信息点的个数不是固定的，只要能够满足人脸区域识别的最低要求即可。在一些示例中，如图4所示，关键信息点的个数可以为68个，也即，关键信息点由图中的点1、2、3、……、68组成，其中，点1到点17分布在下颌区域，点18到点27分布在眉毛区域，点28到点36分布在鼻梁区域，点37到点48分布在眼睛区域，其余的点49到点68分布在嘴唇区域。

在本实施方式中，关键信息点是通过识别模块11内的强分类器识别出的，即识别模块11中的强分类器C(x)，完成了人脸识别。其中强分类器C(x)包括T次迭代后的T个弱分类器h(x)，包括如下公式(I)：

在公式(I)中，其中α_t的作用说明了对应弱分类器的重要性，ε_t是指误差率。其中弱分类器h(x)，包括如下公式(II)：

在公式(II)中，θ为阈值，p指示不等号的方向，x代表输入图像的部分区域，f代表输入特征，f(x)代表输入特征的特征值。在这种情况下，通过使用T次迭代的弱分类器组成的强分类器代替普通的弱分类器，提高了人脸识别的精确度，减少了通过图像识别瞳距产生的误差。但本实施方式不限于此，还可以仅用一个训练好的弱分类器来进行人脸识别。

另外，在本实施方式中，弱分类器是指在经过训练的情况下可以包含哈尔(Haar-like)特征的单个分类器。其中，哈尔(Haar)特征可以分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。

在本实施方式中，如上所述，提取模块12可以用于提取人脸区域的人眼区域。如图2所示，提取模块12可以进一步处理由识别模块11识别的人脸区域。具体而言，提取模块12可以提取出人脸区域中的人眼区域，即将眼睛区域的关键信息点37到点48所在的区域交由检测模块13进行虹膜检测。由此，使得虹膜检测更具有针对性，降低了识别误差。

另外，在本实施方式中，提取模块12还可以包括第一计算单元122。第一计算单元122可以用于计算鼻梁区域的直线方程即中轴线的直线方程。鼻梁区域的直线是指，进行人脸识别后所识别出的关键信息点图中的鼻梁区域的关键信息点所形成的直线，具体而言，可根据鼻梁区域的关键信息点的坐标得到中轴线的直线方程。

在本实施方式中，提取模块12还可以包括用于将人眼区域进行归一化处理的预处理单元121。在一些示例中，归一化处理可以对图像进行了一系列标准的处理变换，使之变换为固定标准形式，例如尺寸变换、灰度变换等。通过归一化处理，能够减少像素值对虹膜检测的影响。由此，能够提高虹膜检测的检测效率。

本实施方式中，检测模块13可以用于确定人眼区域的像素虹膜半径和中心点坐标。如图2所示，检测模块13可以针对由提取模块12得到的人眼区域进一步处理，确定人眼区域的像素虹膜半径和中心点坐标。

本实施方式中，如图2所示，检测模块13可以包括用于对人眼区域进行像素分析以得到虹膜的位置的分析单元131。其中，像素分析是指对种子点进行检索。这里，种子点是指在人眼区域中像素值低于某个全局阈值的像素点。

在本实施方式中，在一些示例中，可以对这些种子点进行粗略检索，以找到大致的虹膜边界位置。但本实施方式不限于此，例如可以进行精确检索，以找到虹膜的精确位置。

本实施方式中，检测模块13还可以包括第一确定单元132。在一些示例中，第一确定单元132可以根据由分析单元131得到的虹膜位置，确定人眼区域在人脸图像中的像素虹膜半径和中心点坐标。

图5是示出了本发明的实施方式所涉及的虹膜检测结果的例子的示意图。如图5所示，在本实施方式中，人眼的虹膜大致呈圆形，具有中心点和半径。虹膜中心点坐标和半径是指检测出的虹膜范围的圆的中心点坐标和半径。

本实施方式中，如上所述，确定模块14可以根据像素虹膜半径和中心点坐标，确定图像中人脸的实际瞳距。

本实施方式中，如图2所示，确定模块14可以包括根据像素虹膜半径和实际虹膜半径得到比例尺的第二计算单元141。

在本实施方式中，实际虹膜直径例如可以取约11mm，对于亚洲人而言，人眼的虹膜直径个体之间差异不大，而且虹膜直径即虹膜的实际大小约为11mm。

本实施方式中，如图2所示，确定模块14还包括根据中心点坐标到中轴线的距离的第二确定单元142。也即，第二确定单元142可以根据中心点坐标和直线方程确定图像中人脸的像素瞳距。像素瞳距的获得方便了实际瞳距的计算，由此，能够提高运算效率。

在一些示例中，由于人眼的左眼虹膜中心点到中轴线的距离和右眼的虹膜中心点到中轴线的距离相同，因此，可以仅确定例如左眼虹膜中心点至中轴线的距离，然后将此距离增加一倍来获得像素瞳距，由此，能够提高运算效率。

但本实施方式不限于此，可以分别确定左眼虹膜中心点到中轴线的距离和右眼的虹膜中心点到中轴线的距离，然后将两个距离相加得到像素瞳距，还可以根据两个中心点之间的距离，确定像素瞳距。

另外，在本实施方式中，第二计算单元141还可以根据比例尺和像素瞳距得到实际瞳距。在这种情况下，由比例尺和像素瞳距得到的实际瞳距更加精确，由此，能够改善瞳距测量的精度。

另外，在一些示例中，如图2所示，测量瞳距的装置10还可以包括预处理模块15。在一些示例中，预处理模块15可以设置在识别模块11之前。在一些示例中，预处理模块15可以对测量瞳距的装置10获得图像进行像素压缩并进行灰度化，由此，能够提升检测效率。

以下，结合图6详细地描述本实施方式所涉及的测量瞳距的方法。

图6是示出了本发明的实施方式所涉及的测量瞳距的方法的流程图。

本实施方式所涉及的测量瞳距的方法包括：获得输入图像，对图像进行人脸识别，得到人脸区域(步骤S11)；提取人脸区域中的人眼区域(步骤S12)；对人眼区域进行虹膜检测，得到像素虹膜的半径和中心点坐标(步骤S13)；并且根据像素虹膜的半径和中心点坐标，计算得到实际瞳距(步骤S14)。

在本实施方式中，测量瞳距的装置10可以获得包括人脸的图像。如上所述，包括人脸的图像可以由拍摄设备1带摄像功能的移动终端、照相机或其他图像捕获设备获得(参见图3)。但本实施方式不限于此，包括人脸的图像也可以是计算机中存储的已有图像，例如是用户已经上传的图像。

在拍摄图像时，用户(拍摄对象2)可以平视前方，人脸与拍摄设备可以处于同一水平面上。另外，在一些示例中，拍摄设备1与拍摄对象2之间的距离d最好处在30cm到60cm之间，由此，能够减小拍摄照片所引起的误差。

虽然以上结合附图和实施例对本发明进行了具体说明，但是可以理解，上述说明不以任何形式限制本发明。本领域技术人员在不偏离本发明的实质精神和范围的情况下可以根据需要对本发明进行变形和变化，这些变形和变化均落入本发明的范围内。

Claims (10)

1.一种测量瞳距的装置，其特征在于，包括：

识别模块，其用于对获得的图像进行人脸识别，得到人脸区域；

提取模块，其用于提取所述人脸区域的人眼区域；

检测模块，其用于确定所述人眼区域的像素虹膜半径和中心点坐标；以及

确定模块，其根据所述像素虹膜半径和所述中心点坐标，确定所述图像中人脸的实际瞳距。

2.根据权利要求1所述的测量瞳距的装置，其特征在于，

所述识别模块还识别鼻梁区域，并且作为所述人脸区域的中轴线，所述确定模块，还包括第二确定单元，其根据所述中心坐标到所述中轴线的距离确定所述图像中人脸的像素瞳距。

3.根据权利要求2所述的测量瞳距的装置，其特征在于，

所述确定模块还包括第二计算单元，其根据所述像素虹膜半径和实际虹膜半径得到比例尺，并由所述比例尺和所述像素瞳距得到所述实际瞳距。

4.根据权利要求2所述的测量瞳距的装置，其特征在于，

所述提取模块还包括第一计算单元，其计算所述中轴线的直线方程，所述中心坐标到所述中轴线的距离即所述中心坐标到所述直线方程的距离。

5.根据权利要求1所述的测量瞳距的装置，其特征在于，

所述识别模块包括强分类器C(x)，其完成所述人脸识别，所述强分类器包括T次迭代后的T个弱分类器h(x)，并且

其中，其中α_t的作用说明了对应弱分类器的重要性，ε_t是指误差率，

所述弱分类器h(x)根据下式(2)得到：

其中，θ为阈值，p指示不等号的方向，x代表输入图像的部分区域，f代表输入特征，f(x)代表输入特征的特征值。

6.一种测量瞳距的方法，其特征在于，包括：

获得输入图像，对图像进行人脸识别，得到人脸区域；

提取所述人脸区域的人眼区域；

对所述人眼区域进行虹膜检测，得到像素虹膜半径和中心点坐标；

根据所述像素虹膜半径和所述中心点坐标，计算得到实际瞳距。

7.根据权利要求6所述的测量瞳距的方法，其特征在于，

在进行所述人脸识别时，也识别鼻梁区域，并且作为所述人脸区域的中轴线。得到所述中心点坐标后，根据所述中心点坐标到所述中轴线，进而确定像素瞳距。

8.根据权利要求7所述的测量瞳距的方法，其特征在于，

得到所述像素虹膜半径后，所述像素虹膜半径和实际虹膜半径得到比例尺，并由所述比例尺和所述像素瞳距得到所述实际瞳距。

9.根据权利要求7所述的测量瞳距的方法，其特征在于，

得到中轴线后，计算所述中轴线的直线方程，所述中心坐标到所述中轴线的距离即所述中心坐标到所述直线方程的距离。

10.根据权利要求6所述的测量瞳距的方法，其特征在于，

所述人脸区域由强分类器C(x)对所述输入图像进行识别所得；

所述强分类器C(x)由T次迭代后的T个弱分类器h(x)组合而成，并通过下式(1)实现人脸识别：

其中其中α_t的作用说明了对应弱分类器的重要性，ε_t是指误差率，

所述弱分类器h(x)，根据如下公式得到：

其中θ为阈值，p指示不等号的方向，x代表输入图像的部分区域，f代表输入特征，f(x)代表输入特征的特征值。