CN110348408A - 瞳孔定位方法及装置 - Google Patents
瞳孔定位方法及装置 Download PDFInfo
- Publication number
- CN110348408A CN110348408A CN201910641057.2A CN201910641057A CN110348408A CN 110348408 A CN110348408 A CN 110348408A CN 201910641057 A CN201910641057 A CN 201910641057A CN 110348408 A CN110348408 A CN 110348408A
- Authority
- CN
- China
- Prior art keywords
- pupil
- point
- image
- pupil image
- point set
- 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.)
- Pending
Links
Classifications
-
- 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
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ophthalmology & Optometry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种瞳孔定位方法及装置,在该方法中,通过人脸检测模型获取人脸图像,通过人眼检测模型从该人脸图像中提取人眼图像,根据该人眼图像,确定该人眼图像的几何中心为起始点,以该起始点为中心,延伸射线集进行扫描,其中,该射线集中各个射线的间隔角度为预设角度,沿该射线集延伸的方向计算每个像素点的梯度幅值,确定该梯度幅值大于预定阈值的像素点为瞳孔图像边缘点,根据该瞳孔图像边缘点对瞳孔进行定位。通过本发明解决了现有技术中大量干扰因素情况下瞳孔定位存在的低效问题,实现了快速有效地排除瞳孔图像中噪声点的干扰,提高瞳孔定位的效率和精度,满足视线追踪***中实时性和精度高的要求。
Description
技术领域
本发明涉及车辆辅助驾驶领域,具体涉及一种瞳孔定位的方法及装置。
背景技术
通过视线跟踪来分析驾驶员的精神状态并提供相应预警,可实现车辆的辅助驾驶,保证驾驶员生命安全。精确定位瞳孔是视线跟踪技术的关键部分。目前,注视点研究技术都是以图像处理为基础的研究方法,即“非侵入式”的视频图像法,其基本原理是,通过摄像机拍摄人面部和眼睛的连续图像,分析眼睛运动,根据相关坐标映射技术计算注视点的空间位置。在可见光条件下注视点追踪***中,通过测量瞳孔中心与内角点的相对偏移量来提取出人眼注视点信息。因此,如何精确定位出瞳孔中心是注视点研究中重要部分,注视点定位的精度将取决于瞳孔定位的准确程度。
现阶段瞳孔定位存在着如下问题:虽然能在正常情况下准确的定位出未变形瞳孔,但是鲁棒性较差,容易受到光照环境的影响,精度较低;虽然能定位出变形瞳孔位置,但是计算量较大,实时性效果差,不能满足***要求。
发明内容
有鉴于此,本发明实施例提供了一种瞳孔定位方法及装置,以解决现有技术中大量干扰因素情况下瞳孔定位存在的低效问题。
为此,本发明实施例提供了如下技术方案:
本发明实施例提供了一种瞳孔定位方法,包括:通过人脸检测模型获取人脸图像,通过人眼检测模型从所述人脸图像中提取人眼图像,根据所述人眼图像,确定所述人眼图像的几何中心为起始点,以所述起始点为中心,延伸射线集进行扫描;其中,所述射线集中各个射线的间隔角度为预设角度,沿所述射线集延伸的方向计算每个像素点的梯度幅值,确定所述梯度幅值大于预定阈值的像素点为瞳孔图像边缘点,根据所述瞳孔图像边缘点对瞳孔进行定位。
可选地,确定所述梯度幅值大于预定阈值的像素点为瞳孔图像边缘点包括:判断当前瞳孔图像边缘点的几何中心与上一次获取的瞳孔图像边缘点的几何中心之间的距离是否小于预定阈值,在判断结果为是的情况下,确定所述当前瞳孔图像边缘点为所述瞳孔图像边缘点。
可选地,根据所述瞳孔图像边缘点对瞳孔进行定位包括:通过三点随机采样一致性瞳孔定位算法对瞳孔进行定位。
可选地,通过三点随机采样一致性瞳孔定位算法对瞳孔进行定位包括:根据所述瞳孔图像边缘点获取瞳孔图像边缘点集合,根据所述瞳孔图像边缘点集合获取椭圆模型,从所述瞳孔图像边缘点集合中获取采样点集,并获取所述采样点集的切线方程,其中,所述采样点集有三个点,所述采样点集中的各个点的切线两两互不平行,根据所述采样点集的切线的三个交点和所述采样点集之间的中心点获取直线集,所述直线集包括三条直线,获取距离所述直线集距离最小的点,将距离所述直线集距离最小的点作为所述瞳孔图像的瞳孔中心。
可选地,获取人眼图像之后,所述方法还包括:对所述人眼图像进行平滑和/或滤波处理。
本发明实施例还提供了一种瞳孔定位装置,包括第一获取模块,用于通过人脸检测模型获取人脸图像;提取模块,用于通过人眼检测模型从所述人脸图像中提取人眼图像;第一确定模块,用于根据所述人眼图像,确定所述人眼图像的几何中心为起始点;第一处理模块,用于以所述起始点为中心,延伸射线集进行扫描;其中,所述射线集中各个射线的间隔角度为预设角度;计算模块,用于沿所述射线集延伸的方向计算每个像素点的梯度幅值;第二确定模块,用于确定所述梯度幅值大于预定阈值的像素点为瞳孔图像边缘点;第二处理模块,用于根据所述瞳孔图像边缘点对瞳孔进行定位。
可选地,所述第二确定模块包括:判断单元,用于判断当前瞳孔图像边缘点的几何中心与上一次获取的瞳孔图像边缘点的几何中心之间的距离是否小于预定阈值;确定单元,用于在判断结果为是的情况下,确定所述当前瞳孔图像边缘点为所述瞳孔图像边缘点。
可选地,所述第二处理模块还用于通过三点随机采样一致性瞳孔定位算法对瞳孔进行定位。
可选地,所述第二处理模块还包括:第一获取单元,用于根据所述瞳孔图像边缘点获取瞳孔图像边缘点集合;第二获取单元,用于根据所述瞳孔图像边缘点集合获取椭圆模型;第一处理单元,用于从所述瞳孔图像边缘点集合中获取采样点集,并获取所述采样点集的切线方程,其中,所述采样点集有三个点,所述采样点集中的各个点的切线两两互不平行;第三获取单元,用于根据所述采样点集的切线的三个交点和所述采样点集之间的中心点获取直线集,所述直线集包括三条直线;第二处理单元,用于获取距离所述直线集距离最小的点,将距离所述直线集距离最小的点作为所述瞳孔图像的瞳孔中心。
可选地,所述装置还包括:第三处理模块,用于对所述人眼图像进行平滑和/或滤波处理。
本发明实施例技术方案,具有如下优点:
本发明实施例提供了一种瞳孔定位方法及装置,在该方法中,通过人脸检测模型获取人脸图像,通过人眼检测模型从该人脸图像中提取人眼图像,根据该人眼图像,确定该人眼图像的几何中心为起始点,以该起始点为中心,延伸射线集进行扫描;其中,该射线集中各个射线的间隔角度为预设角度,沿该射线集延伸的方向计算每个像素点的梯度幅值,确定该梯度幅值大于预定阈值的像素点为瞳孔图像边缘点,根据该瞳孔图像边缘点对瞳孔进行定位。通过本发明实施例解决了现有技术中大量干扰因素情况下瞳孔定位存在的低效问题,实现了快速有效地排除瞳孔图像中噪声点的干扰,提高瞳孔定位的效率和精度,满足视线追踪***中实时性和精度高的要求。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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。
图1是根据本发明实施例的瞳孔定位方法的流程图;
图2是根据本发明实施例的瞳孔定位方法的示意图;
图3是根据本发明实施例的瞳孔定位装置的一个结构框图;
图4是根据本发明实施例的瞳孔定位装置的另一个结构框图;
图5是根据本发明实施例的瞳孔定位装置的再一个结构框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
在本实施例中提供了一种瞳孔定位方法,图1是根据本发明实施例的瞳孔定位方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101:通过人脸检测模型获取人脸图像。在动态视频图像中,采集用于人脸检测和人眼检测的训练样本,结合图像Haar-Like矩形特征和Adaboost算法训练出人脸检测模型和人眼检测模型,然后读取每一帧视频图像并对其进行人脸检测和人眼检测;
步骤S102:通过人眼检测模型从该人脸图像中提取人眼图像。根据检测出人脸和人眼之间的位置是否符合人脸“三庭五眼”的布局来判定人眼检测的准确性,由于摄像机传感器中元件自身质量问题以及拍摄环境中光照强度变化的原因,在图像采集过程中存在很多干扰,使得每幅图像中都存在着一定程度噪声。在数字图像处理过程中,去除噪声主要涉及到加性、椒盐、高斯三种噪声,这些噪声会掩盖掉图像的原始信息,这增加了图像特征提取的难度。因此,在对图像特征提取之前必须对原始采集图像进行平滑或者滤波处理,进一步地降低或者消除图像噪声,增强原始图像的信噪比。
步骤S103:根据该人眼图像,确定该人眼图像的几何中心为起始点。对于第一幅图像的初始点是整幅图像的几何中心,其他图像的的起始点是前一帧图像中已经检测到的瞳孔中心;
步骤S104:以该起始点为中心,延伸射线集进行扫描;其中,该射线集中各个射线的间隔角度为预设角度。对该人眼图像通过星射线算法提取瞳孔图像边缘点,具体地,该预设角度可以是10°,该射线集的延展区域可以是-30°到30°及150°到210°,且该射线的延伸范围不得超过该人眼图像区域;
步骤S105:沿该射线集延伸的方向计算每个像素点的梯度幅值;
步骤S106:确定该梯度幅值大于预定阈值的像素点为瞳孔图像边缘点。具体地,考虑到瞳孔图像反光、设定起始点不在瞳孔区域内等因素的影响,沿着每条射线方向需要查找出两个边缘点;
步骤S107:根据该瞳孔图像边缘点对瞳孔进行定位。具体地,通过三点随机采样一致性瞳孔定位算法对瞳孔进行定位。
通过上述步骤:通过人脸检测模型获取人脸图像,通过人眼检测模型从该人脸图像中提取人眼图像,根据该人眼图像,确定该人眼图像的几何中心为起始点,以该起始点为中心,延伸射线集进行扫描;其中,该射线集中各个射线的间隔角度为预设角度,沿该射线集延伸的方向计算每个像素点的梯度幅值,确定该梯度幅值大于预定阈值的像素点为瞳孔图像边缘点,根据该瞳孔图像边缘点对瞳孔进行定位。通过本发明实施例解决了现有技术中大量干扰因素情况下瞳孔定位存在的低效问题,实现了快速有效地排除瞳孔图像中噪声点的干扰,提高瞳孔定位的效率和精度,满足视线追踪***中实时性和精度高的要求。
上述步骤S106涉及到确定该梯度幅值大于预定阈值的像素点为瞳孔图像边缘点,根据该瞳孔图像边缘点对瞳孔进行定位,为了获取到更加精确的瞳孔图像边缘点,在一个可选实施例中,获取该瞳孔图像边缘点的几何中心,以该瞳孔图像边缘点的几何中心为第一起始点,连接该瞳孔图像边缘点和该第一起始点为中线,以该瞳孔图像边缘点为顶点,沿该中线向两边延伸第一射线集进行扫描,该第一射线集中各个射线的间隔角度为第一预设角度,具体地,该第一预设角度可以是10°,沿该第一射线集延伸的方向计算每个像素点的第一梯度幅值,确定该第一梯度幅值大于第一预定阈值的像素点为第一瞳孔图像边缘点。
然后获取该第一瞳孔图像边缘点的几何中心,以该第一瞳孔图像边缘点的几何中心为第二起始点,获取该瞳孔图像边缘点和第一起始点之间的距离为第一距离集,获取该第一瞳孔图像边缘点和第二起始点之间的距离为第二距离集,除去该第一距离集和该第二距离集中距离大于第二预定阈值和小于第三预定阈值所对应的瞳孔图像边缘点,具体地,计算出该第一距离集和第二距离集的期望值μ和标准差δ,然后去除与起始点之间距离大于u+1.5δ或者小于u-1.5δ的边缘点,将剩余的瞳孔图像边缘点作为第三瞳孔图像边缘点,再进行星射线算法获取瞳孔图像边缘点以及该瞳孔图像边缘点的几何中心。判断当前瞳孔图像边缘点的几何中心与上一次获取的瞳孔图像边缘点的几何中心之间的距离是否小于第二预定阈值,在判断结果为是的情况下,说明该星射线算法已经收敛,确定当前瞳孔图像边缘点为瞳孔图像边缘点。
为了对瞳孔中心进行精确定位,在一个可选实施例中,通过三点随机采样一致性瞳孔定位算法对瞳孔进行定位,根据该瞳孔图像边缘点获取瞳孔图像边缘点集合,根据该瞳孔图像边缘点集合获取椭圆模型,从该瞳孔图像边缘点集合中获取采样点集,并获取该采样点集的切线方程,其中,该采样点集有三个点,该采样点集中的各个点的切线两两互不平行,根据该采样点集的切线的三个交点和该采样点集之间的中心点获取直线集,该直线集包括三条直线,获取距离该直线集距离最小的点,将距离该直线集距离最小的点作为该瞳孔图像的瞳孔中心。
图2是根据本发明实施例的瞳孔定位方法的示意图。如图2所示,在一个可选实施例中,获取瞳孔图像边缘点集合,并拟合第一椭圆模型,在边缘点集合中,随机采样三点为M1、M2、M3,分别计算这三个点所对应的切线方程,若这三条切线两两互不平行,采样有效,否则重新采样,求出三条切线的交点P1、P2、P3和三个采样点之间的中心点X、Y、Z,计算通过P1、Y点的直线方程L1,P2、X点的直线方程L2,P3、Z点的直线方程L3,利用最小二乘法计算出到L1、L2、L3三条直线距离最小的点O,将该点O标记为第一瞳孔中心,从边缘点集合中随机选取另一点,重复上述求切线法和最小二乘法,求得新的瞳孔中心O1,计算O、O1两点之间的距离,若该距离值小于或等于第一预定阈值,则将该点记为内点,对满足条件的所有边缘点进行统计,求得瞳孔中心O所对应的第一内点集合;如果瞳孔中心O所对应的第一内点集合大于第二设定阈值,对第一内点集合重复上述求切线法和最小二乘法,得到的瞳孔中心为第三瞳孔中心,若不满足条件,继续重复上述步骤,直到找到满足设定条件的第一内点集合,若上述步骤的迭代次数大于最大迭代值,则从该最大迭代次数中挑选出最大内点集合和对应的瞳孔中心作为第一内点集合和第三瞳孔中心;运用椭圆拟合算法,结合第一内点集合,拟合第二椭圆模型,计算出所有的内点到该模型的代数距离,并求出平均拟合偏差,根据该偏差设定第三预定阈值,计算每个边缘点到该模型的代数距离,若该代数距离小于第三预定阈值,则记该点为内点,否则为噪声点,同时更新内点集合,得到第二内点集合,根据第二内点集合获取第三椭圆模型,对该第三椭圆模型运用椭圆拟合算法,直到内点集合不再发生变化,则当前椭圆模型即为瞳孔位置。
实施例2
在本实施例中还提供了一种瞳孔定位装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本施例提供一种瞳孔定位装置,如图3所示,包括第一获取模块21,用于通过人脸检测模型获取人脸图像;提取模块22,用于通过人眼检测模型从该人脸图像中提取人眼图像;第一确定模块23,用于根据该人眼图像,确定该人眼图像的几何中心为起始点;第一处理模块24,用于以该起始点为中心,延伸射线集进行扫描,其中,该射线集中各个射线的间隔角度为预设角度;计算模块25,用于沿该射线集延伸的方向计算每个像素点的梯度幅值;第二确定模块26,用于确定该梯度幅值大于预定阈值的像素点为瞳孔图像边缘点;第二处理模块27,用于根据该瞳孔图像边缘点对瞳孔进行定位。
图4是根据本发明实施例的瞳孔定位装置的另一个结构框图。如图4所示,在一个可选实施例中,该第二确定模块26包括判断单元261,用于判断当前瞳孔图像边缘点的几何中心与上一次获取的瞳孔图像边缘点的几何中心之间的距离是否小于预定阈值;确定单元262,用于在判断结果为是的情况下,确定当前瞳孔图像边缘点为该瞳孔图像边缘点。
图5是根据本发明实施例的瞳孔定位装置的再一个结构框图。如图5所示,在一个可选实施例中,该第二处理模块27还用于通过三点随机采样一致性瞳孔定位算法对瞳孔进行定位,具体地,该第二处理模块27包括第一获取单元271,用于根据该瞳孔图像边缘点获取瞳孔图像边缘点集合;第二获取单元272,用于根据该瞳孔图像边缘点集合获取椭圆模型;第一处理单元273,用于从该瞳孔图像边缘点集合中获取采样点集,并获取该采样点集的切线方程,其中,该采样点集有三个点,该采样点集中的各个点的切线两两互不平行;第三获取单元274,用于根据该采样点集的切线的三个交点和该采样点集之间的中心点获取直线集,该直线集包括三条直线;第二处理单元275,用于获取距离该直线集距离最小的点,将距离该直线集距离最小的点作为该瞳孔图像的瞳孔中心。
可选地,所述装置还包括第三处理模块,用于对该人眼图像进行平滑和/或滤波处理。
上述各个模块的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种瞳孔定位方法,其特征在于,包括:
通过人脸检测模型获取人脸图像;
通过人眼检测模型从所述人脸图像中提取人眼图像;
根据所述人眼图像,确定所述人眼图像的几何中心为起始点;
以所述起始点为中心,延伸射线集进行扫描;其中,所述射线集中各个射线的间隔角度为预设角度;
沿所述射线集延伸的方向计算每个像素点的梯度幅值;
确定所述梯度幅值大于预定阈值的像素点为瞳孔图像边缘点;
根据所述瞳孔图像边缘点对瞳孔进行定位。
2.根据权利要求1所述的方法,其特征在于,确定所述梯度幅值大于预定阈值的像素点为瞳孔图像边缘点包括:
判断当前瞳孔图像边缘点的几何中心与上一次获取的瞳孔图像边缘点的几何中心之间的距离是否小于预定阈值;
在判断结果为是的情况下,确定所述当前瞳孔图像边缘点为所述瞳孔图像边缘点。
3.根据权利要求1所述的方法,其特征在于,根据所述瞳孔图像边缘点对瞳孔进行定位包括:
通过三点随机采样一致性瞳孔定位算法对瞳孔进行定位。
4.根据权利要求3所述的方法,其特征在于,通过三点随机采样一致性瞳孔定位算法对瞳孔进行定位包括:
根据所述瞳孔图像边缘点获取瞳孔图像边缘点集合;
根据所述瞳孔图像边缘点集合获取椭圆模型;
从所述瞳孔图像边缘点集合中获取采样点集,并获取所述采样点集的切线方程,其中,所述采样点集有三个点,所述采样点集中的各个点的切线两两互不平行;
根据所述采样点集的切线的三个交点和所述采样点集之间的中心点获取直线集,所述直线集包括三条直线;
获取距离所述直线集距离最小的点,将距离所述直线集距离最小的点作为所述瞳孔图像的瞳孔中心。
5.根据权利要求1至4中任一项所述的方法,其特征在于,通过人眼检测模型从所述人脸图像中提取人眼图像之后,所述方法还包括:
对所述人眼图像进行平滑和/或滤波处理。
6.一种瞳孔定位装置,其特征在于,包括:
第一获取模块,用于通过人脸检测模型获取人脸图像;
提取模块,用于通过人眼检测模型从所述人脸图像中提取人眼图像;
第一确定模块,用于根据所述人眼图像,确定所述人眼图像的几何中心为起始点;
第一处理模块,用于以所述起始点为中心,延伸射线集进行扫描;其中,所述射线集中各个射线的间隔角度为预设角度;
计算模块,用于沿所述射线集延伸的方向计算每个像素点的梯度幅值;
第二确定模块,用于确定所述梯度幅值大于预定阈值的像素点为瞳孔图像边缘点;
第二处理模块,用于根据所述瞳孔图像边缘点对瞳孔进行定位。
7.根据权利要求6所述的装置,其特征在于,所述第二确定模块包括:
判断单元,用于判断当前瞳孔图像边缘点的几何中心与上一次获取的瞳孔图像边缘点的几何中心之间的距离是否小于预定阈值;
确定单元,用于在判断结果为是的情况下,确定所述当前瞳孔图像边缘点为所述瞳孔图像边缘点。
8.根据权利要求6所述的装置,其特征在于,所述第二处理模块还用于通过三点随机采样一致性瞳孔定位算法对瞳孔进行定位。
9.根据权利要求8所述的装置,其特征在于,所述第二处理模块还包括:
第一获取单元,用于根据所述瞳孔图像边缘点获取瞳孔图像边缘点集合;
第二获取单元,用于根据所述瞳孔图像边缘点集合获取椭圆模型;
第一处理单元,用于从所述瞳孔图像边缘点集合中获取采样点集,并获取所述采样点集的切线方程,其中,所述采样点集有三个点,所述采样点集中的各个点的切线两两互不平行;
第三获取单元,用于根据所述采样点集的切线的三个交点和所述采样点集之间的中心点获取直线集,所述直线集包括三条直线;
第二处理单元,用于获取距离所述直线集距离最小的点,将距离所述直线集距离最小的点作为所述瞳孔图像的瞳孔中心。
10.根据权利要求6至9中任一项所述的装置,其特征在于,所述装置还包括:
第三处理模块,用于对所述人眼图像进行平滑和/或滤波处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910641057.2A CN110348408A (zh) | 2019-07-16 | 2019-07-16 | 瞳孔定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910641057.2A CN110348408A (zh) | 2019-07-16 | 2019-07-16 | 瞳孔定位方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110348408A true CN110348408A (zh) | 2019-10-18 |
Family
ID=68176596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910641057.2A Pending CN110348408A (zh) | 2019-07-16 | 2019-07-16 | 瞳孔定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110348408A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111369496A (zh) * | 2020-02-18 | 2020-07-03 | 中北大学 | 一种基于星射线的瞳孔中心定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136512A (zh) * | 2013-02-04 | 2013-06-05 | 重庆市科学技术研究院 | 一种瞳孔定位方法及*** |
CN108509873A (zh) * | 2018-03-16 | 2018-09-07 | 新智认知数据服务有限公司 | 瞳孔图像边缘点提取方法及装置 |
CN109086734A (zh) * | 2018-08-16 | 2018-12-25 | 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 |
CN109118506A (zh) * | 2018-08-16 | 2019-01-01 | 新智数字科技有限公司 | 一种确定人眼图像中瞳孔图像边缘点的方法及装置 |
CN109145821A (zh) * | 2018-08-16 | 2019-01-04 | 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 |
-
2019
- 2019-07-16 CN CN201910641057.2A patent/CN110348408A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136512A (zh) * | 2013-02-04 | 2013-06-05 | 重庆市科学技术研究院 | 一种瞳孔定位方法及*** |
CN108509873A (zh) * | 2018-03-16 | 2018-09-07 | 新智认知数据服务有限公司 | 瞳孔图像边缘点提取方法及装置 |
CN109086734A (zh) * | 2018-08-16 | 2018-12-25 | 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 |
CN109118506A (zh) * | 2018-08-16 | 2019-01-01 | 新智数字科技有限公司 | 一种确定人眼图像中瞳孔图像边缘点的方法及装置 |
CN109145821A (zh) * | 2018-08-16 | 2019-01-04 | 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 |
Non-Patent Citations (1)
Title |
---|
杨汉宏著: "《露天矿交通运输安全预警预控原理及实践》", 中国矿业大学出版社, pages: 169 - 172 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111369496A (zh) * | 2020-02-18 | 2020-07-03 | 中北大学 | 一种基于星射线的瞳孔中心定位方法 |
CN111369496B (zh) * | 2020-02-18 | 2022-07-01 | 中北大学 | 一种基于星射线的瞳孔中心定位方法 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102176228B (zh) | 一种用于识别多个指针式仪表表盘信息的机器视觉方法 | |
KR101558258B1 (ko) | Tof카메라를 이용한 피플 카운터 및 그 카운트 방법 | |
CN105373135B (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及*** | |
CN103900494B (zh) | 用于双目视觉三维测量的同源点快速匹配方法 | |
US20130136307A1 (en) | Method for counting objects and apparatus using a plurality of sensors | |
CN107016705A (zh) | 计算机视觉***中的地平面估计 | |
CN103617611B (zh) | 一种自动阈值分割光斑中心及尺寸检测方法 | |
CN104173054A (zh) | 基于双目视觉技术的人体身高测量方法及其装置 | |
JP2011002919A (ja) | 物体検出方法、物体検出装置 | |
CN104704384A (zh) | 具体用于装置的基于视觉的定位的图像处理方法 | |
CN108257137A (zh) | 一种基于视觉光斑自动判读的角度测量方法及*** | |
CN103759758A (zh) | 一种基于机械角度和刻度识别的汽车仪表指针的位置检测方法 | |
CN104964708B (zh) | 一种基于车载双目视觉的路面坑槽检测方法 | |
CN105426894B (zh) | 铁道塞钉图像检测方法及装置 | |
CN109916488B (zh) | 动态车辆称重方法及装置 | |
CN106128121A (zh) | 基于局部特征分析的车辆排队长度快速检测算法 | |
CN109002800A (zh) | 基于多传感器融合的三维目标实时识别机构及识别方法 | |
CN110348408A (zh) | 瞳孔定位方法及装置 | |
CN109060820A (zh) | 基于激光检测的隧道病害检测方法及隧道病害检测装置 | |
CN115063579B (zh) | 基于二维图像和三维点云投影的列车定位销松动检测方法 | |
CN108509873A (zh) | 瞳孔图像边缘点提取方法及装置 | |
CN113074667B (zh) | 基于标志点的全局绝对相位对齐方法、存储介质和*** | |
JP4588461B2 (ja) | 状態解析装置及びソフトウエアプログラム | |
CN103093481B (zh) | 一种基于分水岭分割的静态背景下运动目标检测方法 | |
CN107767366A (zh) | 一种输电线路拟合方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |