CN111513671A - 基于眼部图像的眼镜舒适度评价方法 - Google Patents

Abstract

本发明涉及一种基于眼部图像的眼镜舒适度评价方法，包括以下步骤：获取受试者一段时间内的眼部图像；对获取的眼部图像进行处理，以获取眼动参数，所述眼动参数包括瞳孔直径X_PD和眼睑间距X_ES；获取受试者的舒适度，并将其值记为Y；根据眼睑间距与舒适度、瞳孔直径与舒适度的关系，建立舒适度与瞳孔直径、眼睑间距的函数模型，进而判断眼镜的舒适程度。本发明通过大量主观采样及实验定量研究了眼睑间距和瞳孔直径对眼镜佩戴舒适度的影响，并建立了关于舒适度与瞳孔直径、眼睑间距的函数模型，为后续的眼镜佩戴舒适度判定提供了定量标准，可以直接快速地判断受试者眼镜佩戴是否舒适，结果客观可靠。

Description

基于眼部图像的眼镜舒适度评价方法

技术领域

本发明涉及一种眼镜佩戴舒适度评价方法，具体涉及一种基于眼部图像的眼镜舒适度评价方法。

背景技术

眼镜是矫正眼球屈光，保护眼睛健康和提高视觉功能的一种特殊的医疗器械。眼镜与每个人都有着密切联系，由于屈光不正，老视，或出于保健、美观的目的，几乎人人都配有眼镜。随着科学的发展和人们对视觉要求的提高，理想的眼镜不仅应带来清晰地视觉，还应让佩戴者获得舒适的感觉，持久地近距离阅读和高品位的外观。但是，眼镜行业的从业者水平良莠不齐，所以在配镜过程中可能会出现各种问题，眼镜是属于比较敏感的光学器件，尤其是对于人体来说，有任何偏差都会导致不适；同时在眼镜制作完成以后的佩戴过程中，也可能会发生佩戴不适的现象，从而导致人体产生一些不适反应。所以，如果有一套客观的评价标准，就可以指导从业者更好地去进行配镜工作。

发明内容

本发明要解决的技术问题是根据现有技术方法存在的缺陷，提出一种客观的基于眼部图像的眼镜舒适度评价方法，以帮助从业者以及佩戴者利用客观的方法来判断顾客真实的佩戴舒适情况。

本发明目的是为了让眼镜行业的从业者以及顾客自身对眼镜和眼睛组成的***,有一个客观评价方法，而不仅仅是顾客戴上眼镜后的提出一些主观感受，且这种感受还未必能够被眼镜从业者所理解，从而进一步改善顾客体验。

本发明提供了一种基于眼部图像的眼镜舒适度评价方法，包括以下步骤：

S1、获取受试者一段时间内的眼部图像；转至步骤S2；

S2、对获取的眼部图像进行处理，以获取眼动参数，所述眼动参数包括瞳孔直径X_PD和眼睑间距X_ES；转至步骤S3；

S3、获取受试者的舒适度，并将其值记为Y；转至步骤S4；

S4、根据眼睑间距(眼睑间距即为上、下眼睑之间的垂直距离)与舒适度、瞳孔直径与舒适度的关系，建立舒适度与瞳孔直径、眼睑间距的函数模型，进而判断眼镜的舒适程度，该函数模型F为

F＝Υ₁f₁+Υ₂f₂

其中，F表示舒适度值，Υ₁表示经过单位化处理后的眼睑间距与舒适度的相关系数，Υ₂表示经过单位化处理后的瞳孔直径与舒适度的相关系数，f₁表示眼睑间距和舒适度之间的函数，f₂表示瞳孔直径和舒适度之间的函数。

本发明主要通过检测佩戴者戴上眼镜前后的瞳孔及眼睑变化情况来判断眼镜是否舒适，单纯测量瞳孔直径或者眼睑的变化来判断舒适程度误差较大，而把二者综合考虑则能比较好的反应佩戴眼镜的舒适程度。本发明通过预设的算法，计算佩戴者戴上眼镜后瞳孔以及眼睑的尺寸变动，进一步的来评价眼镜的舒适程度。

上述技术方案的步骤S1中，获取原始数据，采用眼动仪记录受试者一段时间内的眼部图像，以便后续取得眼动数据。

上述技术方案的步骤S2中，对获取的眼部图像进行处理的具体方法如下：

S201、图像预处理，对获取的眼部图像进行预处理，预处理包括去噪、二值化、边缘检测等；转至步骤S201；

S202、形态学处理，对预处理过的图像进行形态学的膨胀、腐蚀，以改善图像效果；转至步骤S203；

S203、对经过形态学处理后的图像进行眼睑检测及瞳孔分割，采用Hough圆检测和边缘检测相结合的方式，从初始图像中分离出需要的眼睑和瞳孔区域；转至步骤S204；

S204、根据图像处理结果，求出眼动指标相关数据，即从分离出的眼睑和瞳孔区域图像中获得眼动参数，包含瞳孔直径X_PD和眼睑间距X_ES。

上述技术方案的步骤S3中，舒适度Y的值采用问卷调查统计的方式获得。

上述技术方案的步骤S4中，建立舒适度与瞳孔直径、眼睑间距的函数模型的具体方法如下：

S401、根据皮尔逊相关系数计算出眼睑间距与舒适度以及瞳孔直径与舒适度的相关系数，并分别记为ρ1，ρ2；转至步骤S401；

S402、通过眼睑间距与舒适度以及瞳孔直径与舒适度的对应关系，拟合出一个函数，用来描述这两对指标之间的函数关系，记眼睑间距与舒适度之间的函数为f₁，记瞳孔直径与舒适度之间函数为f₂；转至步骤S403；

S403、根据下式对步骤S401中计算出的相关系数ρ1、ρ2进行单位化处理，经过单位化处理后将眼睑间距与舒适度的相关系数ρ1变为Υ₁，瞳孔直径与舒适度的相关系数ρ2变为Υ₂，

其中，i＝1或2；转至步骤S404；

S404、通过以上处理后，建立舒适度与瞳孔直径、眼睑间距的函数模型，

F＝Υ₁f₁+Υ₂f₂。

进一步的，步骤S402中，f₁，f₂这两个字母在这里分别代表拟合出来的一个模型函数，其中

f₂＝ax_PD ²-bx_PD+c，f₁表示眼睑间距和舒适度之间的函数，f₂表示瞳孔直径和舒适度之间的函数，在函数f₁中m表示拟合函数的系数，e表示指数函数的底，n表示自变量的系数，x_ES表示眼睑间距；在函数f₂中x_PD表示瞳孔直径，a表示拟合函数的二次项系数，b表示拟合函数的一次项系数，c表示拟合函数的常数项。

本发明通过大量主观采样及实验定量研究了眼睑间距和瞳孔直径对眼镜佩戴舒适度的影响，并建立了关于舒适度与瞳孔直径、眼睑间距的函数模型，为后续的眼镜佩戴舒适度判定提供了定量标准，可以直接快速地判断受试者眼镜佩戴是否舒适，结果客观可靠。

附图说明

下面结合附图对本发明作进一步描述。

附图1为本发明中眼镜舒适度评价方法的流程图。

具体实施方式

本发明提供一种基于眼部图像的眼镜舒适度评价方法，如图1所示，包括以下步骤：

S1、获取原始数据

采用眼动仪记录受试者一段时间内的眼部图像，以便后续取得眼动数据。

具体为：在受试者眼部佩戴眼动仪，并在眼动仪的镜框上设置有红外摄像头。通过佩戴的检测装置中的红外摄像头获取眼球图像，采用红外光作为红外摄像机的照明光源，而红外摄像机对可见光不敏感，其工作基本不受测试环境的亮度影响。同时，人的皮肤以及眼球本身对该波长光的吸收和反射情祝是不一样的，因此在不同环境照明下得到的眼部灰度图像中各部分灰度值相对恒定，然后运用图像处理算法对其进行预处理，便于后续进一步获得眼部数据。

S2、对获取的眼部图像进行处理，以获取眼动参数，眼动参数包括瞳孔直径X_PD和眼睑间距X_ES。

对获取的眼部图像进行处理的具体方法如下：

S201、图像预处理，对获取的眼部图像进行预处理，预处理包括滤波去噪、二值化、边缘检测等。

(1)图像滤波

对于获取到的图像先进行滤波处理，是图像去噪的常用方法之一，能提高图像质量，增强特征信息。这里采用高斯滤波，高斯滤波是一种加权平均滤波，根据高斯分布的形状选择模板中不同位置处的加权权重。图像处理中根据二维离散高斯函数，在模板中越靠近中心的位置选择越大的权值。同样地，高斯滤波模板也会进行归一化。其3×3模板如下所示:

(2)二值化处理

图像二值化是图像分析和处理中常见的方法之一，是指将灰度图像转变为黑白图像，即将图像上所有点的灰度值从0～255的范围置为一大一小两个固定灰度值。对于瞳孔图像的检测，由于红外光背景下瞳孔部分与其他部分相比，灰度值明显较低，选择合适的二值化阈值，可以很快地将图像分割为瞳孔和背景两部分。二值化中最常见的方法是全局二值化，其基本思想是:设置一个恰当的阈值，将原图像中灰度值大于该阈值的点在二值图像中变为白色，即灰度值置为1，将原图像中灰度值小于该阈值的点在二值图像中变为黑色，即灰度值置为0，反之亦然。根据下式进行二值化操作:

式中，i＝1、2、3、…、w，j＝1、2、3、…、h，且w表示图像宽度，h表示图像高度；b_i，j表示二值图像B第i行第j列的像素点的值，g_i，j表示灰度图像G第i行第j列的像素点的值。

(3)边缘检测

边缘是含有很多信息的图像的很明显的特点，它将两个不同区域分开。由于边缘的这个特点，边缘有助于识别对象的位置和图像中特定实体的边界，通常是基于图像颜色、灰度和纹理的突变进行边缘检测。因为眼部图像包含瞳孔与虹膜，二者颜色区分明显，所以会存在一个边界，通过边缘检测算法把边缘找到，就可以把瞳孔分离出来。本发明采用Sobel边缘检测器进行边缘检测。

S202、形态学滤波处理

对预处理过的图像进行形态学的膨胀、腐蚀，以改善图像效果。

具体为：消除睫毛以及红外线反射造成的光斑等的影响，对灰度图像的膨胀或腐蚀操作产生的效果与结构元素有一定的关系，其值都为正时，膨胀会使图像亮度增强，腐蚀会使图像亮度减弱。同时，选择合适形状和大小的结构元素，可以通过膨胀或腐蚀运算消除输入图像的部分暗细节或亮细节。形态学滤波处理的公式如下：

A＝RB(M)·S

式中，“·”表示先膨胀后腐蚀的闭运算,S是半径为3的圆盘结构元素，RB(M)为重建运算，M是标识图像，A表示图像的一小部分区域。

S203、进行眼睑检测、瞳孔分割

采用Hough圆检测和边缘检测相结合的方式，从初始图像中分离出需要的包含眼睑和瞳孔区域的图像。

S204、计算眼动指标

根据图像处理结果，求出眼动指标相关数据，即从分离出的眼睑和瞳孔区域图像中确定眼动参数，包含瞳孔直径X_PD和眼睑间距X_ES。

瞳孔图像中，瞳孔区域只占其中的小部分，图像中眼睑、睫毛等周围区域都属于干扰因素。因此，其瞳孔分割任务是从初始图像中分离出需要的瞳孔区域。瞳孔的边缘近似圆形，所以可以使用Hough圆检测寻找瞳孔边界。将Hough圆检测和边缘检测结合起来，边缘检测得到一些离散的边缘点，再通过Hough圆检测将这些离散点连接起来，形成闭合的圆形瞳孔边界以及眼睑的边界。其基本原理是根据圆的性质，圆上切线的垂线一定会通过圆心。因此，根据此性质如果沿圆的边缘找出每个边界点的垂线，所有垂线的交点就是圆心。然后计算在瞳孔边界内，且通过圆心的直线的像素点个数，根据像素点与毫米的换算关系得出瞳孔直径，即{X_PD1,X_PD2,X_PD3,…,X_PDn}，此处n为受试者人数；对于眼睑的检测，眼睑具有曲线特征，所以可以利用Hough圆检测，找到上、下眼睑的边界，然后根据找的瞳孔中心，在通过瞳孔中心的竖直方向上计算两个边界之间像素点个数，然后根据像素点与毫米的换算关系，得出眼睑间距，即{X_ES1,X_ES2,X_ES3,…,X_ESn}，此处n为受试者人数。

S3、获取受试者的舒适度，并将其值记为Y。

舒适度Y的值采用问卷调查统计的方式获得。在实验结束后让受试者填写眼镜舒适度问卷。该问卷包含有二十个问题，每个问题都包含有四个选项，不同的选项对应不同的分值，最终的舒适度分值由每一个问题的分值相加而成。调查问卷的得分记为(Y₁,Y₂,Y₃,…,Y_n)，此处n为受试者人数。

S4、根据眼睑间距与舒适度、瞳孔直径与舒适度的关系，建立舒适度与瞳孔直径、眼睑间距的函数模型，进而判断眼镜的舒适程度。

评价过程中，建立舒适度与瞳孔直径、眼睑间距的函数模型的具体方法如下：

S401、根据皮尔逊相关系数公式对所获得的数据进行处理(皮尔逊相关系数广泛用于度量两个变量之间的相关程度，其值介于-1与1之间)，根据皮尔逊相关系数计算出眼睑间距与舒适度以及瞳孔直径与舒适度的相关系数，并分别记为ρ1，ρ2，也就是找到了它们之间的相关程度。

利用皮尔逊相关系数公式，分别算出眼睑间距、瞳孔直径与舒适度的相关系数ρ1，ρ2，

S402、通过眼睑间距与舒适度以及瞳孔直径与舒适度的对应关系，拟合出一个函数，用来描述这两对指标之间的函数关系。可以利用指数函数，多项式函数，幂函数等来做拟合，再根据最小二乘法原理，选择出拟合效果最好的函数，记眼睑间距与舒适度之间的函数为f₁，记瞳孔直径与舒适度之间函数为f₂。

具体为：将瞳孔直径与舒适度，眼睑张开程度与舒适度对应起来。其中，眼睑张开与舒适度的对应形式为(X_ES1,Y₁),(X_ES2,Y₂),(X_ES3,Y₃),(…,…),(X_ESn，Y_n)；瞳孔直径与舒适度的对应形式为(X_PD1,Y₁),(X_PD2,Y₂),(X_PD3,Y₃)，(…,…),(X_PDn，Y_n)。然后，进行函数拟合，采用指数函数、幂函数以及多项式函数等来进行拟合，找到最佳拟合函数其中眼睑间距的拟合函数为f₁，瞳孔直径的拟合函数为f₂。

S403、根据下式对步骤S401中计算出的相关系数ρ1、ρ2进行单位化处理，经过单位化处理后将眼睑间距与舒适度的相关系数ρ1变为Υ₁，瞳孔直径与舒适度的相关系数ρ2变为Υ₂，

其中，i＝1或2。当ρ_i＝ρ₁时，计算后为Υ₁，当ρ_i＝ρ₂时，计算后为Υ₂。

S404、将单位化处理过的相关系数与拟合出来的函数进行合成，从而得出舒适度模型，即建立舒适度与瞳孔直径、眼睑间距的函数模型，

F＝Υ₁f₁+Υ₂f₂

其中，

f₁表示眼睑间距和舒适度之间的函数，f₂表示瞳孔直径和舒适度之间的函数，并且

f₂＝ax_PD ²-bx_PD+c，在函数f₁中m表示拟合函数的系数，e表示指数函数的底，n表示自变量的系数，x_ES表示眼睑间距；在函数f₂中x_PD表示瞳孔直径，a表示拟合函数的二次项系数，b表示拟合函数的一次项系数，c表示拟合函数的常数项。利用最小二乘法可分别求得函数f₁中系数m、n，函数f₂中系数a、b、c。

S405、建立模型成功后，即可采集其他人的眼动数据，然后代入上述舒适度模型中，计算得到其舒适度。

实施例1

下面以对某一测试者的数据采集和处理为例，来说明本方法的实施过程。选定某一测试者进行数据采集后，首先让其佩戴眼动仪，并调整设备为正常工作状态，实验时间为三分钟，在自然状态下，连续采集该段时间的眼动数据。

对某时刻所采集眼部图像进行上述步骤S201所述的各个预处理，包括去噪、二值化、边缘检测等图像处理后，得到预处理结果图像，再对预处理结果图像进行上述步骤S202所述的形态学滤波，得到改善后的眼部图像。在得到改善后的眼部图像后，采用Hough圆检测和边缘检测，从上述图像中分离出需要的包含眼睑和瞳孔区域的图像。然后，根据图像处理结果，求出眼动指标相关数据，即含瞳孔直径X_PD和眼睑间距X_ES。同时，通过调查问卷的方式获取受试者的舒适度Y。最后，根据眼睑间距X_ES、瞳孔直径X_PD与舒适度Y的关系，建立以下舒适度与瞳孔直径、眼睑间距的函数模型，

F＝Υ₁f₁+Υ₂f₂

重复上述操作，对10位测试者进行眼部图像采集，并将采集和计算结果保存到一个如下表1所示的样本表格中，样本表格中包括眼睑间距X_ES、瞳孔直径X_PD、眼镜舒适度的主观评分等数据。

表一样本数据实例

单位：米(m)

根据以上样本数据，进行数据相关性分析与数据拟合。

利用上述样本表格的前7条数据，首先进行相关性分析，将眼睑间距与舒适度的相关关系定义为ρ1，将瞳孔直径与舒适度的相关关系定义ρ2，经过计算得出：

ρ₁＝-0.8772，ρ₂＝0.7507。

然后，基于最小二乘法利用不同的函数模型对数据进行拟合，找到最符合的函数关系，经过拟合发现眼睑张开程度与舒适度的拟合函数为：

瞳孔直径与舒适度的拟合函数为：

f₂(x_PD)＝1.489×10⁶×x_PD ²-9098x_PD+15.38

其中，f₁(X_ES)中x_ES就是眼睑间距，f₂(X_PD)中x_PD就是瞳孔直径。

对相关系数进行单位化，求得综合公式中的各项系数，如下：

Υ₁＝0.5388

Υ₂＝0.4612。

求得综合拟合公式，即眼镜舒适度公式，如下：

上式中，x_ES为眼睑间距，x_PD为瞳孔直径。

样本表格1中的最后三条数据没有参与上述拟合过程，可以用来对该模型进行测试。

其中，x_PD＝0.00468；x_ES＝0.01115；

F＝4.7021实际值(舒适度)：5

x_PD＝0.00453；x_ES＝0.01036

F＝5.3668实际值(舒适度)：5

x_PD＝0.00413；x_ES＝0.01101

F＝3.8316 实际值(舒适度)：4

F表示舒适度的预测值，对舒适度预测值与实际值进行比较，可知上述确定的模型方程可靠性较高。

在评价模型确定后，当需要测试某一个新的受试者的眼镜佩戴舒适程度时，令其佩戴眼动仪并获取眼动数据，经步骤S1至S2后得到新的眼睑间距x_ES＝0.01102，新的瞳孔直径x_PD＝0.00488，代入上述确定后的模型方程后得到新的受试者的舒适度预测：

因此，可以根据这位新的受试者的评价F的大小，将这位新的测试者的佩戴舒适度评价为某一等级。

除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (6)

1.一种基于眼部图像的眼镜舒适度评价方法，其特征在于，包括以下步骤：

S1、获取受试者一段时间内的眼部图像；转至步骤S2；

S2、对获取的眼部图像进行处理，以获取眼动参数，所述眼动参数包括瞳孔直径X_PD和眼睑间距X_ES；转至步骤S3；

S3、获取受试者的舒适度，并将其值记为Y；转至步骤S4；

S4、根据眼睑间距与舒适度、瞳孔直径与舒适度的关系，建立舒适度与瞳孔直径、眼睑间距的函数模型，进而判断眼镜的舒适程度，该函数模型F为

F＝Υ₁f₁+Υ₂f₂

其中，Υ₁表示经过单位化处理后的眼睑间距与舒适度的相关系数，Υ₂表示经过单位化处理后的瞳孔直径与舒适度的相关系数，f₁表示眼睑间距和舒适度之间的函数，f₂表示瞳孔直径和舒适度之间的函数。

2.根据权利要求1所述一种基于眼部图像的眼镜舒适度评价方法，其特征在于，步骤S1中，采用眼动仪记录受试者一段时间内的眼部图像。

3.根据权利要求1所述一种基于眼部图像的眼镜舒适度评价方法，其特征在于，步骤S2中，对获取的眼部图像进行处理的具体方法如下：

S201、图像预处理，对获取的眼部图像进行预处理，预处理包括去噪、二值化、边缘检测；转至步骤S202；

S202、形态学处理，对预处理过的图像进行形态学的膨胀、腐蚀，以改善图像效果；转至步骤S203；

S203、对经过形态学处理后的图像进行眼睑检测及瞳孔分割，采用Hough圆检测和边缘检测，从初始图像中分离出需要的眼睑和瞳孔区域；转至步骤S204；

S204、从分离出的眼睑和瞳孔区域图像中获得眼动参数，即瞳孔直径X_PD和眼睑间距X_ES。

4.根据权利要求1所述一种基于眼部图像的眼镜舒适度评价方法，其特征在于，步骤S3中的舒适度Y的值采用问卷调查统计的方式获得。

5.根据权利要求1所述一种基于眼部图像的眼镜舒适度评价方法，其特征在于，步骤S4中，建立舒适度与瞳孔直径、眼睑间距的函数模型的具体方法如下：

S401、根据皮尔逊相关系数计算出眼睑间距与舒适度以及瞳孔直径与舒适度的相关系数，并分别记为ρ1，ρ2；转至步骤S401；

S402、通过眼睑间距与舒适度以及瞳孔直径与舒适度的对应关系，拟合出一个函数，用来描述这两对指标之间的函数关系，记眼睑间距与舒适度之间的函数为f₁，记瞳孔直径与舒适度之间函数为f₂；转至步骤S403；

S403、根据下式对步骤S401中计算出的相关系数ρ1、ρ2进行单位化处理，经过单位化处理后将眼睑间距与舒适度的相关系数ρ1变为Υ₁，瞳孔直径与舒适度的相关系数ρ2变为Υ₂，

其中，i＝1或2；转至步骤S404；

S404、通过以上处理后，建立舒适度与瞳孔直径、眼睑间距的函数模型，

F＝Υ₁f₁+Υ₂f₂。

6.根据权利要求5所述一种基于眼部图像的眼镜舒适度评价方法，其特征在于，步骤S402中，f₁，f₂这两个字母在这里分别代表拟合出来的一个模型函数，其中

f₂＝ax_PD ²-bx_PD+c，f₁表示眼睑间距和舒适度之间的函数，f₂表示瞳孔直径和舒适度之间的函数，在函数f₁中m表示拟合函数的系数，e表示指数函数的底，n表示自变量的系数，x_ES表示眼睑间距；在函数f₂中x_PD表示瞳孔直径，a表示拟合函数的二次项系数，b表示拟合函数的一次项系数，c表示拟合函数的常数项。

Images