專利名稱：一種眼球角膜定位的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機(jī)視覺處理，具體是指一種眼球角膜定位的方法。
背景技術(shù)：
由于圖像處理以及視頻識別的技術(shù)的發(fā)展，圖像識別也應(yīng)用于包括安防排險，監(jiān)控防盜等各種的日常生活以及工業(yè)生產(chǎn)的領(lǐng)域。人眼識別跟蹤技術(shù)則是圖像識別的一個重要的分支應(yīng)用，其主要應(yīng)用集中與工程心理學(xué)和人機(jī)交互領(lǐng)域。眼睛檢測技術(shù)中的檢測方法主要有三種1、光反射檢測2、接觸鏡檢測3、皮膚電位檢測。4、鞏膜虹膜邊緣反射光敏管檢測法等。但是該檢測方法可應(yīng)用范圍廣窄，并且存在識別精度較差，對檢測設(shè)備要求高等缺點(diǎn)。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)和不足，提供一種眼球角膜定位的方法。 本發(fā)明可得到準(zhǔn)確可靠的眼睛角膜的位置，具有應(yīng)用領(lǐng)域范圍廣，檢測設(shè)備簡單等優(yōu)點(diǎn)。本發(fā)明通過下述技術(shù)方案實(shí)現(xiàn)一種眼球角膜定位的方法，使用opencv中的CV模式識別解決方案，識別眼球區(qū)域，進(jìn)行圖像處理。在Visual C++6. 0平臺下，首先利用opencv中的CV模式識別解決方案，訓(xùn)練得到眼睛分類器，生成相關(guān)的XML文件；設(shè)置攝像頭捕捉到的眼部矩形區(qū)域作為感興趣區(qū)域； 接著對感興趣區(qū)域圖像進(jìn)行平滑處理，邊緣檢測；在得到的邊緣圖像中利用眼角膜具有明顯的圓形形態(tài)特征，進(jìn)行霍夫圓變換，識別出該區(qū)域中圓序列，即判斷該序列為角膜所在區(qū)域，其圓心所在位置即為瞳孔；經(jīng)上述處理得到眼睛角膜的準(zhǔn)確位置。上述的眼球角膜定位的方法，包括下述步驟1)眼部區(qū)域的確認(rèn)訓(xùn)練級聯(lián)的boosted分類器使用5000張的正例照片和10000張的反例照片，取正反樣本；利用Haartraining訓(xùn)練器，用于生成眼睛分類的xml批處理文件；利用獲得的 xml文件，在攝像頭拍攝的視頻流中可以準(zhǔn)確找到與樣本特征相一致的眼睛序列，并將該矩形區(qū)域設(shè)置為感興趣區(qū)域；2)感興趣區(qū)域的穩(wěn)定捕捉在首幀圖片取得的眼睛區(qū)域序列首地址作為一個預(yù)定圓的圓心，接下來捕捉的眼睛區(qū)域序列首地址與該圓心的距離不超出預(yù)定圓的半徑，即((XO-Xi)2+(YO-Yi)2)72 < = R0，我們都不改變圓心位置，而一直使用該圓心作為眼睛區(qū)域序列首地址，直到有出現(xiàn)超出預(yù)定圓的地址才對圓心坐標(biāo)更新，能有效消除抖動現(xiàn)象；3)感興趣區(qū)域?yàn)V波處理利用高斯核函數(shù)(k(||x-xc| I) = exp{-| | x-xc | 2/(2* σ ) "2)})對 (paraml*param2)進(jìn)行卷積以減小圖像信息內(nèi)容；當(dāng)sigma參數(shù)設(shè)置為9*9時，濾波效果符合角膜定位實(shí)際，這樣就實(shí)現(xiàn)了對圖像的平滑濾波處理；4)邊緣檢測經(jīng)過濾波以后，對該視頻流的每一幀的感興趣區(qū)域進(jìn)行邊緣檢測，對圖像的χ和y 方向求一階導(dǎo)數(shù)，然后組合為4個方向的導(dǎo)數(shù)，這些方向的導(dǎo)數(shù)達(dá)到局部最大值的點(diǎn)就是組成邊緣的候選點(diǎn)，為了使得圖像邊緣信息不丟失，進(jìn)一步查找并繪制完整的眼睛輪廓，通過cvFindContours ()函數(shù)從二值圖像中尋找輪廓，這時的邊緣是正和負(fù)之間的邊界。這樣就實(shí)現(xiàn)了對不完整輪廓的擬合；5)角膜定位利用霍夫圓變換cvHoughCircleO函數(shù)，在CANNY檢測后的二值圖中找到圓序列； 對邊緣檢測后所得二值圖像的每一個非零點(diǎn)，考慮其局部梯度，即通過cvSobelO函數(shù)計算χ和y方向的Sobel —階導(dǎo)數(shù)得到的梯度；利用該梯度，有斜率指定的直線上的每一個點(diǎn)都在累加器中累加，這里斜率是從一個指定的最小值到指定的最大值的距離；同時，標(biāo)記邊緣圖像中每一個非O元素的位置；然后從累加器重中的這些點(diǎn)中選擇候選中心，這些中心都大于給定閾值且大于其所有近鄰；接下來對每一個中心考慮所有的非O元素，這些元素按照其與中心的距離排序，從道最大半徑的最小距離算起，選擇非O元素最支持的一條半徑，如果一個中心受到邊緣圖像非O像素的最充分的支持，并且到前期被選擇的中心有足夠的距離，它就會被保留；最后，利用該中心的坐標(biāo)和確定的半徑在未被濾波和CANNY邊緣檢測的感興趣區(qū)域(ROI)視頻流的每一幀圖像畫出與角膜相一致的圓和圓心，從而實(shí)現(xiàn)對人眼角膜的準(zhǔn)確定位。本發(fā)明的優(yōu)點(diǎn)及效果在于本發(fā)明所采用的開發(fā)工具OpenCV，是一個跨平臺計算機(jī)視覺庫，在Linux、Windows和Mac OS操作系統(tǒng)上都可以運(yùn)行。由一系列C函數(shù)和少量C++ 類構(gòu)成，同時提供了 Python、Ruby、MATLAB等語言的接口，實(shí)現(xiàn)了圖像處理和計算機(jī)視覺方面的很多通用算法。OpenCV提供的視覺處理算法非常豐富，并且它部分以C語言編寫，加上其開源的特性，處理得當(dāng)，不需要添加新的外部支持也可以完整的編譯鏈接生成執(zhí)行程序， 所以很多人用它來做算法的移植，OpenCV的代碼經(jīng)過適當(dāng)改寫可以正常的運(yùn)行在DSP系統(tǒng)和單片機(jī)系統(tǒng)中。因此，本發(fā)明就改進(jìn)眼睛檢測跟蹤的方法而提出，力求以更低的成本，更簡單的設(shè)備而對人眼進(jìn)行更準(zhǔn)確的跟蹤和定位。


圖1為普通眼球圖片；圖2為平滑處理和邊緣檢測后并反色的效果圖；圖3為反色后圓序列檢測效果圖；圖中檢測到并擬合的圓序列1 ；圓序列的圓心 2。
具體實(shí)施例方式下面對本發(fā)明的具體實(shí)施方式
作進(jìn)一步詳細(xì)的說明，但本發(fā)明的實(shí)施方式不限于此。如圖1、圖2、圖3所示。本發(fā)明眼球角膜定位的方法，使用opencv中的CV模式識別解決方案，識別眼球區(qū)域，進(jìn)行圖像處理。在Visual C++6. 0平臺下，首先利用opencv中的CV模式識別解決方案，訓(xùn)練得到眼睛分類器，生成相關(guān)的XML文件；設(shè)置攝像頭捕捉到的眼部矩形區(qū)域作為感興趣區(qū)域 (ROI)；接著對ROI圖像進(jìn)行平滑處理，邊緣檢測；在得到的邊緣圖像中利用眼角膜具有明顯的圓形形態(tài)特征，進(jìn)行霍夫圓變換，識別出該區(qū)域中圓序列，即判斷該序列為角膜所在區(qū)域，其圓心所在位置即為瞳孔。經(jīng)上述處理可以得到準(zhǔn)確可靠的眼睛角膜的位置。下面結(jié)合圖1、圖2、圖3，具體說明眼球角膜定位的方法步驟1)眼部區(qū)域的確認(rèn)訓(xùn)練級聯(lián)的boosted分類器使用5000張左右的正例照片和10000張左右的反例照片，取正反樣本；利用 Haartraining訓(xùn)練器，用于生成眼睛分類的xml批處理文件；利用獲得的xml文件，在攝像頭拍攝的視頻流中可以準(zhǔn)確找到與樣本特征相一致的眼睛序列，并將該矩形區(qū)域設(shè)置為感興趣區(qū)域(ROI)。2)感興趣區(qū)域(ROI)的穩(wěn)定捕捉研究中發(fā)現(xiàn)，捕捉到的感興趣區(qū)域出現(xiàn)隨機(jī)抖動現(xiàn)象，這是由于對視頻流的每一幀圖像進(jìn)行人眼檢測的時候，返回的眼睛區(qū)域序列首地址每一張都不同，因此在調(diào)用這些首地址作為圖片空間首指針進(jìn)行視頻流重組的時候，就會導(dǎo)致感興趣區(qū)域(ROI)的視頻流不穩(wěn)定，從而影響人眼角膜的精確定位。為了消除抖動。我們在首幀圖片取得的眼睛區(qū)域序列首地址作為一個預(yù)定圓的圓心，那么只要接下來捕捉的眼睛區(qū)域序列首地址與該圓心的距離不超出預(yù)定圓的半徑，即 ((X0-X1)2+(Y0-Y1)2)72 <= R0，我們都不改變圓心位置，而一直使用該圓心作為眼睛區(qū)域序列首地址，直到有出現(xiàn)超出預(yù)定圓的地址才對圓心坐標(biāo)更新，能有效消除抖動現(xiàn)象。3)感興趣區(qū)域(ROI)濾波處理通常攝像頭捕捉到的圖像中，特別是人臉，會有各種各樣的附帶物，一些皮膚凹凸不平、人頭形狀各異，在邊緣檢測后會出現(xiàn)多處接近與圓的斑點(diǎn)區(qū)域，這些噪聲都會影響到對人眼角膜圓的檢測，而在研究中發(fā)現(xiàn)，利用高斯核函數(shù)(k(| X-XC I)= exp{- x-xc| |"2/(2*σ)"2)})對(paramNparan^)進(jìn)行卷積以減小圖像信息內(nèi)容，研究表明，當(dāng)sigma參數(shù)設(shè)置為9*9時，濾波效果最符合角膜定位實(shí)際，這樣就實(shí)現(xiàn)了對圖像的平滑濾波處理。4)邊緣檢測經(jīng)過濾波以后，對該視頻流的每一幀的感興趣區(qū)域(ROI)進(jìn)行邊緣檢測，對圖像的X和y方向求一階導(dǎo)數(shù)，然后組合為4個方向的導(dǎo)數(shù)，這些方向的導(dǎo)數(shù)達(dá)到局部最大值的點(diǎn)就是組成邊緣的候選點(diǎn)，為了使得圖像邊緣信息不丟失，我們有必要進(jìn)一步查找并繪制完整的眼睛輪廓，通過cvFindContours ()函數(shù)從二值圖像中尋找輪廓，這時的邊緣是正和負(fù)之間的邊界。這樣就實(shí)現(xiàn)了對不完整輪廓的擬合。5)角膜定位利用霍夫圓變換cvHoughCircleO函數(shù)，在CANNY檢測后的二值圖中找到圓序列； 對邊緣檢測后所得二值圖像的每一個非零點(diǎn)，考慮其局部梯度，即通過cvSobelO函數(shù)計算χ和y方向的Sobel —階導(dǎo)數(shù)得到的梯度；利用該梯度，有斜率指定的直線上的每一個點(diǎn)都在累加器中累加，這里斜率是從一個指定的最小值到指定的最大值的距離；同時，標(biāo)記邊緣圖像中每一個非0元素的位置；然后從累加器重中的這些點(diǎn)中選擇候選中心，這些中心都大于給定閾值且大于其所有近鄰；接下來對每一個中心考慮所有的非0元素，這些元素按照其與中心的距離排序，從道最大半徑的最小距離算起，選擇非0元素最支持的一條半徑，如果一個中心受到邊緣圖像非0像素的最充分的支持，并且到前期被選擇的中心有足夠的距離，它就會被保留；最后，利用該中心的坐標(biāo)和確定的半徑在未被濾波和CANNY邊緣檢測的感興趣區(qū)域(ROI)視頻流的每一幀圖像畫出與角膜相一致的圓和圓心，從而成功實(shí)現(xiàn)對人眼角膜的準(zhǔn)確定位。 如上所述，便可較好地實(shí)現(xiàn)本發(fā)明。上述實(shí)施例僅為本發(fā)明的較佳實(shí)施例，并非用來限定本發(fā)明的實(shí)施范圍；即凡依本發(fā)明內(nèi)容所作的均等變化與修飾，都為本發(fā)明權(quán)利要求所要求保護(hù)的范圍所涵蓋。
權(quán)利要求
1.一種眼球角膜定位的方法，其特征在于使用opencv中的CV模式識別解決方案，識別眼球區(qū)域，進(jìn)行圖像處理。
2.根據(jù)權(quán)利要求1所述的眼球角膜定位的方法，其特征是在ViSualC++6.0平臺下， 首先利用opencv中的CV模式識別解決方案，訓(xùn)練得到眼睛分類器，生成相關(guān)的XML文件； 設(shè)置攝像頭捕捉到的眼部矩形區(qū)域作為感興趣區(qū)域；接著對感興趣區(qū)域圖像進(jìn)行平滑處理，邊緣檢測；在得到的邊緣圖像中利用眼角膜具有明顯的圓形形態(tài)特征，進(jìn)行霍夫圓變換，識別出該區(qū)域中圓序列，即判斷該序列為角膜所在區(qū)域，其圓心所在位置即為瞳孔；經(jīng)上述處理得到眼睛角膜的準(zhǔn)確位置。
3.根據(jù)權(quán)利要求2所述的眼球角膜定位的方法，其特征是包括下述步驟1)眼部區(qū)域的確認(rèn)訓(xùn)練級聯(lián)的boosted分類器使用5000張的正例照片和10000張的反例照片，取正反樣本；利用Haartraining訓(xùn)練器，用于生成眼睛分類的xml批處理文件；利用獲得的xml文件，在攝像頭拍攝的視頻流中可以準(zhǔn)確找到與樣本特征相一致的眼睛序列，并將該矩形區(qū)域設(shè)置為感興趣區(qū)域；2)感興趣區(qū)域的穩(wěn)定捕捉在首幀圖片取得的眼睛區(qū)域序列首地址作為一個預(yù)定圓的圓心，接下來捕捉的眼睛區(qū)域序列首地址與該圓心的距離不超出預(yù)定圓的半徑，即((X0-X1)2+(Y0-Y1)2)72<=R0，我們都不改變圓心位置，而一直使用該圓心作為眼睛區(qū)域序列首地址，直到有出現(xiàn)超出預(yù)定圓的地址才對圓心坐標(biāo)更新，能有效消除抖動現(xiàn)象；3)感興趣區(qū)域?yàn)V波處理利用高斯核函數(shù)(k(| x-xc I) =exp{- x-xc |~2/(2* σ ) ~2)})對(paraml*param2) 進(jìn)行卷積以減小圖像信息內(nèi)容；當(dāng)sigma參數(shù)設(shè)置為9*9時，濾波效果符合角膜定位實(shí)際， 這樣就實(shí)現(xiàn)了對圖像的平滑濾波處理；4)邊緣檢測經(jīng)過濾波以后，對該視頻流的每一幀的感興趣區(qū)域進(jìn)行邊緣檢測，對圖像的χ和y方向求一階導(dǎo)數(shù)，然后組合為4個方向的導(dǎo)數(shù)，這些方向的導(dǎo)數(shù)達(dá)到局部最大值的點(diǎn)就是組成邊緣的候選點(diǎn)，為了使得圖像邊緣信息不丟失，進(jìn)一步查找并繪制完整的眼睛輪廓，通過 cvFindContours ()函數(shù)從二值圖像中尋找輪廓，這時的邊緣是正和負(fù)之間的邊界。這樣就實(shí)現(xiàn)了對不完整輪廓的擬合；5)角膜定位利用霍夫圓變換cvHoughCircleO函數(shù)，在CANNY檢測后的二值圖中找到圓序列；對邊緣檢測后所得二值圖像的每一個非零點(diǎn)，考慮其局部梯度，即通過cvSobel ()函數(shù)計算χ 和y方向的Sobel—階導(dǎo)數(shù)得到的梯度；利用該梯度，有斜率指定的直線上的每一個點(diǎn)都在累加器中累加，這里斜率是從一個指定的最小值到指定的最大值的距離；同時，標(biāo)記邊緣圖像中每一個非0元素的位置；然后從累加器重中的這些點(diǎn)中選擇候選中心，這些中心都大于給定閾值且大于其所有近鄰；接下來對每一個中心考慮所有的非0元素，這些元素按照其與中心的距離排序，從道最大半徑的最小距離算起，選擇非0元素最支持的一條半徑，如果一個中心受到邊緣圖像非0像素的最充分的支持，并且到前期被選擇的中心有足夠的距離，它就會被保留；最后，利用該中心的坐標(biāo)和確定的半徑在未被濾波和CANNY邊緣檢測的感興趣區(qū)域視頻流的每一幀圖像畫出與角膜相一致的圓和圓心，從而實(shí)現(xiàn)對人眼角膜的準(zhǔn)確定位。
全文摘要
本發(fā)明公開了一種眼球角膜定位的方法，首先利用opencv中的CV模式識別解決方案，訓(xùn)練得到眼睛分類器，生成相關(guān)的XML文件；設(shè)置攝像頭捕捉到的眼部矩形區(qū)域作為感興趣區(qū)域(ROI)；接著對ROI圖像進(jìn)行平滑處理，邊緣檢測；在得到的邊緣圖像中利用眼角膜具有明顯的圓形形態(tài)特征，進(jìn)行霍夫圓變換，識別出該區(qū)域中圓序列，即判斷該序列為角膜所在區(qū)域，其圓心所在位置即為瞳孔。經(jīng)上述處理可以得到準(zhǔn)確可靠的眼睛角膜的位置。該檢測方法具有可應(yīng)用范圍廣，識別精度高，檢測設(shè)備簡單等優(yōu)點(diǎn)。
文檔編號G06K9/62GK102567737SQ20111044975
公開日2012年7月11日 申請日期2011年12月28日 優(yōu)先權(quán)日2011年12月28日
發(fā)明者區(qū)家興, 李冠霖, 李逸鋒, 林偉佳, 謝巍, 黃進(jìn)鈺 申請人:華南理工大學(xué)