本发明的权利要求1的技术方案要求了于2017年4月28日向中国国家知识产权局专利局提交的申请号为2017102925091的发明专利申请的说明书具体实施方案中的内容；
本发明的权利要求2的技术方案要求了于2017年4月28日向中国国家知识产权局专利局提交的申请号为2017102925091的发明专利申请的权利要求1技术方案的优先权。
本发明属于远视屈光度检测技术领域，尤其是一种远视屈光度的测量系统及方法。
背景技术：
远视是由于眼轴较短，在不使用调节状态时，平行光束经过眼球折射后成像于视网膜之后，外界物体无法在视网膜上形成清晰的图像，有远视的人群主观感觉看远模糊，看近更模糊，可以通过自己的调节来获得较清晰的远距离视力，也可以通过正镜片矫正来看清外界的物体。
远视最简单、实用的矫正方法是佩戴眼镜，而配制过程中最重要的是验光，常用的设备为验光仪，该设备在临床工作中占据了很重要的地位，验光仪采用红外、电子、计算机等技术手段检查光线入射眼球后的聚焦情况，具有测量速度快、使用方便的优点，但在实际使用中发现，验光仪还是存在一些问题：1.验光仪为专用硬件，需要聘请专业的验光师，由其在测量时逐步进行操作，完成屈光度的测量，一般的用户很难专门购买价格高昂的验光仪，而且也无法获得验光操作的专业培训；2.验光仪的准确性受到很多因素的影响，比如：消费者头眼配合不好、注视眼光不集中、消费者过于紧张等都会造成较大的误差，所以验光仪作为眼镜配制的唯一根据是不妥的；3.验光仪仅能测量出屈光度的大致情况，对了解消费者屈光程度提供参考，验光师最终还是要根据消费者的主观感受进行插片试戴以确定合适的度数。
技术实现要素：
本发明的目的在于克服现有技术的不足，提供操作简便、无需复杂验光设备、无需专业知识即可以随时、随地了解眼睛状态的一种远视屈光度的测量系统及方法。
本发明采取的技术方案是：
一种远视屈光度的测量系统，其特征在于：包括摄像头、图像处理计算模块；
所述摄像头用于获取消费者工作位置面部图像和获取消费者近点面部图像；
所述图像处理计算模块用于计算出工作位置面部图像中虹膜的像上直径、近点面部图像中虹膜的像上直径，并通过两个像上直径计算出单眼的工作位置的视距、单眼的近点的视距，再根据两个视距计算出工作位置屈光度、近点的屈光度，最后根据两个屈光度计算出远视屈光度。
本发明的另一个目的是提供一种远视屈光度的测量系统的测量方法，其特征在于：测量过程包括以下步骤：
⑴使带有摄像头的终端移动并由远及近靠近消费者的面部，消费者单眼裸眼观察终端设置的视标，当达到合适的距离时，摄像头获取消费者工作位置面部图像；
⑵带有摄像头的终端移动从贴近面部处由近及远远离消费者的面部，消费者单眼裸眼观察终端设置的视标，当达到合适的距离时，摄像头获取消费者近点面部图像；
⑶计算出工作位置面部图像中虹膜的像上直径，计算出近点面部图像中虹膜的像上直径；
⑷根据工作位置面部图像对应的虹膜的像上直径计算出单眼的工作位置的视距，根据近点面部图像对应的虹膜的像上直径计算出单眼的近点的视距；
⑸根据工作位置的视距计算出工作位置屈光度，根据近点的视距计算出近点的屈光度，远视屈光度为工作位置屈光度与近点的屈光度的差值。
而且，步骤⑴所述的合适的距离是消费者认为达到阅读或近距离工作的距离。
而且，步骤⑶所述的合适的距离是消费者刚刚看到清晰视标时的距离。
而且，所述视距为消费者单眼的虹膜中心到视标的垂直距离，通过曲线查值法或公式计算法得到。
而且，建立曲线的过程是：
⑴预先制作消费者面部图像的虹膜的像上直径和实际测量的视距之间的样本表，由像上直径与消费者面部图像宽度的比值求出比例尺；
⑵建立实际测量的视距为横坐标、比例尺为纵坐标的坐标系；
⑶根据样本表在坐标系内绘制曲线；
查值的过程是：
⑴用计算出的像上直径除以人的脸部图像的宽度得出比例尺的数值；
⑵根据比例尺的数值在曲线上查找横坐标对应的视距的数值。
而且，所述公式计算法使用如下公式：
其中，y为距离，k取值为1.5±0.2，w为面部图像宽度的像素值，d为虹膜的像上直径。
而且，所述近点屈光度的计算方法是：近点屈光度＝-(1/近点的视距)。
而且，所述工作位置的屈光度的计算方法是：工作位置的屈光度＝-(1/工作位置的视距)。
而且，所述虹膜的像上直径的计算过程包括以下步骤：
⑴对面部图像进行颜色空间转换处理，获得灰度图像；
⑵对步骤⑴的结果进行直方图均衡化处理；
⑶对步骤⑵的结果进行人眼区域的分类器定位；
⑷对步骤⑶的结果进行二值化处理；
⑸对步骤⑷的结果进行霍夫圆变换处理，得出虹膜中心及虹膜的像上直径。
本发明的优点和积极效果是：
1.本系统中，消费者仅需一部带有前置摄像头的手机、平板电脑等终端，通过一定的操作步骤完成图像的获取，剩下的计算部分由软件完成，最终在显示屏上显示出屈光度的信息，消费者无需购买昂贵的验光设备，也无需经过专业的验光培训，可随时随地了解自身的眼睛的状态。
2.本系统中，消费者在工作、生活、购物、排队等任何环境中都可以进行屈光度的测量，只要摄像头能够正常的获取脸部图像并计算出瞳孔反光点，就可以得到准确的屈光度，而且测量简便、效率高，改变了传统配镜时大部分时间花费在插片调整中的情况。
3.本系统中，消费者可以在不同的时间、不同的地点进行屈光度的测量，避免了传统配镜过程中，消费者只能在眼镜店进行单次验光而产生的误差，消费者可在眼睛处于不同疲劳状态时进行多次测量，由软件进行统计计算，得出屈光度的平均值，该平均值可作为配镜的依据。
4.本发明中，远视屈光度可由用户自行测量出结果，也可以由眼镜店测量出结果，避免了传统配镜过程中插片试戴时的消费者的主观因素的影响，简化了配制眼镜的过程，使每个消费者都可以清晰的掌握度数的变化，在软件提供的饮食、生活等方面的建议下进行眼睛的保健。
附图说明
图1(a)、(b)分别是本发明的工作位置脸部图像的视距以及近点脸部图像的视距的测试原理图；
图2是预先测量的部分样本表；
图3是根据图2样本绘制的视距与比例尺关系的曲线；
图4是根据图2样本绘制的视距与虹膜的像上直径关系的曲线；
图5为视标的示意图。
具体实施方式
下面结合实施例，对本发明进一步说明，下述实施例是说明性的，不是限定性的，不能以下述实施例来限定本发明的保护范围。
一种远视屈光度的测量系统，如图1～5所示，本发明的创新在于：包括摄像头、图像处理计算模块；
所述摄像头用于获取消费者工作位置面部图像和获取消费者近点面部图像；
所述图像处理计算模块用于计算出工作位置面部图像中虹膜的像上直径、近点面部图像中虹膜的像上直径，并通过两个像上直径计算出单眼的工作位置的视距、单眼的近点的视距，再根据两个视距计算出工作位置屈光度、近点的屈光度，最后根据两个屈光度计算出远视屈光度。
远视屈光度的测量系统的测量方法，其特征在于：测量过程包括以下步骤：
⑴使带有摄像头的终端移动并由远及近靠近消费者的面部，消费者单眼裸眼观察终端设置的视标，当达到合适的距离时，摄像头获取消费者工作位置面部图像；
⑵带有摄像头的终端移动从贴近面部处由近及远靠近近及远远离面部，消费者单眼裸眼观察终端设置的视标，当达到合适的距离时，摄像头获取消费者近点面部图像；
⑶计算出工作位置面部图像中虹膜的像上直径，计算出近点面部图像中虹膜的像上直径；
⑷根据工作位置面部图像对应的虹膜的像上直径计算出单眼的工作位置的视距，根据近点面部图像对应的虹膜的像上直径计算出单眼的近点的视距；
⑸根据工作位置的视距计算出工作位置屈光度，根据近点的视距计算出近点的屈光度，根据近点的视距计算出近点屈光度，根据近点屈光度和调节幅度的关系判断眼睛的状态，当为远视状态时，进入下一步骤，否则退出测量过程：
⑹远视屈光度为工作位置屈光度与近点的屈光度的差值。
更优选的是：步骤⑴所述的合适的距离是消费者认为达到阅读或近距离工作的距离。步骤⑵所述的合适的距离是消费者刚刚看到清晰视标时的距离。阅读或近距离工作的距离是指：消费者在这个位置时不能够看清晰视标，但是阅读姿势较舒服的距离。如图1(a、b)所示，工作位置视距小于近点视距。
步骤⑸所述的根据近点屈光度和调节幅度的关系判断眼睛的状态的过程是：近点屈光度＝-(1/近点视距)，调节幅度取自hofstetter(霍夫斯蒂特)提出的年龄与调节幅度关系的经验公式：调节幅度＝15-0.25×年龄；
当近点屈光度和调节幅度之和为零时，眼睛为正视眼，退出测量过程；
当近点屈光度和调节幅度之和大于零时，眼睛为远视眼，进入下一步骤；
当近点屈光度和调节幅度之和小于零时，眼睛为近视眼，退出测量过程。
上述单眼是指，每次测量时只有一只眼睁开，另外一只眼被遮挡，比如左眼测量，遮挡右眼等，两只眼均保持睁开状态，待测的单眼不要佩戴眼镜、美瞳等影响测量的装具。
终端可以是智能手机、平板电脑，甚至可以是普通摄像头；智能手机、平板电脑将屏幕朝向消费者的脸部，在其屏幕中显示一个视标，这个视标可以是一个图形、一个符号或如图5所示的标准视力表中的英文字母e等，消费者可以点击屏幕上的按钮、快捷拍照键进行面部图像的获取。而普通摄像头可以连接电脑，在摄像头上粘贴一个纸板，其上绘制、粘贴有图形、符号或字母e等，摄像头获取的面部图像被采集到电脑中，这样也可以实现视标的作用。上述视标优选为标准视力表中的英文字母e，其共有三个，分布位置如图5所示，且应该尽可能的靠近摄像头的位置，e的绘制规范见《标准对数视力表(gb-11533-2011)》3.1节。
另外，在单眼测量时，单眼要基本正视终端屏幕或纸板上的视标，当然有一定的水平、竖直的偏移也不会影响测量结果，测量环境中的外部光线强度要达到300lux，屏幕亮度达到200(cd/m2),否则会对结果有些许影响。(见《标准对数视力表(gb-11533-2011)》5.3节)。
终端移动可以通过不同的方式实现，包括：由消费者手持终端进行移动的方式、由其他人手持终端进行移动的方式或由移动设备夹持终端进行移动的方式，甚至终端固定而消费者自行移动的方式也是可以的，这四种方式中的任意一种方式均可以实现由远及近或由近及远的效果，当然，越稳定、越匀速的移动更有利于测量的准确性和快捷性。
由于人类虹膜在出生18个月以后形态上就会稳定，并且人与人之间实际虹膜直径的公差范围很小(±0.5mm)，所以基于虹膜直径求出的视距与屈光度适用于几乎所有的年龄段人群。所以本方法具有普遍的适用性。
上述工作位置面部图像、近点面部图像的虹膜的像上直径的处理过程包括以下步骤：
⑴对面部图像进行颜色空间转换处理，获得灰度图像；颜色空间转换用于将获取的圆点棉布图像和近点面部图像进行处理，将其转换为灰度图像，比如：使用opencv里的颜色空间转换函数voidcvcvtcolor(constcvarr*src,cvarr*dst,intcode)，可以实现rgb颜色向hsv,hsi等颜色空间的转换，也可以转换为灰度图像。
参数说明：
src输入的8-比特单信道图像；
dst输出的图像与输入图像大小与数据类型相同；
code：色彩空间转换的模式，该code来实现不同类型的颜色空间转换。
⑵对步骤⑴的结果进行直方图均衡化处理；直方图均衡化则通过使用累积函数对灰度值进行调整以实现对比度的增强，比如：使用opencv里的直方图均衡化函数voidcvequalizehist(constcvarr*src,cvarr*dst)。
参数说明：
src输入的8-比特单信道图像；
dst输出的图像与输入图像大小与数据类型相同。
⑶对步骤⑵的结果进行人眼区域的分类器定位；利用已经训练好的眼睛分类器定位到人眼区域，获取单个眼睛的区域图像。比如：使用opencv里的应用于眼睛的分类器“haarcascade_mcs_eyepair_big.xml”，“haarcascade_mcs_eyepair_small.xml”，“haarcascade_mcs_lefteye.xml”，“haarcascade_mcs_righteye.xml”。
双眼调用库1和库2，单眼图像调用库3和库4，实例化分类器类cascadeclassifier后调用cascadeclassifier下的voidload(stringfilename)。
detectmultiscale函数参数说明：
objects—检测得到的矩形；
rejectlevels—如果不符合特征的矩形，返回级联分类器中符合的强分类器数；
levelweights—滑动窗口每次移动的距离。它必须是块移动的整数倍；
scalefactor—图像缩放因子；
minneighbors—表示构成检测目标的相邻矩形的最小个数；
flags—阈值，即校正系数；
minobjectsize和maxobjectsize—最小和最大检测窗口大小，minsize和maxsize用来限制得到的目标区域的范围。
load函数参数说明：
stringfilename:haarcascade_mcs_eyepair_big.xml等库的路径。
⑷对步骤⑶中的单个眼睛的区域图像进行二值化处理；将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果，标记出虹膜的大致轮廓。比如：使用opencv里的cvthreshold函数对单通道数组应用固定阈值操作，即对灰度图像进行阈值操作得到二值图像，或者是去掉噪声，例如过滤很小或很大像素值的图像点。
本函数支持的对图像取阈值的方法由threshold_type确定。
voidcvthreshold(constcvarr*src,cvarr*dst,doublethreshold,doublemax_value,intthreshold_type)
参数说明：
src：单信道图像；
dst：输出数组，必须与src的类型一致，单信道图像；
threshold：阈值；
max_value：使用cv_thresh_binary和cv_thresh_binary_inv的最大值；
threshold_type：阈值类型。
⑸对步骤⑷的单个眼睛的区域图像进行霍夫圆变换处理，得出虹膜中心及虹膜的像上直径。在眼睛区域匹配出最佳圆，圆的直径就是虹膜像上直径，圆心即为虹膜中心。
比如：使用opencv里的cvhoughcircles函数，
cvseq*cvhoughcircles(cvarr*image,void*circle_storage,intmethod,doubledp,doublemin_dist,doubleparam1,doubleparam2,intmin_radius,intmax_radius)
参数说明：
image:输入8bit(灰度)图像，其内容可被函数所改变；
circle_storage:检测到的圆存储仓,可以是内存存储仓；
method:hough变换方式；
dp:寻找圆弧圆心的累计分辨率；
min_dist:该参数是让算法能明显区分的两个不同圆之间的最小距离；
param1:用于canny的边缘阀值上限，下限被置为上限的一半；
param2:累加器的阀值；
min_radius:最小圆半径；
max_radius:最大圆半径。
opencv的全称是:opensourcecomputervisionlibrary，opencv是一个基于(开源)发行的跨平台计算机视觉库，可以运行在linux、windows和macos操作系统上，具有轻量级且高效的优点，其由一系列c函数和少量c++类构成，同时提供了python、ruby、matlab等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。当然，除了opencv以外，还可以使用类似的具有相同功能的函数、库、开发包等实现功能。
工作位置面部图像对应的视距以及近点面部图像对应的视距均为消费者单眼的虹膜中心到视标的垂直距离，均可以通过曲线查值法或公式计算法得到。无论是曲线查值法，还是公式计算法，图2的样本表均为随机测量的数值，即视距y可能是工作位置的视距、近点的视距或任意位置的视距。
曲线查值法是：
预先拍摄各距离下面部图像、计算出虹膜的像上直径，然后使用激光、红外等测距设备进行实地测量，取得每个像上直径对应的视距，见图2中的样本表，表中的视距y由10～55厘米，对应的像上直径d为291～52，该像上直径为像素值，面部图像的像素统一为1944*2592，前者为宽度w，后者为高度h，比例尺为r＝d/w。
如果样本足够多，可以根据表中的y、r进行曲线的绘制，得出的结果见图3，横坐标为视距y，纵坐标为比例尺r。
公式计算法是：
以表2的样本表为数据源，绘制的曲线见图4，横坐标为视距y，纵坐标为像上直径d，根据y与d的曲线进行公式拟合，得到
y为视距，k取值为1.5±0.2，w为面部图像宽度的像素值，d为虹膜的像上直径。
无论通过上述哪种方法获取面部图像的视距后，进行屈光度的计算，远视屈光度的计算公式是：
远视屈光度＝abs(-(1/工作位置的视距))-abs(-(1/近点的视距))公式②
公式②中，abs()为绝对值函数，第一个abs()内为工作位置屈光度，第二个abs()内为近点屈光度，二者分别取绝对值的差值即为远视屈光度。
测试过程中，通过红外、激光、超声波等多种外部设备进行视距尺寸验证，误差很小，基本在1～2％，可见，本发明计算出的视距已经很准确，尽管存在误差，但对于后续的屈光度计算时，完全可以忽略不计。
实施例1
某消费者28岁，身高170厘米，男性，处在办公室正常灯光的照明环境中，使用手机为lenovok5，站在灯管下方，遮挡右眼，手持手机由近及远进行左眼的远视屈光度测量，移动过程中大致保持手机匀速，左眼观察的视线大致和屏幕垂直。
在手机屏幕显示的图片靠近摄像头的位置处为e标区，消费者由近及远的移动手机，当消费者刚刚看清晰e标时，按下拍照键获取近点面部图像，消费者点击存储键。
再使手机由远及近移动，确定一个阅读或近距离工作时最佳的位置，拍照并存储后，再点击计算按键。
分别对两张图像使用opencv进行计算：
⑴对面部图像进行颜色空间转换处理，获得灰度图像；
⑵对步骤⑴的结果进行直方图均衡化处理；
⑶对步骤⑵的结果进行人眼区域的分类器定位；
⑷对步骤⑶的结果进行二值化处理；
⑸对步骤⑷的结果进行霍夫圆变换处理，得出两像中虹膜中心及虹膜的像上直径的像素值。
近点像上直径和工作位置像上直径分别为65像素和118像素。
近点面部图像的像素为1944*2592，比例尺为65/1944＝0.033，根据图3进行曲线查值得到视距y＝45厘米，代入公式计算出近点屈光度＝-2.22d≈-2.25d
调节幅度＝15-0.25*28＝8d,则：-2.25+8>0，得出此消费者患有远视。
工作位置面部图像的像素为1944*2592，比例尺为118/1944＝0.061，根据图3进行曲线查值得到视距y＝25厘米，代入公式计算工作位置屈光度＝-4.0d
故得出远视屈光度＝-2.25-(-4.0)＝+1.75d。
在佩戴此度数眼镜过程中恰好能看清25厘米处的文字，说明计算结果为适合该消费者当前状态的适合度数。同样的过程测量另一只眼睛的屈光度，获得合适的度数。
实施例2
某消费者14岁，身高150厘米，男性，课余时间处在教室正常自然光中，使用手机为iphone，站在窗前，遮挡右眼，手持手机由近及远进行左眼的远视屈光度测量，移动过程中大致保持手机匀速，左眼观察的视线大致和屏幕垂直。
消费者手持终端由贴近面部处由近及远的移动，当消费者刚刚看清晰e标时，按下拍照键获取近点面部图像，消费者点击存储键。
近点像上直径为327像素。
近点面部图像的像素为1920*2560，根据公式计算得到视距y＝1.5*1920/327＝8.8厘米，代入公式计算出近点屈光度＝-11.36d≈-11.5d
调节幅度＝15-0.25*18＝11.5d,则：-11.5+11.5＝0，得出此人为正视眼。
实施例3
一年龄为29岁女性，身高165公分，午饭期间在某商场饭店内，在饭店白炽灯前用自己的华为手机进行右眼远视屈光度测量。在测量过程中此人，用左手遮住左眼，手执手机缓慢移动。
消费者由近及远的移动手机，当消费者刚刚看清晰e标时，小距离前后移动并反复确定此清晰位置后语音输入位置确定命令，然后手机软件自动将此图像保存并上传至app服务器中.
消费者又逐步将手机移动到平时工作时的最佳位置，并语音输入位置确定命令，然后手机软件自动将此位置下的图像保存并上传至app服务器中。
计算过程与实施例1相同，得出工作位置面部图像的像上直径和近点像上直径分别为51像素和37像素。
近点面部图像的像素为960*1280，根据公式(k取1.5)计算得到视距y＝39厘米，代入公式计算出近点屈光度＝-2.56d≈-2.5d
调节幅度＝15-0.25*29＝7.75d,则：-2.22+7.75>0，得出此消费者患有远视。
工作位置面部图像的像素为960*1280，，根据公式(k取1.5)计算得到视距y＝28厘米，代入公式计算工作位置屈光度＝-3.5d
故得出远视屈光度＝-2.5-(-3.5)＝+1d。
在佩戴此度数眼镜过程中恰好能看清工作位置处的文字，说明计算结果为适合该消费者当前状态的适合度数。同样的过程测量另一只眼睛的屈光度，获得合适的度数。
实施例4
一年龄为19岁女性，身高158公分，分别在户外树阴环境中(晴天中午)、家庭白天自然照明环境中(晴天下午)等多处进行右眼远视屈光度的测量，测量数据即计算结果见下表，其中在室外时使用手持终端移动的方式，在室内采用他人手持终端而消费者自行移动的方式，室外使用手机，室内使用平板电脑。其他条件和实施例3相同。某次近点虹膜的像上直径的像素值为85。
近点测得面部图像的像素为1944*2592，比例尺为85/1944＝0.044，根据图进行曲线查值得到视距y＝35厘米，得出调整屈光度为-2.75d；调节幅度＝15-0.25*19＝10.25d。
调整屈光度+调节幅度>0故得出此消费者患有远视。
多次测量近点数据如下：
计算上述远视屈光度的平均值：
简单算术平均
加权平均法：
几何平均法：
截尾平均数法：去掉一个最高的3和最低的2
通过本方法的计算结果与验光师给出的配镜度数及用户的配戴感受可知，计算结果为适合该消费者当前状态的度数。同样的过程测量另一只眼睛的屈光度，获得合适的度数。