用于眼前节OCTA的眼动追踪方法、装置、设备和存储介质与流程

用于眼前节octa的眼动追踪方法、装置、设备和存储介质
技术领域
1.本技术的实施例涉及眼动追踪技术领域，尤其涉及一种用于眼前节octa的眼动追踪方法、装置、设备和存储介质。


背景技术：

2.光学相干断层扫描血管成像(octa，optical coherence tomography angiography，)最初应用于眼后节，即眼底，是一种非侵入性的新型眼底影像检查技术，可高分辨率识别视网膜脉络膜血流运动信息，对活体组织视网膜脉络膜微血管循环成像。其在正常视网膜脉络膜血管改变及疾病的管理随访和治疗效果检测等方面具有独特优势。类似的，在眼前节中，通过对同一横断面进行多次扫描的光学相干断层扫描(oct，optical coherence tomography)信号变化来获得扫描区域的血流信号，将多个横断面连续扫描，就可得到眼前节所扫描区域的octa图像。
3.在实现本发明的过程中，发明人发现，当前octa并不适用于所有的患者，当患者固视欠佳或者频繁眨动或移动的情况下，会导致octa图像较为不准确。


技术实现要素：

4.本技术的实施例提供了一种用于眼前节octa的眼动追踪方法、装置、设备和存储介质，能够改善当前octa并不适用于所有的患者，当患者固视欠佳或者频繁眨动或移动的情况下，会导致octa图像较为不准确的问题。
5.在本技术的第一方面，提供了一种用于眼前节octa的眼动追踪方法，包括：
6.获取连续的两帧瞳孔图；
7.分别对两帧瞳孔图进行轮廓提取，得到两个瞳孔轮廓；
8.判断所述两个瞳孔轮廓与基准轮廓是否相似；
9.若相似，则计算一个瞳孔轮廓相对于另一个瞳孔轮廓的中心位置偏移。
10.通过采用以上技术方案，本技术实施例提供的用于眼前节octa的眼动追踪方法中，获取连续的两帧瞳孔图，再分别对两帧瞳孔图进行轮廓提取，得到两个瞳孔轮廓，将两个瞳孔轮廓均与基准轮廓进行对比，若两个瞳孔轮廓均与基准轮廓相似，则判定患者的瞳孔未被遮挡，此时计算一个瞳孔轮廓相对于另一个瞳孔轮廓的中心位置偏移，以便后续octa算法使用，获得更加准确的octa图像，能够改善当前octa并不适用于所有的患者，当患者固视欠佳或者频繁眨动或移动的情况下，会导致octa图像较为不准确的问题，达到提高当前octa的适配性，当患者固视欠佳或者频繁眨动或移动的情况下，提高octa图像的准确度的效果。
11.在一种可能的实现方式中，针对一帧瞳孔图进行轮廓提取包括：
12.对瞳孔图进行极坐标变换，得到变换后的瞳孔图；
13.基于最短路径算法，提取所述变换后的瞳孔图中瞳孔的边界；
14.对所述边界进行极坐标逆变换，得到瞳孔轮廓。
15.在一种可能的实现方式中，判断瞳孔轮廓与基准轮廓是否相似，包括：
16.计算瞳孔轮廓与基准轮廓之间的距离；
17.根据预设距离范围和所述距离，判断瞳孔轮廓与基准轮廓是否相似。
18.在一种可能的实现方式中，所述计算所述一个瞳孔轮廓相对于另一个瞳孔轮廓的中心位置偏移，包括：
19.根据瞳孔轮廓，获取瞳孔轮廓的质心；
20.根据两个质心，计算所述中心位置偏移。
21.在一种可能的实现方式中，还包括：
22.反之，则重新获取两帧瞳孔图，并执行“获取连续的两帧瞳孔图”、“分别对两帧瞳孔图进行轮廓提取，得到两个瞳孔轮廓”以及“判断所述两个瞳孔轮廓与基准轮廓是否相似”的步骤；
23.其中，重新获取的两帧瞳孔图为与所述连续的两帧瞳孔图相邻的图像。
24.在一种可能的实现方式中，还包括：所述基准轮廓的获取方式包括：
25.获取瞳孔基准图，所述瞳孔基准图为瞳孔未被遮挡的基准图；
26.对所述瞳孔基准图进行极坐标变换，得到变换后的瞳孔基准图；
27.基于最短路径算法，提取所述变换后的瞳孔基准图中瞳孔的边界；
28.对所述边界进行极坐标逆变换，得到瞳孔的基准轮廓。
29.在本技术的第二方面，提供了一种用于眼前节octa的眼动追踪装置，包括：
30.获取模块，用于获取连续的两帧瞳孔图；
31.提取模块，用于分别对两帧瞳孔图进行轮廓提取，得到两个瞳孔轮廓；
32.判断模块，用于判断所述两个瞳孔轮廓与基准轮廓是否相似；
33.计算模块，用于在两个瞳孔轮廓与基准轮廓相似时，计算一个瞳孔轮廓相对于另一个瞳孔轮廓的中心位置偏移。
34.在一种可能的实现方式中，还包括：
35.重新获取模块，用于在两个瞳孔轮廓与基准轮廓不相似时，则重新获取两帧瞳孔图，并执行“获取连续的两帧瞳孔图”、“分别对两帧瞳孔图进行轮廓提取，得到两个瞳孔轮廓”以及“判断所述两个瞳孔轮廓与基准轮廓是否相似”的步骤；
36.其中，重新获取的两帧瞳孔图为与所述连续的两帧瞳孔图相邻的图像。
37.在本技术的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如以上所述的方法。
38.在本技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述方法的步骤。
39.应当理解，发明内容部分中所描述的内容并非旨在限定本技术的实施例的关键或重要特征，亦非用于限制本技术的范围。本技术的其它特征将通过以下的描述变得容易理解。
附图说明
40.结合附图并参考以下详细说明，本技术各实施例的上述和其他特征、优点及方面
将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
41.图1示出了本技术实施例中正常拍摄的瞳孔图。
42.图2示出了本技术实施例中用于眼前节octa的眼动追踪方法的流程图。
43.图3示出了本技术实施例中对瞳孔图进行轮廓提取过程的示意图。
44.图4示出了本技术实施例中瞳孔轮廓与基准轮廓不相似的示意图。
45.图5示出了本技术实施例中瞳孔轮廓与基准轮廓相似的示意图。
46.图6示出了本技术实施例中用于眼前节octa的眼动追踪装置的结构图。
47.图7示出了适于用来实现本技术实施例的电子设备结构示意图。
具体实施方式
48.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。
49.本技术实施例提供的用于眼前节octa的眼动追踪方法可以应用于眼动追踪技术领域。
50.octa是通过对同一横断面进行多次扫描的oct信号变化测量来探测血管腔中红细胞的运动，合并连续横断面(en face)oct图像的信息后，得到完整的视网膜脉络膜三维血管图像。其中，en face oct是在传统高密度b扫描(b-scan)图像的基础上经软件运算处理而成的横向断层图像技术。
51.octa并不适用于所有患者，只有患者固视较佳、屈光间质清晰的情况下，方能获得血流连续性较好、扫描信号质量较高的octa图像。octa单次血流成像扫描所需时间取决于扫描范围和光源频率。当扫描范围较大且对光源频率要求较高时，octa成像时间也会较长，从而导致患者出现固视欠佳或者频繁眨动或移动的情况，进而导致octa扫描信号强度差，所得图像质量差。
52.由此，在扫描过程中，引入眼动追踪是十分有必要的。通过引入眼动追踪，可以实现患者瞳孔的自动定位并识别、排除眼睛眨动以及眼球移动的情况，从而得到前后两个连续位置高质量瞳孔图之间的移动方向和大小，使得后续octa图像更加准确。
53.图1示出了本技术实施例中正常拍摄的瞳孔图。参见图1，在相关技术中，通常识别瞳孔的策略包括图像滤波、图像二值化、边缘检测以及椭圆拟合等步骤。而对于眼睛眨动，即部分或全部瞳孔被眼皮或睫毛遮挡的情况，一般会排除掉被遮挡的部分，只使用有效区域进行椭圆拟合。
54.就椭圆拟合方法的具体过程来说，首先将图像通过掩膜(mask)将感兴趣区域提取出来，随后通过直方图得到一个阈值对图像进行二值化，然后使用边缘跟随算法对二值化图像提取轮廓，最后将提取的轮廓进行椭圆拟合。如果拟合椭圆与原轮廓误差大于某个阈值，则使用随机一致性算法将离群值舍弃掉。
55.就相关技术而言，大多技术方案中都需要对图像进行二值化，但二值化所需要的阈值很不好确定。具体地，一旦图像质量较差或者阈值选取不佳，那么二值化图像所标识出来的区域不一定是瞳孔。
56.此外，大部分技术方案中，识别瞳孔的位置是通过拟合椭圆得到的。但这样做存在多个缺点。例如，在眼科检查中，患者有可能瞳孔已经发生了形变，此时用一个预设的形状
(如椭圆)去拟合则会有较大的误差。再例如，椭圆拟合本身就会带来误差。
57.当前还没有专门针对眼前节octa的眼动追踪方案。针对此定制化方案，还需要识别患者是否眨眼，而目前的大部分技术方案均未对此进行涉及。
58.综上所述，为解决以上技术问题，本技术的实施例提供了一种用于眼前节octa的眼动追踪方法。在一些实施例中，该用于眼前节octa的眼动追踪方法可以由电子设备执行。
59.图2示出了本技术实施例中用于眼前节octa的眼动追踪方法流程图。参见图2，本实施例中用于眼前节octa的眼动追踪方法包括：
60.步骤201：获取连续的两帧瞳孔图。
61.在本技术实施例中，连续的两帧瞳孔图为患者进行octa图像识别时，从正常拍摄的瞳孔图中任意选取出前后连续的两帧瞳孔图。通过光学原理进行诊断成像的设备，获取前后连续的两帧瞳孔图。
62.在本技术实施例中，获取的图像帧数根据光学原理进行诊断成像的设备的分辨率确定，一般一秒内获取的图像帧数为30帧、60帧或120帧。一段时间内，光学原理进行诊断成像的设备可获取多帧图像。
63.在本技术实施例中光学原理进行诊断成像的设备，包括oct成像设备和瞳孔相机成像设备。
64.为方便说明该用于眼前节octa的眼动追踪方法，选取多帧图像中每一组前后连续的两帧瞳孔图中的任意一组，为具体实施例中的前后连续的两帧瞳孔图，并就其进行说明。
65.在本技术实施例中，连续的两帧瞳孔图将用于后续的轮廓提取，提高判断患者是否眨眼的准确性。
66.步骤202：分别对两帧瞳孔图进行轮廓提取，得到两个瞳孔轮廓。
67.在本技术实施例中，通过极坐标变换和最短路径算法，分别对两帧瞳孔图中的瞳孔进行轮廓提取，得到两个瞳孔轮廓。
68.图3示出了本技术实施例中对瞳孔图进行轮廓提取过程的示意图。参见图3，针对两帧瞳孔图中的一帧瞳孔图的进行轮廓提取的方式为，通过对正常拍摄的瞳孔图(a)进行极坐标变换，获取到变换后的瞳孔图(b)；基于最短路径算法，对变换后的瞳孔图(b)中瞳孔的边界进行提取，得到提取边界后的瞳孔图(c)；再对提取边界后的瞳孔图(c)中的边界进行极坐标逆变换，得到包括瞳孔轮廓的瞳孔图(d)。
69.其中，包括瞳孔轮廓的瞳孔图(d)中显示出的瞳孔轮廓，为在瞳孔中距离图像中心一定距离且围绕成闭环的轮廓。
70.在本技术实施例中，通过极坐标变换和最短路径算法，分别对两帧瞳孔图中的瞳孔进行轮廓提取，可以避免相关技术中采用图像二值化这一方法，因二值化所需要的阈值不好确定的问题，导致二值化图像所标识出来的区域不一定是瞳孔的问题。
71.在一些实施例中，步骤202中针对一帧瞳孔图进行轮廓提取包括：步骤a1至步骤a3。
72.步骤a1：对瞳孔图进行极坐标变换，得到变换后的瞳孔图。
73.步骤a2：基于最短路径算法，提取变换后的瞳孔图中瞳孔的边界。
74.步骤a3：对边界进行极坐标逆变换，得到瞳孔轮廓。
75.在本技术实施例中，针对一帧瞳孔图进行轮廓提取进行详细的说明。
76.在本技术实施例中，极坐标变换用来检测图像中封闭的轮廓。参见图3，在瞳孔图中建立笛卡尔坐标系xoy，一般选取图像中心(x0，y0)为变换中心。在笛卡尔坐标系xoy平面上任意一点(x，y)，以(x0，y0)为中心，通过以下计算公式对应到极坐标系上的极坐标(θ，r)：
[0077][0078][0079]
如图3中的正常拍摄的瞳孔图(a)到变换后的瞳孔图(b)的过程。
[0080]
在本技术实施例中，基于最短路径算法，找到极坐标下的瞳孔边界。最短路径算法包括深度或广度优先搜索算法、费罗伊德算法、迪杰斯特拉算法以及bellman-ford算法。
[0081]
可选的，采用迪杰斯特拉算法找到极坐标下的瞳孔边界。采用迪杰斯特拉算法找到极坐标下的瞳孔边界的具体步骤如下所示：
[0082]
在变换后的瞳孔图中维护一个数组n和两个集合p、q，数组n用来储存起点到各个顶点的最短距离，集合p用来存储未遍历的点，集合q存储已遍历的点。
[0083]
选择起点，将起点添加到集合q中，并从集合p中删除，再将与起点相邻的点的距离添加到数组中，到不相邻点的距离用无穷大表示。
[0084]
选择距离集合q最近的一个点m(即与所有已遍历点相连的未遍历点中，边的权值最小的点)，将该点加入集合q，并从集合p中删除。
[0085]
找到与m相邻的点c，计算数组n中存储的到达c点的距离是否小于起点经过m到达c点的距离。若是，则更新n，否则继续寻找下一个与m相邻的点，重复步骤4直到遍历完m的所有邻点。
[0086]
重复“选择距离集合q最近的一个点m(即与所有已遍历点相连的未遍历点中，边的权值最小的点)，将该点加入集合q，并从集合p中删除”和“找到与m相邻的点c，计算数组n中存储的到达c点的距离是否小于起点经过m到达c点的距离。若是，则更新数组n，否则继续寻找下一个与m相邻的点，重复步骤4直到遍历完m的所有邻点”，直至遍历集合p为空，即数组n构成极坐标下的瞳孔边界。
[0087]
如图3中的变换后的瞳孔图(b)到提取边界后的瞳孔图(c)的过程。
[0088]
在本技术实施例中，将找到的瞳孔边界从极坐标转化为笛卡尔坐标，通过以下计算公式对应到笛卡尔坐标系上的坐标：
[0089]
x＝x0+rcosθ
[0090]
y＝y0+rcosθ
[0091]
则，如图3中的包括瞳孔轮廓的瞳孔图(d)中的笛卡尔坐标系下的瞳孔轮廓通过以下公式表示：
[0092]
s＝{xi，yi}，i＝0，1，2，...，n
[0093]
其中，n为轮廓内点的个数。
[0094]
步骤203：判断两个瞳孔轮廓与基准轮廓是否相似。
[0095]
在本技术实施例中，基准轮廓为从瞳孔基准图中提取的瞳孔轮廓。瞳孔基准图的患者与获取的连续的两帧瞳孔图的患者为同一患者，瞳孔基准图即为拍摄的同一患者的瞳孔未被遮挡的正常拍摄的瞳孔图。
[0096]
在本技术实施例中，通过将瞳孔轮廓与基准轮廓的相似性比对，可以判断眼睛的状态，从而更好的实现追踪。同时，相似性比对不受轮廓大小的影响，只和形态有关。由此，可以忽略瞳孔因为入射光线不均等造成的忽大忽小的尺寸变化。
[0097]
在一些实施例中，步骤203中基准轮廓的获取方式包括：步骤b1至步骤b4。
[0098]
步骤b1：获取瞳孔基准图，瞳孔基准图为瞳孔未被遮挡的基准图。
[0099]
步骤b2：对瞳孔基准图进行极坐标变换，得到变换后的瞳孔基准图。
[0100]
步骤b3：基于最短路径算法，提取变换后的瞳孔基准图中瞳孔的边界。
[0101]
步骤b4：对边界进行极坐标逆变换，得到瞳孔的基准轮廓。
[0102]
在本技术实施例中，瞳孔基准图的基准轮廓的获取的具体步骤与上述步骤202中针对一帧瞳孔图进行轮廓提取过程一致，详细过程可参见步骤202中的步骤a1至步骤a3，在此不做详细赘述。
[0103]
图4示出了本技术实施例中瞳孔轮廓与基准轮廓不相似的示意图。参见图4，瞳孔基准图(d)中的基准轮廓分别与两个瞳孔图(d1)和(d2)中的瞳孔轮廓均不相似。换句话说，在获取连续的两帧瞳孔图时，患者出现了眼睛眨动、眼皮或者睫毛遮挡住瞳孔等情况，即患者瞳孔被遮挡。
[0104]
图5示出了本技术实施例中瞳孔轮廓与基准轮廓相似的示意图。参见图5，针对其中一个瞳孔图(d3)，瞳孔基准图(d)中的基准轮廓与瞳孔图(d3)中的瞳孔轮廓相似。换句话说，在获取连续的两帧瞳孔图时，患者未出现了眼睛眨动、眼皮或者睫毛遮挡住瞳孔等情况，即患者瞳孔未被遮挡。其中，瞳孔基准图(d)中的基准轮廓与瞳孔图中的瞳孔轮廓之间的距离在预设范围内。
[0105]
在一些实施例中，步骤203包括：步骤c1至步骤c2。
[0106]
步骤c1：计算瞳孔轮廓与基准轮廓之间的距离。
[0107]
步骤c2：根据预设距离范围和距离，判断瞳孔轮廓与基准轮廓是否相似。
[0108]
瞳孔轮廓与基准轮廓之间的距离为图像矩(hu矩)。图像的hu矩是一种具有平移、旋转和尺度不变性的图像特征，hu矩计算包括普通矩计算、中心矩计算和归一化中心矩计算。
[0109]
可选的，采用归一化中心矩计算来计算瞳孔轮廓与基准轮廓之间的距离。归一化中心矩是归一化矩的线性组合，在图像旋转、平移、缩放等操作后，仍能保持不变性，所以经常使用归一化中心矩来识别图像的特征。
[0110]
通过下式计算瞳孔轮廓与基准轮廓之间的距离：
[0111][0112][0113][0114]
其中，a表示瞳孔轮廓，b表示基准轮廓，d(a，b)表示瞳孔轮廓与基准轮廓之间的距离；和表示两个轮廓的log变换hu矩，和为轮廓a和b的hu矩。
[0115]
在本技术实施例中，还可以通过下式计算瞳孔轮廓与基准轮廓之间的距离：
[0116][0117][0118][0119]
其中，a表示瞳孔轮廓，b表示基准轮廓，d(a，b)表示瞳孔轮廓与基准轮廓之间的距离；和表示两个轮廓的log变换hu矩，和为轮廓a和b的hu矩。
[0120]
在本技术实施例中，预设距离范围为由人为规定的距离取值范围，可以根据研究的需求自行设定。当计算的距离在预设距离范围之内时，则瞳孔轮廓与基准轮廓相似。
[0121]
步骤204：若两个瞳孔轮廓与基准轮廓相似，则计算一个瞳孔轮廓相对于另一个瞳孔轮廓的中心位置偏移。
[0122]
在本技术实施例中，在判断前后连续的两帧瞳孔图的两个瞳孔轮廓均与基准轮廓相似时，即前后连续的两帧瞳孔图均正常时，计算一个瞳孔轮廓相对于另一个瞳孔轮廓的中心位置偏移。
[0123]
通过下式计算一个瞳孔轮廓相对于另一个瞳孔轮廓的中心位置偏移：
[0124]
δx＝x
b-xa[0125]
δy＝y
b-ya[0126]
其中，(xa，ya)和(xb，yb)分别表示两个瞳孔中心位置，(δx，δy)表示一个瞳孔轮廓相对于另一个瞳孔轮廓的中心位置偏移。
[0127]
在一些实施例中，步骤204包括：步骤d1至步骤d2。
[0128]
步骤d1：根据瞳孔轮廓，获取瞳孔轮廓的质心。
[0129]
步骤d2：根据两个质心，计算中心位置偏移。
[0130]
在本技术实施例中，瞳孔中心位置(即轮廓的质心)可通过计算轮廓上的点获取。以两个瞳孔中心位置中(xa，ya)的获取方法为例，通过下式计算瞳孔中心位置：
[0131][0132][0133]
其中，(xa，ya)表示瞳孔中心位置(即轮廓的质心)，(xi，yi)表示轮廓上的任意一点。
[0134]
在本技术实施例中，通过直接将计算出的瞳孔中心位置，可以避免相关技术中采用椭圆拟合这一方法，因椭圆拟合本身带来误差和因患者瞳孔有可能已经发生形变，此时用一个预设的形状(如椭圆)去拟合则会有较大的误差，导致的瞳孔标识不准确的问题。
[0135]
在本技术实施例中，对步骤201至步骤204进行具体概述。
[0136]
具体地，获取瞳孔图的拍摄方式为连续拍摄，每次拍摄获取一张瞳孔图，即多帧图像中每一组前后连续的两帧瞳孔图中的任意一组中的第一张瞳孔图，在对第一张瞳孔图进
行轮廓提取后，将第一张瞳孔图的轮廓与基准轮廓比较相似性。如果相似，则会继续拍摄，获取下一张瞳孔图，即多帧图像中每一组前后连续的两帧瞳孔图中的任意一组中的第二张瞳孔图，在对第二张瞳孔图进行轮廓提取后，将第二张瞳孔图的轮廓与基准轮廓比较相似性。如果这两张瞳孔图均与基准轮廓相似，则该两张瞳孔图有效，计算两张图轮廓中心的偏移。
[0137]
在一些实施例中，所述方法还包括：步骤205。
[0138]
步骤205：反之，则重新获取两帧瞳孔图，并执行“获取连续的两帧瞳孔图”、“分别对两帧瞳孔图进行轮廓提取，得到两个瞳孔轮廓”以及“判断两个瞳孔轮廓与基准轮廓是否相似”的步骤。
[0139]
其中，重新获取的两帧瞳孔图为与连续的两帧瞳孔图相邻的图像。
[0140]
在本技术实施例中，若两个瞳孔轮廓与基准轮廓不相似，即两个瞳孔轮廓中至少有一个瞳孔轮廓与基准轮廓不相似，表示患者出现了眼睛眨动，眼皮或者睫毛遮挡住瞳孔等情况，即患者瞳孔被遮挡。在患者瞳孔被遮挡时，后续使用octa算法获取到的结果也是不准确的。
[0141]
在本技术实施例中，为获取较为准确的octa图像，将重新获取与连续的两帧瞳孔图相邻的两帧瞳孔图，并执行“获取连续的两帧瞳孔图”、“分别对两帧瞳孔图进行轮廓提取，得到两个瞳孔轮廓”以及“判断两个瞳孔轮廓与基准轮廓是否相似”，直至获取到较为准确的octa图像。
[0142]
在本技术实施例中，根据研究需求，后续拍摄的每张图像均需通过该方法执行，以便提高octa图像的准确度。
[0143]
通过采用以上技术方案，本技术实施例提供的用于眼前节octa的眼动追踪方法中，获取连续的两帧瞳孔图，再分别对两帧瞳孔图进行轮廓提取，得到两个瞳孔轮廓，将两个瞳孔轮廓均与基准轮廓进行对比，若两个瞳孔轮廓均与基准轮廓相似，则判定患者的瞳孔未被遮挡，此时计算一个瞳孔轮廓相对于另一个瞳孔轮廓的中心位置偏移，以便后续octa算法使用，获得更加准确的octa图像，能够改善当前octa并不适用于所有的患者，当患者固视欠佳或者频繁眨动或移动的情况下，会导致octa图像较为不准确的问题，达到提高当前octa的适配性，当患者固视欠佳或者频繁眨动或移动的情况下，提高octa图像的准确度的效果。
[0144]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本技术所必须的。
[0145]
以上是关于方法实施例的介绍，以下通过装置实施例，对本技术所述方案进行进一步说明。
[0146]
图6示出了本技术实施例的一种用于眼前节octa的眼动追踪装置的结构图。参见图6，该用于眼前节octa的眼动追踪装置包括获取模块601、提取模块602、判断模块603和计算模块604。
[0147]
获取模块601，用于获取连续的两帧瞳孔图。
[0148]
提取模块602，用于分别对两帧瞳孔图进行轮廓提取，得到两个瞳孔轮廓。
[0149]
判断模块603，用于判断两个瞳孔轮廓与基准轮廓是否相似。
[0150]
计算模块604，用于在两个瞳孔轮廓与基准轮廓相似时，计算一个瞳孔轮廓相对于另一个瞳孔轮廓的中心位置偏移。
[0151]
在一些实施例中，该用于眼前节octa的眼动追踪装置还包括：
[0152]
重新获取模块605，用于在两个瞳孔轮廓与基准轮廓不相似时，则重新获取两帧瞳孔图，并执行“获取连续的两帧瞳孔图”、“分别对两帧瞳孔图进行轮廓提取，得到两个瞳孔轮廓”以及“判断两个瞳孔轮廓与基准轮廓是否相似”的步骤。
[0153]
其中，重新获取的两帧瞳孔图为与连续的两帧瞳孔图相邻的图像。
[0154]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0155]
图7示出了适于用来实现本技术实施例的电子设备的结构示意图。如图7所示，图7所示的电子设备700包括：处理器701和存储器703。其中，处理器701和存储器703相连。可选地，电子设备700还可以包括收发器704。需要说明的是，实际应用中收发器704不限于一个，该电子设备700的结构并不构成对本技术实施例的限定。
[0156]
处理器701可以是cpu(central processing unit，中央处理器)，通用处理器，dsp(digital signal processor，数据信号处理器)，asic(application specific integrated circuit，专用集成电路)，fpga(field programmable gate array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本技术公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器701也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合等。
[0157]
总线702可包括一通路，在上述组件之间传送信息。总线702可以是pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等。总线702可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0158]
存储器703可以是rom(read only memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，ram(random access memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是eeprom(electrically erasable programmable read only memory，电可擦可编程只读存储器)、cd-rom(compact disc read only memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
[0159]
存储器703用于存储执行本技术方案的应用程序代码，并由处理器701来控制执行。处理器701用于执行存储器703中存储的应用程序代码，以实现前述方法实施例所示的内容。
[0160]
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、pda(个人
数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0161]
本技术实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与现有技术相比，本技术实施例中，获取连续的两帧瞳孔图，再分别对两帧瞳孔图进行轮廓提取，得到两个瞳孔轮廓，将两个瞳孔轮廓均与基准轮廓进行对比，若两个瞳孔轮廓均与基准轮廓相似，则判定患者的瞳孔未被遮挡，此时计算一个瞳孔轮廓相对于另一个瞳孔轮廓的中心位置偏移，以便后续octa算法使用，获得更加准确的octa图像，能够改善当前octa并不适用于所有的患者，当患者固视欠佳或者频繁眨动或移动的情况下，会导致octa图像较为不准确的问题，达到提高当前octa的适配性，当患者固视欠佳或者频繁眨动或移动的情况下，提高octa图像的准确度的效果。
[0162]
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0163]
以上所述仅是本技术的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。