一种瞳孔中心定位方法及装置的制造方法
【技术领域】
[0001] 本发明涉及图像领域，尤其涉及一种瞳孔中心定位方法及装置。
【背景技术】
[0002] 瞳孔定位是许多计算机视觉应用的第一步也是最重要的一步。例如人脸识别，人 脸特征追踪，面部表情分析，同时虹膜检测和定位也离不开瞳孔定位。瞳孔中心定位的精度 将直接且深刻地影响着下一步的处理和分析。在疲劳驾驶应用方面，人眼位置和状态的自 动恢复也是一个重要的研宄课题。
[0003] 视线追踪的第一步即为瞳孔中心定位。视线追踪系统为实时认知处理和信息传输 提供了一个强大的分析工具。视线追踪大约有两个重要的应用领域：诊断分析和人机交互。 用于诊断的眼动追踪系统为记录阅读者的视线提供了一个客观的、量化的有力途径。由眼 动追踪系统提供的这些信息，在诸多领域具有重大应用价值。例如分析人们观看广告时的 注意点，使用在操作分析仪表板，与计算机的交互，还有分析并理解人类的注意点。一个最 具有代表性的例子是：残障人士可以利用眼动追踪系统操作电脑，完成打字等诸多事务。
[0004] 在现有技术中，存在各种各样瞳孔中心定位方法，总结起来，主要有三大类别。
[0005] 其一，是在接近人眼的皮肤上贴放电极。当眼球运动的时候，在眼球的左右两边将 产生电势差，通过测量这种电势的差值来判断眼睛的移动方向和距离。
[0006] 其二，是在眼睛内部安放一种机械装置。眼球的运动将直接传导到该装置，进而测 量运动的轨迹。
[0007] 其三，是基于图像的方式。这是目前眼动追踪发展的主流方式。基于图像的方法 通过摄像机捕获人的眼部和头部的画面，利用计算机分析眼睛和头部的运动情况，进而锁 定人眼的注视位置。
[0008] 目前主要有以下几种基于图像定位瞳孔中心的方法。
[0009] (1)基于形状的方法；
[0010] 这种方式只对眼睛的局部的相关特征进行处理。这种相关特征可以是边缘，眼角， 或者是通过特定滤波器筛选出来的固定点。异色边缘，即虹膜和巩膜的边界，经常被用来作 为这种相关特征。这种方法又可以被分为固定形状和可变形状两种方法。
[0011] 瞳孔经常被简化为一个椭圆甚至是圆形（圆是椭圆的特殊情况），因而椭圆的简 化模型便可以派上用场。然而，这种简化模型并不能够处理一些特殊情况，例如当捕获到的 瞳孔很小或者与眼睑严重重叠的时候，简化模型便失效了。此外，瞳孔和虹膜并不是完全的 圆或者椭圆，当人的眼睛转向一边的时候，瞳孔和虹膜已经发生了很大的形变，这个时候简 化模型就不再适用了。为了解决这个问题，人们又提出了可变形状模型，用更多的参数来试 图精确地刻画眼睛的瞳孔和虹膜。这种方法看上去确实更加合理，一般来说也更加精确和 通用，但是这种方法也有它的缺陷。更多的参数意味着更大的计算量，此外还需要高对比度 的输入图像。当然，这种方法仍然没能解决瞳孔被大部分遮挡的情况。
[0012] ⑵基于特征的方法；
[0013] 基于特征的方法充分利用人眼的特性，鉴别出一系列人眼的不同的特征。常用的 特征包括异色边缘，瞳孔，角膜反射等。瞳孔是深黑色的，外层的虹膜是浅灰色的，最外层的 巩膜一般是白色的，通过这种灰度的差异来区分定位瞳孔中心是其中的一种方法。例如，计 算整个眼部区域的灰度梯度，找出梯度的中心，便可以认为是瞳孔的中心。基于特征的方法 能够解决瞳孔被遮挡（例如眨眼时）的问题，而且实验表明这种方法对于光照条件的改变 有很好的鲁棒性。但是，基于特征的方式定位的瞳孔中心的精确度依赖于输入图像的分辨 率。而高分辨率往往意味着更大的运算量。这本身就是一对需要调和的矛盾。
[0014] ⑶混合的方法；
[0015] 混合的方法，顾名思义，就是将上述的方法混合使用，以期达到取长补短的目的。 例如，将形状和特征组合起来，就是所谓的基于部件的方法。这种方法试图利用形状模型为 特定的图像匹配构建统一的模型。
[0016] (4)红外光源方法；
[0017] 该方法实施的每个阶段，包括检测，跟踪，定位等，都离不开红外光源。单纯的依赖 可见光的方法被称为被动方法，其他方法则统称主动方法。在可见光不是很强的情况下，瞳 孔和虹膜不容易被区分出来，而在红外光源下可以很容易地被区分出来。并且，瞳孔对于红 外光吸收而虹膜对于红外光却会反射，形成一个明亮的反射光斑。人们利用这个光斑和眼 球的相对位置关系便可以几乎精确的定位瞳孔中心了。
[0018] 但是基于红外光源的方法，首先，如果控制不当的话，有可能对使用者造成伤害。 其次，这种增加光源的方式会给用户造成不便，同时也增加了硬件成本。最后，红外光源在 室内使用将大大改善定位的精度，但是在室外，尤其是日光强烈的地方，红外光源也会显得 力不从心，几乎失效。如何减少以至于抛弃对于红外光源的依赖，是以后眼动系统发展所要 面临的一个重要课题。
[0019] 霍夫变换是一种特征抽取技术，一般是为了找到特定种类的形状，例如直线、圆或 者椭圆等。在现有技术中，霍夫变换贝被用于定位瞳孔中心。
[0020] 对于圆周来说，给定半径的值，霍夫变换就可以找到满足条件的"最佳候选者"。对 于每个候选圆周，都给定一个票数，用来表示图像中属于该圆周的点的个数。因为半径的准 确值是未知的，因而该算法将在第一次估计值的周围反复迭代。实施该方法需要以下几个 步骤：
[0021] 第一步，得到眼部感兴趣区域。为此，首先需要将两幅睁眼和眨眼的图像做差，得 到眼部区域的灰度图。接着对该图像二值化处理，得到眼部感兴趣区域。
[0022] 第二步，利用索贝尔（Sobel)算子描绘出眼部区域的轮廓，尤其是虹膜和巩膜的 交界区域。由于虹膜和巩膜的对比度很高，因而很容易就可以利用Sobel或者精确（Canny) 等差分算子检测并提取出其边缘。
[0023] 第三步，用霍夫变换对边缘图进行处理，得到符合该边界的霍夫圆的候选对象集。 为了从候选对象集中选出对合适的霍夫圆，需要对霍夫变换做一些改进。对于每一个具有 相似性质的霍夫圆群，即按照半径和圆心来分群，将该群融合到一个新的霍夫圆中，并将所 有属于该群的票数之和赋给融合成的新的霍夫圆。得票数最多的霍夫圆便可以认为是虹 膜和巩膜的边界，于是瞳孔中心即为该圆的圆心。
[0024]虽然将虹膜和巩膜的边界简化为一个圆更加方便分析处理，在正对着摄像机的情 况下也能达到较高的精度，但是这种方法依赖于该边界始终以一个饱满的圆的形式出现。 一旦边界被遮挡，例如微眯着眼睛，霍夫圆的方法便失效了。此外，当把眼睛偏向一边的时 候，整个虹膜的边界将不再是一个饱满的圆，而是一个长轴比短轴短的椭圆，此时再用霍夫 圆匹配将出现错误。
【发明内容】
[0025] 本发明实施例提供了一种瞳孔中心定位方法及装置，用于对快速精确的进行瞳孔 中心的定位。
[0026] 本发明实施例提供的瞳孔中心定位方法，包括：
[0027] 定位目标图像的内眼角点，所述内眼角点为在水平方向上在鼻梁近端的眼角点；
[0028] 根据所述内眼角点截取所述目标图像中的眼部区域图像；
[0029] 根据所述眼部区域图像中图像灰度的差异计算所述眼部区域图像中像素点的梯 度，并根据所述像素点的梯度确定所述眼部区域图像中的瞳孔中心。
[0030] 结合第一方面，在第一种可能的实现方式中，所述根据所述内眼角点截取所述目 标图像中的眼部区域图像，包括：
[0031] 根据眼角水平距离以及所述内眼角点确定外眼角点，所述眼角水平距离为预设的 所述内眼角点与所述外眼角点在水平方向上的距离，所述外眼角点为在水平方向上在鼻梁 远端的眼角点；
[0032] 根据人眼在水平方向以及竖直方向的预设比例，并以所述内眼角点以及所述外眼 角为界设定截取边框；
[0033] 使用所述截取边框在所述目标图像中截取所述眼部区域图像。
[0034] 结合第一方面第一种可能的实现方式，在第二种可能的实现方式中，所述根据眼 角水平距离以及所述内眼角点确定外眼角点，包括：
[0035] 根据所述眼角水平距离以及所述内眼角点确定外眼角点的区域图像；
[0036] 对所述外眼角点的区域图像进行二值化处理；
[0037] 对所述二值化处理后区域图像中的像素点进行遍历查找，确定在水平往鼻梁方 向上的首个区别像素点为外眼角点。
[0038] 结合第一方面，在第三种可能的实现方式中，所述根据所述眼部区域图像中图像 灰度的差异计算所述眼部区域图像中像素点的梯度，并根据所述像素点的梯度确定所述眼 部区域图像中的瞳孔中心，包括：
[0039] 1)选取第一像素点，所述第一像素点为所述眼部区域图像中的一个像素点；
[0040] 2)选取第二像素点，所述第二像素点为所述眼部区域图像中除所述第一像素点之 外的一个像素点；
[0041] 3)确定由所述第一像素点至所述第二像素点的位移向量；
[0042] 4)确定所述第二像素点的梯度向量，所述梯度向量表示在所述第二像素点处灰度 的变化方向；
[00