一种识别图像中瞳孔的方法和装置的制造方法
【技术领域】
[0001]本发明的实施例涉及图像识别，并且尤其涉及识别图像中瞳孔的方法和装置。
【背景技术】
[0002]目前ATM、手机、笔记本电脑、PC等设备都安装有摄像头。可以利用摄像头进行眼球追踪，其包括对眼球运动信息的获取、建模和模拟。瞳孔识别是追踪眼球轨迹的前提步骤。
【发明内容】
[0003]—种识别图像中瞳孔的方法，包括:A.图像预处理;B.边缘检测;C.构建连通图，包括:根据边缘图的边缘线划分出连通区域，将连通区域分为灰度值在100至200和灰度值在200以上的两个类别，对于两个类别的连通图，选出连通图对，其中灰度数值200以上的连通图b的边缘线被包含在灰度数值在100-200的连通图a的边缘线中，D.筛选连通图对，包括:对各连通图对，计算连通图b的质心像素位置13_1^00&1:;[011、与其连通区域具有相同标准二阶中心矩的椭圆的长轴的像素长度13_]\^1 jor、短轴像素长度b_Minor，连接连通图a和b得到新的图像c，计算图c的质心像素位置c_Locat 1n、与其连通区域具有相同标准二阶中心矩的椭圆的长轴的像素长度c_Ma j or、短轴像素长度c_Minor，对各连通图对，计算质心像素位置13_1^0。&1:；[011和(3_1^00&1:；[011的像素距离1^、13_]\^]_01'与(3_]\^]_01'的比例1?、13_]\1；[1101'与(3_]\1；[1101'的比例P，对各连通图对，计算W = L-m*R-n*P，其中m和η为权重因子，选择W数值最大的连通图对中的连通图b作为被识别的瞳孔。
[0004]图像预处理包括:构建原始图像的灰度图，对灰度图去噪。
[0005]该原始图像通过以下方式获得:获取输入的视频、将视频按时间间隔切分成多张图片，将首张图片作为识别瞳孔的原始图像。
[0006]原始图像的灰度图通过以下方式构建:获取原始图像的每个像素的R、G、B数值，对于每个像素选择其R、G、B数值中最大的值作为该像素的灰度值。
[0007]边缘检测包括:计算灰度图的梯度图像，对梯度图像取数值大于指定阈值的像素作为边缘像素，构建边缘图。
[0008]—种识别图像中瞳孔的装置，包括:A.图像预处理单元;B.边缘检测单元;C.构建连通图单元，被配置为执行:根据边缘图的边缘线划分出连通区域，将连通区域分为灰度值在100至200和灰度值在200以上的两个类别，对于两个类别的连通图，选出连通图对，其中灰度数值200以上的连通图b的边缘线被包含在灰度数值在100-200的连通图a的边缘线中，D.筛选连通图对单元，被配置为执行:对各连通图对，计算连通图b的质心像素位置匕Locat1n、与其连通区域具有相同标准二阶中心矩的椭圆的长轴的像素长度b_Ma j or、短轴像素长度13_]^11(^，连接连通图a和b得到新的图像c，计算图c的质心像素位置c_Locat i on、与其连通区域具有相同标准二阶中心矩的椭圆的长轴的像素长短轴像素长度c_Minor，对各连通图对，计算质心像素位置13_1^00&1:;[011和(3_1^0 031:;[011的像素距离1^、13_Majoi^c_Major 的比例的比例P，对各连通图对，计算W=L_m*R-n*P，其中m和η为权重因子，选择W数值最大的连通图对中的连通图b作为被识别的瞳孔。
[0009]图像预处理单元被配置为执行:构建原始图像的灰度图，对灰度图去噪。
[0010]该原始图像通过以下方式获得:获取输入的视频、将视频按时间间隔切分成多张图片，将首张图片作为识别瞳孔的原始图像。
[0011]原始图像的灰度图通过以下方式构建:获取原始图像的每个像素的R、G、B数值，对于每个像素选择其R、G、B数值中最大的值作为该像素的灰度值。
[0012]边缘检测单元被配置为执行:计算灰度图的梯度图像，对梯度图像取数值大于指定阈值的像素作为边缘像素，构建边缘图。
[0013]根据本发明的实施例，在接收到人脸图像后，利用眼睛和瞳孔的相对位置以及图像拟合椭圆的轴的像素比例，能够快速识别出瞳孔位置。本发明的实施例无需其他外部设备和人工判断。本发明提出采用参数调节设置各个信息权重，使得识别图像中瞳孔的方法和装置具有很高的灵活性和适应性。
[0014]当结合附图阅读以下描述时也将理解本发明的实施例的其它特征和优势，其中附图借助于实例示出了本发明的实施例的原理。
【附图说明】
[0015]图1是根据本发明实施例的识别图像中瞳孔的方法的流程图。
[0016]图2是根据本发明实施例的识别图像中瞳孔的装置的示意图。
【具体实施方式】
[0017]在下文中，将结合实施例描述本发明的原理。应当理解的是，给出的实施例只是为了本领域技术人员更好地理解并且实践本发明，而不是限制本发明的范围。例如，本说明书中包含许多具体的实施细节不应被解释为对发明的范围或可能被要求保护的范围的限制，而是应该被视为特定于实施例的描述。例如，在各实施例的上下文描述的特征可被组合在单一实施例中来实施。在单一实施例的上下文中描述的特可在多个实施例来实施。
[0018]图1是根据本发明实施例的识别图像中瞳孔的方法的流程图。如图所示，该方法包括四个步骤:A.图像预处理、B.边缘检测、C.构建连通图、D.筛选连通图对。
[0019]A.图像预处理可以包括:构建原始图像的灰度图，对灰度图去噪。其中，该原始图像可以通过以下方式获得:获取输入的视频、将视频按时间间隔切分成多张图片，将首张图片作为识别瞳孔的原始图像。原始图像的灰度图通过以下方式构建:获取原始图像的每个像素的R、G、B数值，对于每个像素选择其R、G、B数值中最大的值作为该像素的灰度值。
[0020]B.边缘检测包括:计算灰度图的梯度图像，对梯度图像取数值大于指定阈值的像素作为边缘像素，构建边缘图。可以采用Prewitt检测算子，计算灰度图的梯度图像。
[0021]C.构建连通图可以包括:
[0022]根据边缘图的边缘线划分出连通区域，
[0023]将连通区域分为灰度值在100至200和灰度值在200以上的两个类别，
[0024]对于两个类别的连通图，选出连通图对，其中灰度数值200以上的连通图b的边缘线被包含在灰度数值在100-200的连通图a的边缘线中。选择的连通图对构成了候选列表，列表可以以数组的形式表示为Arr = {<ai，，<a2，b2>，…，<an，bn>}，其中η为数组的长度。
[0025]D.筛选连通图对可以包括:
[0026]对各连通图对，计算连通图b的质心像素位置13_1^00&1:;[011、与其连通区域具有相同标准二阶中心矩的椭圆的长轴的像素长度b_Major、短轴像素长度b_Minor，
[0027]连接连通图a和b得到新的图像c，计算图c的质心像素位置(:_1^(^^011、与其连通区域具有相同标准二阶中心矩的椭圆的长轴的像素长度c_Major、短轴像素长度C_Minor，
[0028]对各连通图对，计算质心像素位置b_Locat1n和c_Locat1n的像素距离L、b_Maj or 与 c_Ma j or 的比例R、b_Minor 与 c_Minor 的比例P，
[0029 ] 对各连通图对，计算W=L-m*R-n*P，其中m和η为权重因子，权重因子一般设置为