本發(fā)明涉及醫(yī)療技術(shù)領(lǐng)域，具體而言，涉及一種瞳孔定位的方法及裝置。

背景技術(shù)：

如今，隨著健康越來越受到重視，人們對醫(yī)療衛(wèi)生條件的要求越來越高，醫(yī)院和醫(yī)生對醫(yī)療器械的需求和依賴也越來越大。在眼科疾病診斷及治療設(shè)備中，oct、裂隙燈、角膜內(nèi)皮計(jì)、共焦激光眼底造影儀、眼底照相機(jī)、眼壓計(jì)、眼底血樣濃度檢測等，都是眼科疾病診斷常用檢測設(shè)備，這些檢測設(shè)備均需醫(yī)生手動地調(diào)節(jié)設(shè)備或病人的姿態(tài)或位置來尋找病人的瞳孔，進(jìn)而進(jìn)行具體的診斷工作。這樣的做法費(fèi)時費(fèi)力，而且檢測精度不能得到保證，進(jìn)而影響診斷的精度和治療的效果。因此，提供一種能夠快速準(zhǔn)確的瞳孔定位的方法是非常必要的。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供了一種瞳孔定位的方法，能夠?qū)崿F(xiàn)瞳孔的精準(zhǔn)定位，提高了診斷的效率和精度。

本發(fā)明的另一目的在于提供了一種瞳孔定位的裝置，能夠?qū)崿F(xiàn)瞳孔的精準(zhǔn)定位，提高了診斷的效率和精度。

為了實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例采用的技術(shù)方案如下：

第一方面，本發(fā)明實(shí)施例提供了一種瞳孔定位的方法，用于識別視頻圖像中的瞳孔，所述方法包括：

將多個預(yù)設(shè)的眼睛模板按照預(yù)定的滑動長度依次滑動匹配當(dāng)前幀的視頻圖像，得到與所述預(yù)設(shè)的眼睛模板匹配度最高的區(qū)域視頻圖像；

根據(jù)預(yù)設(shè)的第一算法對所述區(qū)域視頻圖像進(jìn)行二值化，得到二值化區(qū)域視頻圖像；

提取所述二值化區(qū)域視頻圖像的輪廓，將所述輪廓劃分為多個片段，在每個所述片段中選取多個參考點(diǎn)，按照預(yù)設(shè)的第二算法對選取的所述多個參考點(diǎn)進(jìn)行橢圓擬合得到多個橢圓；

根據(jù)預(yù)設(shè)的第三算法計(jì)算所述橢圓與所述輪廓的匹配度，將與所述輪廓的匹配度最高的橢圓的中心坐標(biāo)定位為所述瞳孔的位置坐標(biāo)。

第二方面，本發(fā)明實(shí)施例還提供了一種瞳孔定位的裝置，用于識別視頻圖像中的瞳孔，所述瞳孔定位的裝置包括：

匹配模塊，用于將多個預(yù)設(shè)的眼睛模板按照預(yù)定的滑動長度依次滑動匹配當(dāng)前幀的視頻圖像，得到與所述預(yù)設(shè)的眼睛模板匹配度最高的區(qū)域視頻圖像；

第一二值化模塊，用于根據(jù)預(yù)設(shè)的第一算法對所述區(qū)域視頻圖像進(jìn)行二值化，得到二值化區(qū)域視頻圖像；

擬合模塊，用于提取所述二值化區(qū)域視頻圖像的輪廓，將所述輪廓劃分為多個片段，在每個所述片段中選取多個參考點(diǎn)，按照預(yù)設(shè)的第二算法對選取的所述多個參考點(diǎn)進(jìn)行橢圓擬合得到多個橢圓；

計(jì)算模塊，用于根據(jù)預(yù)設(shè)的第三算法計(jì)算所述橢圓與所述輪廓的匹配度，將與所述輪廓的匹配度最高的橢圓的中心坐標(biāo)定位為所述瞳孔的位置坐標(biāo)。

本發(fā)明實(shí)施例提供了一種瞳孔定位的方法及裝置，該瞳孔定位的方法包括將多個預(yù)設(shè)的眼睛模板按照預(yù)定的滑動長度依次滑動匹配當(dāng)前幀的視頻圖像，得到與所述預(yù)設(shè)的眼睛模板匹配度最高的區(qū)域視頻圖像；根據(jù)預(yù)設(shè)的第一算法對所述區(qū)域視頻圖像進(jìn)行二值化，得到二值化區(qū)域視頻圖像；提取所述二值化區(qū)域視頻圖像的輪廓，將所述輪廓劃分為多個片段，在每個所述片段中選取多個參考點(diǎn)，按照預(yù)設(shè)的第二算法對選取的所述多個參考點(diǎn)進(jìn)行橢圓擬合，并重復(fù)對所述輪廓劃分為多個片段，此片段劃分的數(shù)量與前一次劃分的片段數(shù)量不一致，并隨機(jī)選取該片段中多個參考點(diǎn)，按照第二算法對選取的參考點(diǎn)再進(jìn)行橢圓擬合；根據(jù)預(yù)設(shè)的第三算法分別計(jì)算多個橢圓與所述輪廓的匹配度，與所述輪廓匹配度最高的橢圓的中心坐標(biāo)為所述瞳孔的位置坐標(biāo)。進(jìn)而快速準(zhǔn)確地找到了瞳孔的位置，提高了診斷的效率和精度。

為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合所附附圖，作詳細(xì)說明如下。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對實(shí)施例中所需要使用的附圖作簡單地介紹，應(yīng)當(dāng)理解，以下附圖僅示出了本發(fā)明的某些實(shí)施例，因此不應(yīng)被看作是對范圍的限定，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他相關(guān)的附圖。

圖1示出了本發(fā)明實(shí)施例提供的一種瞳孔定位的方法的流程圖。

圖2示出了本發(fā)明實(shí)施例提供的預(yù)設(shè)的眼睛模板的結(jié)構(gòu)示意圖。

圖3示出了本發(fā)明實(shí)施例提供的另一種預(yù)設(shè)的眼睛模板的結(jié)構(gòu)示意圖。

圖4示出了本發(fā)明實(shí)施例提供的另一種預(yù)設(shè)的眼睛模板的結(jié)構(gòu)示意圖。

圖5示出了本發(fā)明實(shí)施例提供的獲得區(qū)域視頻圖像的示意圖。

圖6示出了本發(fā)明實(shí)施例提供的區(qū)域視頻圖像的示意圖。

圖7示出了本發(fā)明實(shí)施例提供的瞳孔定位的方法的子步驟的流程圖。

圖8示出了本發(fā)明實(shí)施例提供的灰度統(tǒng)計(jì)直方圖。

圖9示出了本發(fā)明實(shí)施例提供的濾波后的灰度統(tǒng)計(jì)直方圖。

圖10示出了本發(fā)明實(shí)施例提供的二值化區(qū)域視頻圖像。

圖11示出了本發(fā)明實(shí)施例提供的二值化區(qū)域視頻圖像的輪廓的示意圖。

圖12示出了本發(fā)明實(shí)施例提供的對二值化區(qū)域視頻圖像的輪廓分段的示意圖。

圖13示出了本發(fā)明實(shí)施例提供的擬合后的橢圓的示意圖。

圖14示出了本發(fā)明實(shí)施例提供的橢圓和輪廓的示意圖。

圖15示出了本發(fā)明實(shí)施例提供的搜索區(qū)域視頻圖像的示意圖。

圖16示出了本發(fā)明實(shí)施例提供的瞳孔定位的方法的另一子步驟的流程圖。

圖17示出了本發(fā)明實(shí)施例提供的瞳孔定位的方法的另一子步驟的流程圖。

圖18示出了本發(fā)明實(shí)施例提供的第一投影分布圖的示意圖。

圖19示出了本發(fā)明實(shí)施例提供的第二投影分布圖的示意圖。

圖20示出了本發(fā)明實(shí)施例提供的瞳孔定位的裝置100的結(jié)構(gòu)示意圖。

圖示：100-瞳孔定位的裝置；110-采集模塊；120-濾波模塊；130-匹配模塊；140-第一二值化模塊；150-擬合模塊；160-計(jì)算模塊；170-建立模塊；180-第二二值化模塊；190-預(yù)測模塊。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。通常在此處附圖中描述和示出的本發(fā)明實(shí)施例的組件可以以各種不同的配置來布置和設(shè)計(jì)。因此，以下對在附圖中提供的本發(fā)明的實(shí)施例的詳細(xì)描述并非旨在限制要求保護(hù)的本發(fā)明的范圍，而是僅僅表示本發(fā)明的選定實(shí)施例。基于本發(fā)明的實(shí)施例，本領(lǐng)域技術(shù)人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

應(yīng)注意到：相似的標(biāo)號和字母在下面的附圖中表示類似項(xiàng)，因此，一旦某一項(xiàng)在一個附圖中被定義，則在隨后的附圖中不需要對其進(jìn)行進(jìn)一步定義和解釋。同時，在本發(fā)明的描述中，術(shù)語“第一”、“第二”等僅用于區(qū)分描述，而不能理解為指示或暗示相對重要性。

請參照圖1，是本發(fā)明實(shí)施例提供的一種瞳孔定位的方法的流程圖。該瞳孔定位的方法包括：

步驟s110，將多個預(yù)設(shè)的眼睛模板按照預(yù)定的滑動長度依次滑動匹配當(dāng)前幀的視頻圖像，得到與所述預(yù)設(shè)的眼睛模板匹配度最高的區(qū)域視頻圖像。

如圖2所示，是本發(fā)明實(shí)施例提供的預(yù)設(shè)的眼睛模板的結(jié)構(gòu)示意圖。所述預(yù)設(shè)的眼睛模板為包含眼眶和瞳孔的灰度圖像，由于不同人的瞳孔大小不一致，因此對應(yīng)的預(yù)設(shè)的眼睛模板可以為不同的尺寸大小，即眼眶和瞳孔相對于原來的圖像進(jìn)行縮放變化。在本實(shí)施例中，預(yù)設(shè)的眼睛模板中包含的眼眶和瞳孔是從正面視角作出的，但是在使用醫(yī)療設(shè)備采集患者眼部圖像時，由于患者坐姿或醫(yī)療設(shè)備的擺放位置，可能導(dǎo)致患者的眼睛不是恰好正對醫(yī)療設(shè)備，即醫(yī)療設(shè)備不能恰好采集到患者眼部的正面視角的圖像，因此如圖3所示，是本發(fā)明實(shí)施例提供的另一種預(yù)設(shè)的眼睛模板的結(jié)構(gòu)示意圖。預(yù)設(shè)的眼睛模板還包括從側(cè)面角度或相對正面有偏移的角度的眼眶和瞳孔的圖像，進(jìn)而進(jìn)一步提高了檢測的準(zhǔn)確性，提高了醫(yī)生的診斷精度。在本實(shí)施例中，預(yù)設(shè)的眼睛模板中只包括眼眶和瞳孔的灰度圖像，但不限于此，預(yù)設(shè)的眼睛模板還可以根據(jù)實(shí)際需要添加其他參考參數(shù)，如圖4所示，是本發(fā)明實(shí)施例提供的另一種預(yù)設(shè)的眼睛模板的結(jié)構(gòu)示意圖。該預(yù)設(shè)的眼睛模板不僅包括眼眶和瞳孔的灰度圖像，還包括虹膜的灰度圖像，即灰色區(qū)域部分表征眼部虹膜的灰度圖像，進(jìn)而進(jìn)一步提高了檢測精度，更有利于其他病變的診斷。

所述當(dāng)前幀的視頻圖像為動態(tài)視頻圖像中其中一幀的靜態(tài)視頻圖像，預(yù)定的滑動長度指預(yù)設(shè)的眼睛模板按照一定的移動距離，如5毫米，在當(dāng)前幀的視頻圖像中順序移動并在移動過程中匹配當(dāng)前幀的視頻圖像，與預(yù)設(shè)的眼睛模板匹配度最高的當(dāng)前幀的視頻圖像即為區(qū)域視頻圖像，預(yù)定的滑動長度可以根據(jù)實(shí)際需要設(shè)置為其他數(shù)值。獲得區(qū)域視頻圖像具體為，如圖5所示，是本發(fā)明實(shí)施例提供的獲得區(qū)域視頻圖像的示意圖。將其中一種預(yù)設(shè)的眼睛模板按照預(yù)定的滑動長度依次滑動匹配當(dāng)前幀的視頻圖像，即將該預(yù)設(shè)的眼睛模板上的每一像素的灰階值與相對于該預(yù)設(shè)的眼睛模板大小的當(dāng)前幀的視頻圖像的區(qū)域上的每一像素的灰階值進(jìn)行比較，并計(jì)算相對應(yīng)的兩像素之間的灰階值的差值，得到當(dāng)前幀的視頻圖像區(qū)域的灰階差值總和。進(jìn)而，該預(yù)設(shè)的眼睛模板依次滑動匹配當(dāng)前幀的視頻圖像，得到該當(dāng)前幀的視頻圖像中每一相對于預(yù)設(shè)的眼睛模板大小的區(qū)域的灰階差值總和。之后，選取另一種預(yù)設(shè)的眼睛模板重復(fù)上面的步驟，即使用另一種預(yù)設(shè)的眼睛模板依次滑動匹配當(dāng)前幀的視頻圖像，得到當(dāng)前幀的視頻圖像相對于另一種預(yù)設(shè)的眼睛模板大小的不同區(qū)域上的灰階差值總和。待所有預(yù)設(shè)的眼睛模板依次匹配完當(dāng)前幀的視頻圖像后，選取灰階差值總和最小的當(dāng)前幀的視頻圖像的區(qū)域?yàn)閰^(qū)域視頻圖像，該區(qū)域視頻圖像與預(yù)設(shè)的眼睛模板匹配度最高，即在該區(qū)域視頻圖像內(nèi)最可能存在瞳孔，如圖6所示，是本發(fā)明實(shí)施例提供的區(qū)域視頻圖像的示意圖。

步驟s120，根據(jù)預(yù)設(shè)的第一算法對所述區(qū)域視頻圖像進(jìn)行二值化，得到二值化區(qū)域視頻圖像。

在本實(shí)施例中，該預(yù)設(shè)的第一算法為自適應(yīng)瞳孔分割算法，但不限于此，預(yù)設(shè)的第一算法還可以為其他能夠?qū)崿F(xiàn)對區(qū)域視頻圖像進(jìn)行二值化的算法。如圖7所示，是本發(fā)明實(shí)施例提供的瞳孔定位方法中步驟s120的流程圖。

步驟s121，統(tǒng)計(jì)所述區(qū)域視頻圖像中各個像素點(diǎn)的灰階值。

所述區(qū)域視頻圖像中每一個像素點(diǎn)都有確切的灰階值，則統(tǒng)計(jì)不同灰階值對應(yīng)的個數(shù)。

步驟s122，根據(jù)所述多個像素點(diǎn)的灰階值作出灰度統(tǒng)計(jì)直方圖。

如圖8所示，是本發(fā)明實(shí)施例提供的灰度統(tǒng)計(jì)直方圖。該灰度統(tǒng)計(jì)直方圖反應(yīng)了不同灰階值對應(yīng)的個數(shù)多少，通過灰度統(tǒng)計(jì)直方圖更加直觀地顯示了不同灰階值的分布情況。

步驟s123，對灰度統(tǒng)計(jì)直方圖進(jìn)行濾波，去除偽峰和毛刺。

如圖9所示，是本發(fā)明實(shí)施例提供的濾波后的灰度統(tǒng)計(jì)直方圖。通過對灰度統(tǒng)計(jì)直方圖進(jìn)行濾波處理，去除偽峰和毛刺后更加便于圖像分析，能夠更加清晰地顯示灰度統(tǒng)計(jì)直方圖中的波峰和波谷等數(shù)據(jù)信息。

步驟s124，選取濾波后的所述灰度統(tǒng)計(jì)直方圖中所有波谷對應(yīng)的灰階值中最小的灰階值為閾值。

如圖9所示，使本發(fā)明實(shí)施例提供的濾波后的灰度統(tǒng)計(jì)直方圖。其虛線位置處為所有波谷對應(yīng)的灰階值中最小的灰階值，取該灰階值為閾值。

步驟s125，將所述區(qū)域視頻圖像中小于閾值的像素點(diǎn)的灰階值置為0，即置為黑色，將所述區(qū)域視頻圖像中大于閾值的像素點(diǎn)的灰階值置為255，即置為白色，進(jìn)而得到二值化區(qū)域視頻圖像。

具體為，將步驟s124取得的閾值作為分割閾值對區(qū)域視頻圖像進(jìn)行分割，即將區(qū)域視頻圖像中小于閾值的像素點(diǎn)的灰階值置為0，即置為黑色，將所述區(qū)域視頻圖像中大于閾值的像素點(diǎn)的灰階值置為255，即置為白色，從而得到二值化區(qū)域視頻圖像，即該二值化區(qū)域視頻圖像中只包含黑色和白色兩種顏色，如圖10所示，是本發(fā)明實(shí)施例提供的二值化區(qū)域視頻圖像。

步驟s130，提取所述二值化區(qū)域視頻圖像的輪廓，將所述輪廓劃分為多個片段，在每個所述片段中選取多個參考點(diǎn)，按照預(yù)設(shè)的第二算法對選取的所述多個參考點(diǎn)進(jìn)行橢圓擬合得到多個橢圓。

如圖11所示，是本發(fā)明實(shí)施例提供的二值化區(qū)域視頻圖像的輪廓的示意圖。該輪廓是提取的二值化區(qū)域視頻圖像的輪廓，如圖12所示，是本發(fā)明實(shí)施例提供的對二值化區(qū)域視頻圖像的輪廓分段的示意圖，對提取的輪廓隨機(jī)劃分多個片段，在本實(shí)施例中，對該輪廓劃分為均等的四段，并在每一個片段中隨機(jī)選取多個參考點(diǎn)，在本實(shí)施例中，每一個片段均選取三個參考點(diǎn)。對輪廓劃分的片段數(shù)量可根據(jù)實(shí)際需要設(shè)置，可隨機(jī)劃分為多個片段，如六個片段，同時對每一個片段選取的參考點(diǎn)的數(shù)量也可根據(jù)實(shí)際需要設(shè)置，但選取的參考點(diǎn)的總數(shù)不能低于六個。所述預(yù)設(shè)的第二算法為分段隨機(jī)橢圓擬合算法，但不限于此，其預(yù)設(shè)的第二算法還可以為其他能夠?qū)崿F(xiàn)對輪廓進(jìn)行分段和預(yù)算的算法。按照預(yù)設(shè)的第二算法對選取的多個參考點(diǎn)進(jìn)行橢圓擬合，如圖13所示，是本發(fā)明實(shí)施例提供的擬合后的橢圓的示意圖。同時，重復(fù)地對輪廓劃分多個片段，該片段的數(shù)量可與前一次劃分的片段數(shù)量不一致，隨機(jī)選取多個片段上多個參考點(diǎn)，進(jìn)而通過預(yù)設(shè)的第二算法對再次選取的多個參考點(diǎn)進(jìn)行橢圓擬合，得到不同的擬合橢圓。

步驟s140，根據(jù)預(yù)設(shè)的第三算法計(jì)算所述橢圓與所述輪廓的匹配度，將與所述輪廓的匹配度最高的橢圓的中心坐標(biāo)定位為所述瞳孔的位置坐標(biāo)。

如圖14，是本發(fā)明實(shí)施例提供的橢圓和輪廓的示意圖。該圖中的橢圓是步驟s130中得到的多個不同的橢圓，將多個不同的橢圓依次與輪廓進(jìn)行比較分析其與輪廓的匹配度。具體為，首先建立以橢圓中心點(diǎn)為原點(diǎn)o的直角坐標(biāo)系，在輪廓上隨機(jī)選取一點(diǎn)c，點(diǎn)c與原點(diǎn)的連線為l，直線l與x軸的夾角為q。進(jìn)而根據(jù)計(jì)算直線l與橢圓的兩個交點(diǎn)，將其中與點(diǎn)c處于同一象限或半軸的點(diǎn)記為e，計(jì)算點(diǎn)c和點(diǎn)e之間的方差。重復(fù)上面的步驟多次，即另外選取輪廓上的其他點(diǎn)，得到該點(diǎn)與原點(diǎn)共同確定的直線，進(jìn)而通過計(jì)算得到與輪廓上的點(diǎn)處于同一象限或半軸的位于橢圓上的點(diǎn)，進(jìn)而計(jì)算兩點(diǎn)之間的方差。選取的輪廓上的所有點(diǎn)與橢圓上對應(yīng)點(diǎn)之間的均方差之和的倒數(shù)為其輪廓和橢圓的匹配度，該與輪廓匹配度最高的橢圓的中心坐標(biāo)即為瞳孔的位置坐標(biāo)，進(jìn)而確定了瞳孔的位置。同時該橢圓的長軸h(垂直軸)和短軸w(水平軸)的數(shù)值也分別體現(xiàn)了瞳孔的瞳間距等數(shù)值，為醫(yī)生精確診斷病人的病情提供了多方面的數(shù)值參考。

該瞳孔定位的方法還包括：

步驟s150，根據(jù)所述區(qū)域視頻圖像建立多個基于當(dāng)前幀的視頻圖像的搜索區(qū)域，得到多個搜索區(qū)域視頻圖像。

如圖15，是本發(fā)明實(shí)施例提供的搜索區(qū)域視頻圖像的示意圖。所述九張圖片中位于中心位置方框中表示的圖片為區(qū)域視頻圖像，即當(dāng)前幀的視頻圖像中可能存在瞳孔的的視頻圖像。在醫(yī)生使用醫(yī)療設(shè)備對患者進(jìn)行檢測時，患者可能發(fā)生微小的移動，導(dǎo)致醫(yī)生使用醫(yī)療設(shè)備采集到的圖像不是靜止的，可能存在變化，為了提高檢測精度，更方便醫(yī)生做出精確的診斷，以區(qū)域視頻圖像為基準(zhǔn)圖像，建立多個搜索區(qū)域。在圖中表示為，中心圖片周圍的八張圖片中方框區(qū)域均為下一幀視頻圖像中瞳孔可能移動的方向，在下一幀視頻圖像中，瞳孔可能相對于區(qū)域視頻圖像中的位置向左向右向上向下或向左上、右上、左下、右下等移動，因此對該瞳孔可能移動的方向建立搜索區(qū)域，得到多個搜索區(qū)域視頻圖像，即八張圖片中方框區(qū)域。但不限于此，還可以根據(jù)實(shí)際需要設(shè)置更多地搜索區(qū)域，得到多個待分析的搜索區(qū)域視頻圖像以提高判斷精度。在本實(shí)施例中，該圖片中的方框的長和寬均為與輪廓最匹配的橢圓的短軸w的兩倍，但不限于此，該方框的長和寬還可以根據(jù)實(shí)際需要設(shè)置成不同的長度，該方框的長和寬越小，則精度更高。

步驟s160，對所述多個搜索區(qū)域視頻圖像二值化。

分別對得到的多個搜素區(qū)域視頻圖像進(jìn)行二值化，即對該八張圖片進(jìn)行二值化。如圖16所示，是本發(fā)明實(shí)施例提供的瞳孔定位的方法中步驟s169的流程圖。

步驟s161，統(tǒng)計(jì)所述搜索區(qū)域視頻圖像中各個像素點(diǎn)的灰階值。

所述搜索區(qū)域視頻圖像中每一像素點(diǎn)都有確切的灰階值，則統(tǒng)計(jì)不同灰階值對應(yīng)的個數(shù)。

步驟s162，根據(jù)所述多個像素點(diǎn)的灰階值作出灰度統(tǒng)計(jì)直方圖。

該灰度統(tǒng)計(jì)直方圖反應(yīng)了不同灰階值對應(yīng)的個數(shù)多少，通過灰度統(tǒng)計(jì)直方圖更加直觀地顯示了不同灰階值的分布情況。

步驟s163，對所述灰度統(tǒng)計(jì)直方圖進(jìn)行濾波，去除偽峰和毛刺。

步驟s164，選取濾波后的所述灰度統(tǒng)計(jì)直方圖中所有波谷對應(yīng)的灰階值中最小的灰階值為閾值。

步驟s165，將所述搜索區(qū)域視頻圖像中小于閾值的像素點(diǎn)的灰階值置為0，即為黑色，將所述搜索區(qū)域視頻圖像中大于閾值的像素點(diǎn)的灰階值置為255，即為白色，進(jìn)而實(shí)現(xiàn)對搜索區(qū)域視頻圖像的二值化。

步驟s170，根據(jù)二值化后的所述多個搜索區(qū)域視頻圖像預(yù)測所述瞳孔的位置。

分析統(tǒng)計(jì)二值化后的所述多個搜索區(qū)域視頻圖像中表征黑色的像素的個數(shù)，選取二值化后的搜索區(qū)域視頻圖像中水平方向上表征黑色的像素的個數(shù)最大值處的縱坐標(biāo)，以及選取二值化后的搜索區(qū)域視頻圖像中垂直方向上表征黑色的像素個數(shù)最大值處的橫坐標(biāo)，該縱坐標(biāo)和橫坐標(biāo)共同組成了瞳孔的位置坐標(biāo)，進(jìn)而通過對多個搜索區(qū)域視頻圖像進(jìn)行分析預(yù)測到了下一幀視頻圖像中瞳孔可能出現(xiàn)的位置，從而提高了檢測精度。

如圖17所示，是本發(fā)明實(shí)施例提供的瞳孔定位的方法中步驟s170的流程圖。

步驟s171，分別統(tǒng)計(jì)二值化后的所述多個搜索區(qū)域視頻圖像位于水平方向和垂直方向上表征黑色的像素點(diǎn)的個數(shù)。

步驟s172，利用每一所述搜索區(qū)域視頻圖像中位于水平方向上表征黑色的像素點(diǎn)的個數(shù)做出位于水平方向上表征黑色的像素點(diǎn)的分布情況的第一投影分布圖，利用每一個所述搜索區(qū)域視頻圖像中的位于垂直方向上的表征黑色的像素點(diǎn)的個數(shù)做出位于垂直方向上表征黑色的像素點(diǎn)分布情況的第二投影分布圖。

如圖18所示，是本發(fā)明實(shí)施例提供的第一投影分布圖。該第一投影分布圖表現(xiàn)了其中一個搜索區(qū)域視頻圖像從水平方向上統(tǒng)計(jì)表征黑色的像素點(diǎn)的分布情況。如圖19所示，是本發(fā)明實(shí)施例提供的第二投影分布圖，該第二投影分布圖表現(xiàn)了其中一個搜索區(qū)域視頻圖像從垂直方向統(tǒng)計(jì)表征黑色的像素點(diǎn)的分布情況。

步驟s173，對所述第一投影分布圖和所述第二投影分布圖進(jìn)行分析，判斷所述搜索區(qū)域視頻圖像是否為瞳孔所在區(qū)域。

如圖18所示，是本發(fā)明實(shí)施例提供的第一投影分布圖。該第一投影分布圖上，|y1-y2|表征瞳孔縱向?qū)挾萮'，即相當(dāng)于步驟s140中與該瞳孔的輪廓最匹配的橢圓的長軸h。如圖19所示，是本發(fā)明實(shí)施例提供的第二投影分布圖。該第二投影分布圖上，|x1-x2|表征瞳孔的橫向?qū)挾葁'，即相當(dāng)于步驟s140中與該瞳孔的輪廓最匹配的橢圓的短軸w。當(dāng)該搜索區(qū)域視頻圖像中，(w-w')/w和(h-h')/h都小于0.05，則表明該搜索區(qū)域視頻圖像是瞳孔所在的區(qū)域，否則繼續(xù)分析下一個搜索區(qū)域視頻圖像的第一投影分布圖和第二投影分布圖，尋找瞳孔可能存在的區(qū)域。

步驟s174，若所述搜索區(qū)域視頻圖像為瞳孔所在區(qū)域，則選取所述搜索區(qū)域視頻圖像的第一投影分布圖中表征黑色的像素點(diǎn)的個數(shù)的最大值處的縱坐標(biāo)和選取所述搜索區(qū)域視頻圖像中的第二投影分布圖中表征黑色的像素點(diǎn)的個數(shù)的最大值處的橫坐標(biāo)，所述縱坐標(biāo)為所述瞳孔的縱坐標(biāo)，所述橫坐標(biāo)為所述瞳孔的橫坐標(biāo)，進(jìn)而得到所述瞳孔的位置坐標(biāo)。

如圖18、19所示，該(x0，y0)即為瞳孔的位置坐標(biāo)。

該瞳孔定位的方法還包括：

步驟s100，采集視頻圖像。

在本實(shí)施例中，采用紅外攝像頭采集患者眼部圖像，但不限于此，還可以采用可見光攝像機(jī)采集患者眼部圖像，但采用可見光攝像機(jī)采集患者眼部圖像時，需將采集的圖像處理成灰度圖像，進(jìn)而進(jìn)行下一步分析。具體為，將可見光圖像中每一像素的三原色比例值，即rgb值，通過算法(r+g+b)/3，得到每一像素點(diǎn)的灰階值，進(jìn)而將整個可見光圖像轉(zhuǎn)換為灰度圖像以便于下一步的分析。

步驟s101，對所述視頻圖像進(jìn)行濾波處理，去除噪聲。

對視頻圖像進(jìn)行濾波處理后能減小誤差，提高準(zhǔn)確度，以便于下一步分析。

如圖20所示，是本發(fā)明實(shí)施例提供的瞳孔定位的裝置100的結(jié)構(gòu)示意圖。該瞳孔定位的方法應(yīng)用于該瞳孔定位的裝置100，該瞳孔定位的裝置100包括：

匹配模塊130，用于將多個預(yù)設(shè)的眼睛模板按照預(yù)定的滑動長度依次滑動匹配當(dāng)前幀的視頻圖像，得到與所述預(yù)設(shè)的眼睛模板匹配度最高的區(qū)域視頻圖像。

在本發(fā)明實(shí)施例中，步驟s110可以由匹配模塊130執(zhí)行。

第一二值化模塊140，用于根據(jù)預(yù)設(shè)的第一算法對所述區(qū)域視頻圖像進(jìn)行二值化，得到二值化區(qū)域視頻圖像。

在本發(fā)明實(shí)施例中，步驟s120～步驟s125可以由第一二值化模塊140執(zhí)行。

擬合模塊150，用于提取所述二值化區(qū)域視頻圖像的輪廓，將所述輪廓劃分為多個片段，在每個所述片段中選取多個參考點(diǎn)，按照預(yù)設(shè)的第二算法對選取的所述多個參考點(diǎn)進(jìn)行橢圓擬合得到多個橢圓。

在本發(fā)明實(shí)施例中，步驟s130可以由擬合模塊150執(zhí)行。

計(jì)算模塊160，用于根據(jù)預(yù)設(shè)的第三算法計(jì)算所述橢圓與所述輪廓的匹配度，將與所述輪廓的匹配度最高的橢圓的中心坐標(biāo)定位為所述瞳孔的位置坐標(biāo)。

在本發(fā)明實(shí)施例中，步驟140可以由計(jì)算模塊160執(zhí)行。

該瞳孔定位裝置100還包括：

建立模塊170，用于根據(jù)所述區(qū)域視頻圖像建立多個基于當(dāng)前幀的視頻圖像的搜索區(qū)域，得到多個搜索區(qū)域視頻圖像。

在本發(fā)明實(shí)施例中，步驟s150可以由建立模塊170執(zhí)行。

第二二值化模塊180，用于對所述多個搜索區(qū)域視頻圖像二值化。

在本發(fā)明實(shí)施例中，步驟s160～步驟s165可以由第二二值化模塊180執(zhí)行。

預(yù)測模塊190，用于根據(jù)二值化后的所述多個搜索區(qū)域視頻圖像預(yù)測所述瞳孔的位置坐標(biāo)。

在本發(fā)明實(shí)施例中，步驟s170～步驟s174可以由預(yù)測模塊190執(zhí)行。

該瞳孔定位裝置100還包括：

采集模塊110，用于采集視頻圖像。

在本發(fā)明實(shí)施例中，步驟s100可以由采集模塊110執(zhí)行。

濾波模塊120，用于對所述視頻圖像進(jìn)行濾波處理，去除噪聲。

在本發(fā)明實(shí)施例中，步驟s101可以由濾波模塊120執(zhí)行。

該瞳孔定位的裝置100已經(jīng)在瞳孔定位的方法里詳細(xì)描述，在此不再贅述。

綜上所述，本發(fā)明實(shí)施例提供了一種瞳孔定位的方法及裝置，該瞳孔定位的方法包括將多個預(yù)設(shè)的眼睛模板按照預(yù)定的滑動長度依次滑動匹配當(dāng)前幀的視頻圖像，得到與所述預(yù)設(shè)的眼睛模板匹配度最高的區(qū)域視頻圖像；根據(jù)預(yù)設(shè)的第一算法對所述區(qū)域視頻圖像進(jìn)行二值化，得到二值化區(qū)域視頻圖像；提取所述二值化區(qū)域視頻圖像的輪廓，將所述輪廓劃分為多個片段，在每個所述片段中選取多個參考點(diǎn)，按照預(yù)設(shè)的第二算法對選取的所述多個參考點(diǎn)進(jìn)行橢圓擬合，并重復(fù)對所述輪廓劃分為多個片段，此片段劃分的數(shù)量與前一次劃分的片段數(shù)量不一致，并隨機(jī)選取該片段中多個參考點(diǎn)，按照第二算法對選取的參考點(diǎn)再進(jìn)行橢圓擬合；根據(jù)預(yù)設(shè)的第三算法分別計(jì)算多個橢圓與所述輪廓的匹配度，與所述輪廓匹配度最高的橢圓的中心坐標(biāo)為所述瞳孔的位置坐標(biāo)。進(jìn)而快速準(zhǔn)確地找到了瞳孔的位置，提高了診斷的效率和精度。

在本申請所提供的幾個實(shí)施例中，應(yīng)該理解到，所揭露的裝置和方法，也可以通過其它的方式實(shí)現(xiàn)。以上所描述的裝置實(shí)施例僅僅是示意性的，例如，附圖中的流程圖和框圖顯示了根據(jù)本發(fā)明的多個實(shí)施例的裝置、方法和計(jì)算機(jī)程序產(chǎn)品的可能實(shí)現(xiàn)的體系架構(gòu)、功能和操作。在這點(diǎn)上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或代碼的一部分，所述模塊、程序段或代碼的一部分包含一個或多個用于實(shí)現(xiàn)規(guī)定的邏輯功能的可執(zhí)行指令。也應(yīng)當(dāng)注意，在有些作為替換的實(shí)現(xiàn)方式中，方框中所標(biāo)注的功能也可以以不同于附圖中所標(biāo)注的順序發(fā)生。例如，兩個連續(xù)的方框?qū)嶋H上可以基本并行地執(zhí)行，它們有時也可以按相反的順序執(zhí)行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執(zhí)行規(guī)定的功能或動作的專用的基于硬件的系統(tǒng)來實(shí)現(xiàn)，或者可以用專用硬件與計(jì)算機(jī)指令的組合來實(shí)現(xiàn)。

另外，在本發(fā)明各個實(shí)施例中的各功能模塊可以集成在一起形成一個獨(dú)立的部分，也可以是各個模塊單獨(dú)存在，也可以兩個或兩個以上模塊集成形成一個獨(dú)立的部分。

所述功能如果以軟件功能模塊的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時，可以存儲在一個計(jì)算機(jī)可讀取存儲介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計(jì)算機(jī)設(shè)備(可以是個人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實(shí)施例所述方法的全部或部分步驟。需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實(shí)體或者操作與另一個實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。應(yīng)注意到：相似的標(biāo)號和字母在下面的附圖中表示類似項(xiàng)，因此，一旦某一項(xiàng)在一個附圖中被定義，則在隨后的附圖中不需要對其進(jìn)行進(jìn)一步定義和解釋。

以上所述，僅為本發(fā)明的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)所述以權(quán)利要求的保護(hù)范圍為準(zhǔn)。