本技术提出了基于正斜向投影及反斜向投影的人眼定位及大小计算算法。该方法首先对人眼图像进行正斜向投影以及反斜向投影，当进行正斜向投影以及反斜向投影后，会出现多条投影线，提出了基于相对线密度的投影线筛选方法，选择出一条正斜向投影线以及一条反斜向投影线，两条投影线的交点为此时眼睛的位置，在确定了眼睛的位置后，分别选择距离正斜向投影线和反斜向投影线中相对线密度最小的投影线两端的投影线作为眼睛大小的候选距离，求取两个距离的平均值确定为眼睛在图像中的大小(单位为像素)，由于用户距离电脑屏幕距离不同，采集图像中眼睛的大小存在差异，因此需要将在图像中计算得到的眼睛大小与实际的眼睛大小进行转换。 noyes技术要求
1.基于正斜向投影及反斜向投影的人眼定位及大小计算算法，其特征在于，包括以下步骤：
对眼睛区域进行粗定位，正、反斜向投影算法计算方式如下所示：
其中Z为正斜向投影灰度像素值之和，F为反斜向投影灰度像素值之和；data为眼睛部位的图像数据，x为图像的行像素，y为图像的列像素，row为图像的行数，col为图像的列数，通过正斜向投影以及反斜向
投影对眼睛的区域进行定位，
由于眼睛是对称结构，瞳孔区域的图像像素值最低，因此在进行投影时，图像会出现波
峰以及波谷点，两个波峰点之间对应的为穿过瞳孔区域的投影线，通过正斜向投影以及
碳纤维加热膜反斜向投影结果看到，投影线将眼睛区域进行了粗划分；
对多条投影线进行筛选，相对线密度即单位长度上的图像正、反斜向投影灰度像素值，
相对线密度计算如下式所示：
鼠标笔公式(3)为计算正斜向投影，公式(4)为计算反斜向投影，(Xend，Yend)为图像终点的像素位置，(Xstart，Ystart)为图像起点像素位置，即分母的作用为计算斜向投影起始点和终点之间的欧式距离；rld_Z为正斜向投影相对线密度数值，rld_F为反斜向投影相对线密度数值；
利用相对线密度筛选出的投影线，选择距离该条投影线两侧距离该投影线最近的两条投影线，这两条投影线之间的距离为眼睛的直径，投影线峰值点到波谷点之间的距离为投影线从巩膜边缘向巩膜内移动，当移动到瞳孔位置时，此时为波谷，接下来投影线从瞳孔区域向巩膜边缘移动，对应投影曲线结果的从波谷到波峰的波形变化，眼睛大小计算方式如下所示：
其中(X0，Y0)为投影线的起始点，A、B、C分别为投影线Ax+By+C＝0的系数，此时计算出来的R为图像中眼睛区域的大小；
用户距离电脑屏幕的距离会使得采集到的图像眼睛区域的大小发生变化，为了能够消除头部距离屏幕距离的不同所带来的计算误差，基于头部距离屏幕距离的不同，对眼睛大小计算进行补偿：分别采集距离屏幕不同距离L时眼睛区域的面积S，对S和L进行拟合，得到此时的拟合方程，即S＝aL+b，因此在对眼睛的大小进行测量时，已知在距离为L 时，眼睛在图像中的直径大小为RP，若对图像中的眼睛直径测量结果为RC，则Δ＝RC-RP即为眼睛直径的变化量，即眼睛大小变换量为
技术说明书
基于正斜向投影及反斜向投影的人眼定位及大小计算算法
技术领域
本技术提出了一种基于正斜向投影及反斜向投影法对人眼进行定位及眼睛的大小进行判断的方法，该方法首先对人眼图像进行正斜向投影以及反斜向投影，当进行正斜向投影以及反斜向投影后，会出现多条投影线，提出了基于相对线密度的投影线筛选方法，选择出一条正斜向投影线以及一条反斜向投影线，两条投影线的交点为此时眼睛的位置，在确定了眼睛的位置后，分别选择距离正斜向投影线和
反斜向投影线中相对线密度最小的投影线两端的投影线作为眼睛大小的候选距离，求取两个距离的平均值确定为眼睛在图像中的大小(单位为像素)，由于用户距离电脑屏幕距离不同，采集图像中眼睛的大小存在差异，因此需要将在图像中计算得到的眼睛大小与实际的眼睛大小进行转换。
背景技术
对眼睛的大小以及眼睛的位置进行测量需要利用专业的设备，如眼动仪，普通的眼动仪不能够支持眼睛大小的测量，只能够判断出眼睛的位置，因此需要利用科研型的眼动仪对眼睛的大小进行测量，Tobii X2\X3系列、Spectrum系列支持对眼睛大小的测量，但是造价昂贵，限制了使用的场景，因此利用普通摄像头对眼睛的大小以及位置进行检测能够有效地减少经济成本。
Tobii系列眼动仪采用红外摄像头对眼睛部位进行检测，同时可以获得用户距离摄像头的距离，Tobii眼动仪可以记录眼睛的图像，然后用记录下来的眼睛图像计算眼睛的模型。Tobii眼动仪使用眼球模型来提供眼睛到传感器的距离数据，通过眼动仪固件计算图像上瞳孔的直径，将计算后的瞳孔直径乘以一个转换系数来计算瞳孔的大小。普通摄像头不能够获得眼睛距离传感器的距离信息，因此利用单目摄像头对眼睛的大小进行计算存在很大的挑战。
由于眼睛的形状是圆形的，因此，利用Hough算法以及相应的改进算法对眼睛进行检测成为了当前常用的对眼睛进行定位及输出眼睛大小的常用方法，但是Hough算法对光照以及背景的复杂度具有很高
的要求，缺乏鲁棒性，同时Hough算法计算复杂度高，需要很多的内存空间进行计算，内存开销大。因此开发出对光照以及背景鲁棒性高的算法成为了眼睛定位及大小检测的关键。
技术内容
眼睛部位的结构如图1所示，眼睛中央部位为瞳孔区域，在瞳孔区域外为虹膜区域，虹膜区域外为巩膜区域，瞳孔区域颜最深，巩膜区域眼睛颜最浅，因此通过对眼睛区域进行投影，由于对眼睛区域进行投影时，会受到周围肤的影响，因此如何能够减少肤的影响成为了眼睛定位的关键，因此本申请提出了基于正斜向投影和反斜向投影的眼睛定位算法，对眼睛区域进行粗定位，正、反斜向投影算法计算方式如下所示：
公式(3)为计算正斜向投影，公式(4)为计算反斜向投影，data为眼睛部位的图像数据，x为图像的行像素，y为图像的列像素，row为图像的行数，col为图像的列数，通过正斜向投影以及反斜向投影对眼睛的区域进行定位，图2为正斜向投影结果，图3为反斜向投影结果，通过图2和图3可以发现，由于眼睛是对称结构，瞳孔区域的图像像素值最低，因此在进行投影时，图像会出现波峰以及波谷点，两个波峰点之间对应的为穿过瞳孔区域的投影线，本专利所提出的算法波峰点与波谷点之和一定为奇数，因此本专利提出的方法对眼睛图像定位结果具有解释性，通过正斜向投影以及反斜向投影结果可以看到，投影线将眼睛区域进行了粗划分，投影线区域有效地减少了皮肤区域的干扰；利用粗定位后的结
果可以发现，无论是正斜向投影还是反斜向投影，均出现了多条投影线，并且投影线的投影结果具有一定的规律性，即：有两条投影线分别穿过皮肤和虹膜区域，一条投影线穿过皮肤、巩膜以及瞳孔区域，瞳孔区域像素值最低，因此本专利提出了一种基于相对线密度的投影线筛选方法，对多条投影线进行筛选，相对线密度即单位长度上的图像正(反)斜向投影灰度像素值，相对线密度计算如下式所示：
其中Z为正斜向投影灰度像素值之和，F为反斜向投影灰度像素值之和(Xend，Yend)为图像终点的像素位置，(Xstart，Ystart)为图像起点像素位置，即分母的作用为计算斜向投影起始点和终点之间的欧式距离。rld_Z为正斜向投影相对线密度数值，rld_F为反斜向投影相对线密度数值。利用相对线密度对投影线进行筛选后的结果如图4和图5所示。正斜向投影线和反斜向投影线交点的位置为瞳孔的位置，对瞳孔位置的定位结果如图7所示。通过对投影线结果进行分析可知，利用相对线密度筛选出的投影线，选择距离该条投影线两侧距离该投影线最近的两条投影线，这两条投影线之间的距离为眼睛的直径，投影线峰值点到波谷点之间的距离为投影线从巩膜边缘向巩膜内移动，当移动到瞳孔位置时，此时为波谷，接下来投影线从瞳孔区域向巩膜边缘移动，对应投影曲线结果的从波谷到波峰的波形变化，眼睛大小计算方式如下所示：
其中(X0，Y0)为投影线的起始点，A、B、C分别为投影线Ax+By+C＝0的系数，此时计算出来的R为图像中眼睛区域的大小。本申请所提出的方法对光照变化具有鲁棒性，由于眼睛区域很小，因此光照
对眼睛区域的影响相同，假定原始图像光照强度为M，当光照变化时，相当于对原始光照强度增加或减少相同的光照强度N，即光照强度变化从M变为
水幕系统M+N，相当于对图像进行了线性的变换，因此投影结果不变，对光照的变化具有很好的鲁棒性。
用户距离电脑屏幕的距离会使得采集到的图像眼睛区域的大小发生变化，为了能够消除头部距离屏幕距离的不同所带来的计算误差，本申请提出了基于头部距离屏幕距离的不同，对眼睛大小计算的补偿方法，距离电脑屏幕距离的不同，图像如图10所示。分别采集距离屏幕不同距离L时眼睛区域的面积S，对S和L进行拟合，可以发现，距离屏幕的距离与眼睛区域的变化呈现线性变化，结果如图11所示。得到此时的拟合方程，即S＝
aL+b，因此在对眼睛的大小进行测量时，已知在距离为L时，眼睛在图像中的直径大小为RP，若对图像中的眼睛直径测量结果为RC，则Δ＝RC-RP即为眼睛直径的变化量，即眼睛大小变换量为
图9为利用本申请提出的算法对眼睛位置以及大小进行实时检测的程序界面。
里德穆勒附图说明
图1为原始眼睛图像；硝化纤维素膜
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议