Hough圓變換和輪廓匹配相結(jié)合的瞳孔檢測(cè)算法

　　針對(duì)紅外眼部視頻中瞳孔直徑檢測(cè)精度不夠高的問(wèn)題，提出了一種將Hough圓變換和輪廓匹配相結(jié)合的瞳孔檢測(cè)算法（Hough-Contour）。對(duì)每幀圖像，首先進(jìn)行灰度化并濾波去噪；然后提取邊緣并利用修改后的Hough梯度法檢測(cè)出初始圓作為瞳孔參數(shù)；最后在濾波后的灰度圖上的瞳孔附近用位置和半徑在一定范圍可變的圓形輪廓去匹配瞳孔，從而計(jì)算出瞳孔中心坐標(biāo)和直徑。在Hough變換階段，將Hough梯度法中的對(duì)候選圓心按累加值降序排序這一步驟改為尋找最大值，以降低該操作以及后續(xù)計(jì)算半徑的時(shí)耗。通過(guò)實(shí)驗(yàn)尋找到圓心累加數(shù)組最大值的閾值，使其能自動(dòng)排除閉眼幀且不會(huì)導(dǎo)致漏檢。在輪廓匹配階段，實(shí)驗(yàn)發(fā)現(xiàn)如果圓形輪廓的移動(dòng)范圍和半徑伸縮范圍取值為初始圓半徑的十分之一，點(diǎn)對(duì)數(shù)取值為40，則可將瞳孔的精確匹配率從OpenCV圓變換檢測(cè)算法的約10%提高至99. 8%。對(duì)算法的時(shí)間性能作了測(cè)試，在實(shí)驗(yàn)所用的低端電腦上處理一幀需要60 ms，在高端電腦上可以對(duì)紅外瞳孔視頻做到實(shí)時(shí)檢測(cè)。