一种可靠的青光眼患者自我检测方法技术

本发明专利技术提供一种可靠的青光眼患者自我检测方法，人脸定位：采集人脸图像并通过肤色分割识别出人脸区域，确定人脸边界并提取人脸；人眼检测：在提取人脸后，对人眼区域进行识别；提取瞳孔中心‑眼角位置矢量，判断视线方向是否发生了移动，并借助于提前标定各个主要方向的方法来实时根据瞳孔中心‑眼角位置矢量的值预估实际视线方向，从而对青光眼进行检测。本发明专利技术为visualFieldseasy提供检测数据有效性的验证，以提高判断检测者是否患有青光眼的准确性。

【技术实现步骤摘要】
一种可靠的青光眼患者自我检测方法
本专利技术涉及医疗设备领域，更具体地，涉及一种可靠的青光眼患者自我检测方法。
技术介绍
青光眼是由眼内压持续性增高导致的一种疾病，当内压过高时，会对人眼内部组织造成不可逆的损伤，在后期会导致失明。因此，必须要在早期进行治疗，以降低风险。在中国，还没普及每年对眼部进行一次检查。有一些青光眼患者早期视力很好，但一旦发现患了青光眼却已经是晚期了。目前，在市面上存在一个名为visualFieldseasy的免费、公益、检测青光眼的软件，有需要的用户可以随时随时使用其进行检测。这可以提高在早期就发现青光眼的机率，减少青光眼患者的失明可能，是对社会的一个伟大的贡献。软件visualFieldseasy以“青光眼的视野会变窄”作为检测青光眼的理论基础。visualFieldseasy在运行过程中，要求用户遮住其中一只眼睛，另一只眼睛注视向屏幕的一角。软件会在屏幕其它位置动态产生闪烁的信息点，并通过测试用户有无对这些信息点产生反应，进而确定用户的视野范围，判断用户是否可能患有青光眼。visualFieldseasy存在一个严重的问题：某些检测数据有可能是无效的。由于检测过程占有一定的时间，使用者或多或少会受外界信息影响而导致视线未按照要求注视向红色小圆，此时出现的白色小圆的检测结果是无效的。无效的检测数据会对是否患有青光眼的判断带来影响，甚至会为青光眼患者给出一个没有患上青光眼的错误判断，导致患者错失治愈的时间。
技术实现思路
本专利技术克服visualFieldseasy使用时存在数据无效的问题，提供一种可靠的青光眼患者自我检测方法，以提高判断检测者是否患有青光眼的准确性。为解决上述技术问题，本专利技术的技术方案如下：一种可靠的青光眼患者自我检测方法，包括以下步骤：S1：人脸定位：采集人脸图像并通过肤色分割识别出人脸区域，确定人脸边界并提取人脸；S2：人眼检测：在提取人脸后，对人眼区域进行识别；S3：提取瞳孔中心-眼角位置矢量，判断视线方向是否发生了移动，并借助于提前标定各个主要方向的方法来实时根据瞳孔中心-眼角位置矢量的值预估实际视线方向，从而对青光眼进行检测。在一种优选的方案中，步骤S1中，过肤色分割识别出人脸区域的具体方法为：在YCbCr空间根据三通道的数值将每个像素置黑或置白，其计算公式如下：pow＝m2+n2其中y、cb、cr指图像单个像素在Y通道、Cb通道、Cr通道的值；而value表示该像素点的二值化结果，若值为255则表示是肤色点，否则不是肤色点。在一种优选的方案中，步骤S1中，在二值化结束后，给二值化图像施加一个腐蚀操作，用以取出部分背景噪声，且对人脸部分的结果影像不大。在一种优选的方案中，步骤S1中，确定人脸边界并提取人脸的具体步骤包括：1)将肤色分割结果进行纵向投影，提取“高原”部分，由此确定人脸左右边界；2)在肤色分割结果上，根据人脸左右边界进行切割；3)将新的分割结果进行横向灰度投影，提取“高原”部分，由此确定人脸上下边界。在一种优选的方案中，步骤S2中，对人眼区域进行识别的具体步骤为：1)在人脸肤色分割结果上调用区域检测算法，检测黑色区域部分；2)对区域检测的结果进行适当的面积扩充，得到人眼候选区域集；3)对每个人眼候选区域不断截取一部分送入AdaBoost分类器中进行检测，直到检测到人眼或者整个候选区域并不包含人眼；4)当检测到某候选区域中有人眼存在时，对检测结果判断其左右边界有无与肤色分割结果中的黑块相交，若有，则进行相应的面积扩充。在一种优选的方案中，步骤S3中，提取瞳孔中心-眼角位置矢量的具体步骤包括：S3.1：瞳孔中心定位：在对人眼进行二值化后，对图片进行竖向、横向的黑色像素点数量投影，通过竖向黑色像素点投影虹膜的左右边界，由此在人眼二值图中进行横向地截取虹膜成分，再对其进行横向黑色像素点数量投影，新的横向黑色像素点数量投影后，便可确定虹膜的上下边界，通过计算虹膜左右边界的中间值可以获得瞳孔中心点横坐标；通过计算虹膜上下边界的中间值可以获得瞳孔中心点的纵坐标；S3.2：人眼自适应二值化：以虹膜面积为基本判据来自适应调节边缘强化模板的中心值，由此得到自适应的二值化结果，其执行步骤如下：1)计算虹膜处黑色团块的像素个数num1；2)对人眼使用中心值为10.8的边缘强化模板处理，然后转成灰度图，并使用OTSU自平衡二值化得到二值图，此时计算整张二值图中黑色像素点的个数num2；3)当num2>num1*1.4时，执行4)，否则执行5)；4)对人眼使用中心值为10的边缘强化模板处理，然后转成灰度图，并使用OTSU自平衡二值化得到二值图，并加以一个膨胀操作去除噪声；5)根据虹膜的上、下、左、右边界，将此处的二值图对应区域完全置黑，以出去环境明亮灯光在虹膜反射造成的影响。此时得到的即为期望的二值图效果；S3.3：位置矢量归一化：在每次定位瞳孔中心后，以两个眼角点间的距离为基准进行归一化；假设检测得到左眼角坐标为(Lx,Ly),右眼角坐标为(Rx,Ry)，瞳孔中心坐标(Cx,Cy),并以瞳孔中心相对于左眼角点的位置矢量作为视线判据，那么归一化后的位置矢量(Δx,Δy)可由以下求得：由此，便通过(Δx,Δy)是否发生变化来判断视线方向是否发生了移动，并借助于提前标定各个主要方向的方法来实时根据(Δx,Δy)的值预估实际视线方向。与现有技术相比，本专利技术技术方案的有益效果是：本专利技术提供一种可靠的青光眼患者自我检测方法，人脸定位：采集人脸图像并通过肤色分割识别出人脸区域，确定人脸边界并提取人脸；人眼检测：在提取人脸后，对人眼区域进行识别；提取瞳孔中心-眼角位置矢量，判断视线方向是否发生了移动，并借助于提前标定各个主要方向的方法来实时根据瞳孔中心-眼角位置矢量的值预估实际视线方向，从而对青光眼进行检测。本专利技术为visualFieldseasy提供检测数据有效性的验证，以提高判断检测者是否患有青光眼的准确性。附图说明图1为可靠的青光眼患者自我检测方法的流程图。图2为AdaBoost级联分类器的算法原理图。图3为瞳孔中心-眼角矢量视线检测子系统的模块图。图4为检测结果以及“聚簇圆”示意图。具体实施方式下面结合附图和实施例对本专利技术的技术方案做进一步的说明。实施例1如图1所示，一种可靠的青光眼患者自我检测方法，包括以下步骤：S1：人脸定位：采集人脸图像并通过肤色分割识别出人脸区域，确定人脸边界并提取人脸；肤色是人脸特征之一，不同种族的人群都可以保证各自在脸上的肤色集中、高度相近。通常情况下，背景与肤色相似的可能性不高，可以通过肤色将人脸与背景分隔出来。根据现有的研究成果，世界上不同种族的肤色在转换到YCbCr色彩空间后，在Cb-Cr空间中的特性基本保持一致，具有聚类特征。因此采用基于肤色的分割方法可以将人脸分割出来。通过肤色分割识别出人脸区域的具体方法为：在YCbCr空间根据三通道的数值将每个像素置黑或置白，其计算公式如下：pow＝m2+n2其中y、cb、cr指图像单个像素在Y通道、Cb通道、Cr通道的值；而value表示该像素点的二值化结果，若值为255则表示是肤色点，否则不是肤色点。在具体实施过程中，在二值化结束后，给二值化图像施加一个腐蚀操作，用以取出部分背景噪声，本文档来自技高网...

【技术保护点】
一种可靠的青光眼患者自我检测方法，其特征在于，包括以下步骤：S1：人脸定位：采集人脸图像并通过肤色分割识别出人脸区域，确定人脸边界并提取人脸；S2：人眼检测：在提取人脸后，对人眼区域进行识别；S3：提取瞳孔中心‑眼角位置矢量，判断视线方向是否发生了移动，并借助于提前标定各个主要方向的方法来实时根据瞳孔中心‑眼角位置矢量的值预估实际视线方向，从而对青光眼进行检测。

【技术特征摘要】
1.一种可靠的青光眼患者自我检测方法，其特征在于，包括以下步骤：S1：人脸定位：采集人脸图像并通过肤色分割识别出人脸区域，确定人脸边界并提取人脸；S2：人眼检测：在提取人脸后，对人眼区域进行识别；S3：提取瞳孔中心-眼角位置矢量，判断视线方向是否发生了移动，并借助于提前标定各个主要方向的方法来实时根据瞳孔中心-眼角位置矢量的值预估实际视线方向，从而对青光眼进行检测。2.根据权利要求1所述的可靠的青光眼患者自我检测方法，其特征在于，步骤S1中，过肤色分割识别出人脸区域的具体方法为：在YCbCr空间根据三通道的数值将每个像素置黑或置白，其计算公式如下：pow＝m2+N2其中y、cb、cr指图像单个像素在Y通道、Cb通道、Cr通道的值；而value表示该像素点的二值化结果，若值为255则表示是肤色点，否则不是肤色点。3.根据权利要求2所述的可靠的青光眼患者自我检测方法，其特征在于，步骤S1中，在二值化结束后，给二值化图像施加一个腐蚀操作，用以取出部分背景噪声。4.根据权利要求1所述的可靠的青光眼患者自我检测方法，其特征在于，步骤S1中，确定人脸边界并提取人脸的具体步骤包括：1)将肤色分割结果进行纵向投影，提取“高原”部分，由此确定人脸左右边界；2)在肤色分割结果上，根据人脸左右边界进行切割；3)将新的分割结果进行横向灰度投影，提取“高原”部分，由此确定人脸上下边界。5.根据权利要求1所述的可靠的青光眼患者自我检测方法，其特征在于，步骤S2中，对人眼区域进行识别的具体步骤为：1)在人脸肤色分割结果上调用区域检测算法，检测黑色区域部分；2)对区域检测的结果进行面积扩充，得到人眼候选区域集；3)对每个人眼候选区域不断截取一部分送入AdaBoost分类器中进行检测，直到检测到人眼或者整个候选区域并不包含人眼；4)当检测到某候选区域中有人眼存在时，对检测结果判断其左右边界有无与肤...

【专利技术属性】
技术研发人员：王军，李日富，江伟鑫，
申请(专利权)人：广东顺德中山大学卡内基梅隆大学国际联合研究院，中山大学，
类型：发明
国别省市：广东,44