一种基于unet的伪孪生网络的瞳孔边缘识别方法及系统技术方案

本发明专利技术提出了一种基于unet的伪孪生网络的瞳孔边缘识别方法及系统。该方法包括以下步骤：将眼睛图像数据输入到跨模型特征融合网络中；所述跨模型特征融合网络包括两个子网络，每个子网络包括有编码器和解码器，两个子网络中一每个子网络的编码器的输出结果与另一个子网络的解码器的输出结果进行融合，编码器对图像提取不同尺度的特征信息，解码器将特征信息跨网络融合输出；将跨模型特征融合网络输出的特征图进行处理，进行边缘检测，将结果和原始图像融合。该方法将特征进行跨网络融合，聚合了来自不同编码阶段的特征，使得网络能够保持原始图像的细节信息，增强了网络的表达能力，提高了瞳孔边缘识别的精度。提高了瞳孔边缘识别的精度。提高了瞳孔边缘识别的精度。

【技术实现步骤摘要】
一种基于unet的伪孪生网络的瞳孔边缘识别方法及系统


[0001]本专利技术涉及图像处理领域，具体涉及一种基于unet的伪孪生网络的瞳孔边缘识别方法及系统。

技术介绍

[0002]和人眼相关的研究涉及人工智能、认知心理学、虚拟现实、图像处理等多个学科,关于人眼的应用涉及身份识别，医疗诊断，虚拟技术，情感分析等。这些应用很多都离不开虹膜和其中央的瞳孔。在理想的条件下,为了采集眼部信息如注视时间、瞳孔直径等数据往往使用专业设备。在现实情况下,虽然瞳孔与虹膜界限十分明确,但因为光照分布,眼睑睫毛的遮挡,光斑等影响，普通设备获取的眼睛图像并不像理想条件下的那样清晰。同时眼睛自身的状态也会影响相关识别效果。对于瞳孔的识别方法有Hough变换法，该方法的缺点是瞳孔不能过多地被上下眼眶遮住，性能和设定的二值边缘图像阈值相关。和Hough变换法不同的是，主动轮廓线法不用边缘检测和二值化,直接在灰度图上操作,其速度，定位精确度要优于Hough变换法，该方法的不足在于粗定位时，伪圆心必须落在瞳孔区域内。可变形模板法也能对瞳孔进行识别，但该方法计算复杂、运算量大、处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于unet的伪孪生网络的瞳孔边缘识别方法，其特征在于，包括以下步骤：将眼睛图像数据输入到跨模型特征融合网络中；所述跨模型特征融合网络包括两个子网络，每个子网络包括有编码器和解码器，每个子网络的编码器的输出结果与另一个子网络的解码器的输出结果进行融合，编码器对图像提取不同尺度的特征信息，解码器将特征信息跨网络融合输出；将跨模型特征融合网络输出的特征图进行处理，进行边缘检测，将结果和原始图像融合。2.根据权利要求1所述的基于unet的伪孪生网络的瞳孔边缘识别方法，其特征在于，每个子网络均包括N级编码器和N级解码器，每个子网络的第i级编码器的输出结果与另一个子网络的第N
‑
i级解码器的输出结果进行融合，第N级编码器的输出结果输入第1级解码器。3.根据权利要求1或2所述的基于unet的伪孪生网络的瞳孔边缘识别方法，其特征在于，每个子网络的编码器的输出结果经下采样、relu函数激活后与另一个子网络的解码器经上采样、relu函数激活后的输出结果融合；在每个编码器的下采样部分中的Maxpooling之后加入blurpool层。4.根据权利要求1所述的基于unet的伪孪生网络的瞳孔边缘识别方法，其特征在于，对跨网络融合后的特征进行深度监督，在深度监督的过程中，运用两种损失，分别为瞳孔边缘的损失和瞳孔整体的损失...

【专利技术属性】
技术研发人员：石锐，刘泽宇，王翊，
申请(专利权)人：重庆大学，
类型：发明
国别省市：