本发明专利技术公开了一种基于眼部图像的斜视智能识别方法、装置、终端及介质，与现有技术相比，通过眼球分割网络提取瞳孔区域和角膜映光点的信息，从而获得单眼角膜反射率；通过随机森林模型根据单眼角膜反射率、瞳孔区域和角膜映光点的信息进行投票决策，获得第一预测结果；通过高维特征提取网络提取反映斜视状态的深度特征，并结合单眼角膜反射率获得第二预测结果，将上述预测结果加权平均，获得人眼斜视识别结果。因此，通过分析眼部图像，能够简单准确地识别人眼状态，发现眼睛可能存在斜视问题从而及时提醒用户去医院诊断和治疗。从而及时提醒用户去医院诊断和治疗。从而及时提醒用户去医院诊断和治疗。
【技术实现步骤摘要】
基于眼部图像的斜视智能识别方法、装置、终端及介质
[0001]本专利技术涉及视力检测
，尤其涉及的是一种基于眼部图像的斜视智能识别方法、装置、终端及介质。
技术介绍
[0002]引起眼睛斜视的原因很多，可能是幼儿时期发育不完善所致，也有可能是不正确的用眼习惯导致。因为不正确的用眼，会导致眼球运动中枢集合过强或者外展不足，进而就会造成两颗眼球不是过于集合就是过于分离，很容易出现斜视的情况。
[0003]由于缺乏简单方便的检测方法和装置，目前只有在斜视度数比较高，肉眼观察到异常时，人们才会去医院诊断和治疗，导致错过及早干预和治疗的时机。
[0004]因此，现有技术有待改进和提高。
技术实现思路
[0005]本专利技术的主要目的在于提供一种基于眼部图像的斜视智能识别方法、装置、智能终端及存储介质，通过拍摄的眼部图像，能够简单方便地识别眼睛是否存在斜视，以提醒用户及时去医院作进一步的诊断和治疗。
[0006]为了实现上述目的，本专利技术第一方面提供一种基于眼部图像的斜视智能识别方法，所述方法包括：
[0007]将眼部图像输入眼球分割网络，获得瞳孔区域信息和角膜映光点信息，所述眼球分割网络为用于分割眼部图像的卷积神经网络；
[0008]基于所述瞳孔区域信息和所述角膜映光点信息，获得反映瞳孔与角膜映光点之间位置关系的单眼角膜反射率；
[0009]将所述瞳孔区域信息、所述角膜映光点信息和所述单眼角膜反射率输入随机森林模型，获得第一斜视预测结果；
[0010]将眼部图像输入高维特征提取网络，获得反映斜视状态的瞳孔特征；
[0011]融合所述单眼角膜反射率和所述瞳孔特征，获得第二斜视预测结果；
[0012]将所述第一斜视预测结果和所述第二斜视预测结果进行加权平均，获得斜视识别结果。
[0013]可选的，所述基于所述瞳孔区域信息和所述角膜映光点信息，获得反映瞳孔与角膜映光点之间位置关系的单眼角膜反射率，包括：
[0014]根据所述瞳孔区域信息，获得瞳孔的边缘数据，所述边缘数据包括左边缘数据和右边缘数据；
[0015]根据所述瞳孔区域信息和所述边缘数据，根据最小二乘法拟合所述瞳孔，获得拟合圆；
[0016]基于所述拟合圆和所述角膜映光点信息，获得反映瞳孔与角膜映光点之间位置关系的单眼角膜反射率。
[0017]可选的，所述基于所述拟合圆和所述角膜映光点信息，获得反映瞳孔与角膜映光点之间位置关系的单眼角膜反射率，包括：
[0018]获得所述拟合圆的半径和圆心坐标；
[0019]基于所述角膜映光点信息，获得角膜映光点的坐标；
[0020]计算所述圆心坐标与所述角膜映光点的坐标的差值并计算所述差值与所述拟合圆的半径的比值，获得所述单眼角膜反射率。
[0021]可选的，所述融合所述单眼角膜反射率和所述瞳孔特征，获得第二斜视预测结果，包括：
[0022]将所述单眼角膜反射率与所述瞳孔特征进行向量相乘，获得融合特征；
[0023]将所述融合特征输入全连接层，获得所述第二斜视预测结果。
[0024]可选的，所述基于所述瞳孔区域信息和所述角膜映光点信息，获得反映瞳孔与角膜映光点之间位置关系的单眼角膜反射率之后，还包括：
[0025]获取瞳孔形变指数；
[0026]基于所述单眼角膜反射率和所述瞳孔形变指数，根据预先建立的非线性回归方程，获得斜视度数的估计结果。
[0027]可选的，所述将所述瞳孔区域信息、所述角膜映光点信息和所述单眼角膜反射率输入随机森林模型，获得第一斜视预测结果，包括：
[0028]基于所述瞳孔区域信息，获得瞳孔坐标和瞳孔半径；
[0029]基于所述角膜映光点信息，获得角膜映光点的坐标；
[0030]将所述瞳孔坐标、所述瞳孔半径、所述角膜映光点的坐标和所述单眼角膜反射率输入随机森林模型，根据投票机制获得所述第一斜视预测结果。
[0031]本专利技术第二方面提供一种基于眼部图像的斜视智能识别装置，其中，上述装置包括：
[0032]图像分割模块，用于将眼部图像输入眼球分割网络，获得瞳孔区域信息和角膜映光点信息，所述眼球分割网络为用于分割眼部图像的卷积神经网络；
[0033]单眼角膜反射率模块，用于基于所述瞳孔区域信息和所述角膜映光点信息，获得反映瞳孔与角膜映光点之间位置关系的单眼角膜反射率；
[0034]随机森林模块，用于将所述瞳孔区域信息、所述角膜映光点信息和所述单眼角膜反射率输入随机森林模型，获得第一斜视预测结果；
[0035]高维特征提取模块，用于将眼部图像输入高维特征提取网络，获得反映斜视状态的瞳孔特征；
[0036]融合模块，用于融合所述单眼角膜反射率和所述瞳孔特征，获得第二斜视预测结果；
[0037]判定模块，用于将所述第一斜视预测结果和所述第二斜视预测结果进行加权平均，获得斜视识别结果。
[0038]可选的，还包括斜视度数模块，用于获取瞳孔形变指数，基于所述单眼角膜反射率和所述瞳孔形变指数，根据预先建立的非线性回归方程，获得斜视度数的估计结果。
[0039]本专利技术第三方面提供一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的基于眼部图像的斜视智能识别程序，上述基于
眼部图像的斜视智能识别程序被上述处理器执行时实现任意一项上述基于眼部图像的斜视智能识别方法的步骤。
[0040]本专利技术第四方面提供一种计算机可读存储介质，上述计算机可读存储介质上存储有基于眼部图像的斜视智能识别程序，上述基于眼部图像的斜视智能识别程序被处理器执行时实现任意一项上述基于眼部图像的斜视智能识别方法的步骤。
[0041]由上可见，与现有技术相比，通过眼球分割网络提取瞳孔区域和角膜映光点的信息，从而获得单眼角膜反射率；通过随机森林模型根据单眼角膜反射率、瞳孔区域和角膜映光点的信息进行投票决策，获得第一预测结果；通过高维特征提取网络提取反映斜视状态的深度特征，并结合单眼角膜反射率获得第二预测结果，将上述预测结果加权平均，获得斜视识别结果。因此，通过分析拍摄的眼部图像，能够简单准确地识别眼睛是否存在斜视，以及时提醒用户去医院作进一步的诊断和治疗。
附图说明
[0042]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0043]图1是本专利技术实施例提供的基于眼部图像的斜视智能识别方法流程示意图；
[0044]图2是图1实施例的模型示意图；
[0045]图3是图1实施例的步骤S200具体流程示意图；
[0046]图4是图1实施例的角膜映光点和瞳孔中心示意图；
[0047]图5是本专利技术实施例提供的基本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于眼部图像的斜视智能识别方法，其特征在于，所述方法包括：将眼部图像输入眼球分割网络，获得瞳孔区域信息和角膜映光点信息，所述眼球分割网络为用于分割眼部图像的卷积神经网络；基于所述瞳孔区域信息和所述角膜映光点信息，获得反映瞳孔与角膜映光点之间位置关系的单眼角膜反射率；将所述瞳孔区域信息、所述角膜映光点信息和所述单眼角膜反射率输入随机森林模型，获得第一斜视预测结果；将眼部图像输入高维特征提取网络，获得反映斜视状态的瞳孔特征；融合所述单眼角膜反射率和所述瞳孔特征，获得第二斜视预测结果；将所述第一斜视预测结果和所述第二斜视预测结果进行加权平均，获得斜视识别结果。2.如权利要求1所述的基于眼部图像的斜视智能识别方法，其特征在于，所述基于所述瞳孔区域信息和所述角膜映光点信息，获得反映瞳孔与角膜映光点之间位置关系的单眼角膜反射率，包括：根据所述瞳孔区域信息，获得瞳孔的边缘数据，所述边缘数据包括左边缘数据和右边缘数据；根据所述瞳孔区域信息和所述边缘数据，根据最小二乘法拟合所述瞳孔，获得拟合圆；基于所述拟合圆和所述角膜映光点信息，获得反映瞳孔与角膜映光点之间位置关系的单眼角膜反射率。3.如权利要求2所述的基于眼部图像的斜视智能识别方法，其特征在于，所述基于所述拟合圆和所述角膜映光点信息，获得反映瞳孔与角膜映光点之间位置关系的单眼角膜反射率，包括：获得所述拟合圆的半径和圆心坐标；基于所述角膜映光点信息，获得角膜映光点的坐标；计算所述圆心坐标与所述角膜映光点的坐标的差值并计算所述差值与所述拟合圆的半径的比值，获得所述单眼角膜反射率。4.如权利要求1所述的基于眼部图像的斜视智能识别方法，其特征在于，所述融合所述单眼角膜反射率和所述瞳孔特征，获得第二斜视预测结果，包括：将所述单眼角膜反射率与所述瞳孔特征进行向量相乘，获得融合特征；将所述融合特征输入全连接层，获得所述第二斜视预测结果。5.如权利要求1所述的基于眼部图像的斜视智能识别方法，其特征在于，所述基于所述瞳孔区域信息和所述角膜映光点信息，获得反映瞳孔与角膜映光点之间位置关系的单眼角膜反射率之后，还包括：获取瞳孔形变指数；基于所述单眼角膜反射率和所述瞳孔形变指数，根据预先建立的非线性回归方程...
【专利技术属性】
技术研发人员：张贵英，龚浩天，徐文静，姜泽玥，
申请(专利权)人：广州医科大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。