【技术实现步骤摘要】
本申请涉及图像，特别是涉及一种眼球跟踪方法和跟踪系统。
技术介绍
1、以光学相干断层扫描仪(optical coherence tomography，oct)对待跟踪眼球进行跟踪为例。在使用oct采集患者的眼部数据时，会对待跟踪眼球进行跟踪，以确定待跟踪眼球移动后的目标位置，并根据目标位置更新oct的扫描位置，进而完成对患者的眼部数据的采集。
2、相关技术中会根据待跟踪眼球的角膜上的反光点对待跟踪眼球进行跟踪，然而，由于角膜上的反光点在角膜上的相对位置会发生变化，使得对待跟踪眼球进行跟踪的准确性较低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高对待跟踪眼球进行跟踪的准确性的眼球跟踪方法和跟踪系统。
2、第一方面，本申请提供了一种眼球跟踪方法，包括：
3、基于深度学习分割模型，确定参考图像的第一分割结果和目标图像的第二分割结果；参考图像和目标图像是利用视觉传感器获取的待跟踪眼球的图像；
4、根据第一分割结果和第二分割结果，确定待跟踪眼球的位移信息；
5、根据待跟踪眼球的位移信息，对待跟踪眼球进行跟踪。
6、在其中一个实施例中，根据第一分割结果和第二分割结果，确定待跟踪眼球的位移信息，包括：
7、根据第一分割结果中的交界特征信息以及第二分割结果，确定位移信息；交界特征信息根据第一分割结果中瞳孔区域与虹膜区域的交界确定。
8、在其中一个实施例中，第一分割结果和第二分割结
9、根据第一分割结果中的交界特征信息以及第二分割结果，确定位移信息，交界特征信息根据第一分割结果中虹膜区域与眼白区域的交界确定。
10、在其中一个实施例中，根据第一分割结果中的交界特征信息以及第二分割结果，确定位移信息，包括：
11、根据第一分割结果中的交界特征信息，从第一分割结果中确定参考模板；
12、根据参考模板确定待匹配区域；
13、根据待匹配区域和第二分割结果，将第二分割结果中与参考模板之间的匹配系数最大的待匹配区域作为目标匹配区域；
14、根据参考模板中的第一预设位置，以及目标匹配区域中与第一预设位置对应的第二预设位置，确定待跟踪眼球的位移信息。
15、在其中一个实施例中，根据第一分割结果和第二分割结果，确定待跟踪眼球的位移信息，包括：
16、确定第一分割结果中瞳孔区域的第一质心位置；
17、确定第二分割结果中瞳孔区域的第二质心位置；
18、根据第一质心位置与第二质心位置，确定待跟踪眼球的位移信息。
19、在其中一个实施例中，根据待跟踪眼球的位移信息，对待跟踪眼球进行跟踪，包括：
20、分别对第一分割结果中的第一虹膜区域和第二分割结果中第二虹膜区域进行极坐标转换处理，得到第一虹膜区域对应的第一虹膜极坐标图以及第二虹膜区域对应的第二虹膜极坐标图；
21、对第一虹膜极坐标图与第二虹膜极坐标图进行模板匹配，得到待跟踪眼球的旋转信息；
22、根据位移信息和旋转信息对待跟踪眼球进行跟踪。
23、在其中一个实施例中，待检测图像包括第一眼部图像的分割结果或第二眼部图像的分割结果；该方法还包括：
24、若待检测图像满足全部的预设条件，则确定待检测图像的质量检测结果为通过；其中，预设条件包括以下中的至少一项：
25、待检测图像的瞳孔区域占待检测图像的面积的比大于预设占比；
26、待检测图像中瞳孔区域的近圆指数大于预设指数；
27、待检测图像的瞳孔中心到虹膜区域边界的最小距离与瞳孔中心到虹膜边界的最大距离的比值大于预设比值。
28、在其中一个实施例中，该方法还包括：
29、若参考图像中瞳孔区域与目标图像中瞳孔区域之间的面积变化大于第一预设面积差值，和/或，目标图像对应的运动信息大于第一预设差异，则丢弃扫描设备在第一扫描位置获取的扫描数据，控制扫描设备在第一扫描位置重新获取待跟踪眼球的扫描数据；运动信息包括位移信息和/或旋转信息；第一扫描位置包括与目标图像的采集时间重叠的扫描位置。
30、在其中一个实施例中，该方法还包括：
31、若第一图像中瞳孔区域与第二图像中瞳孔区域之间的面积变化大于第二预设面积差值，和/或，第二图像对应的运动信息与第一图像对应的运动信息之间的差异大于第二预设差异，则丢弃扫描设备在第一扫描位置获取的扫描数据，控制扫描设备在第二扫描位置重新获取待跟踪眼球的扫描数据；第二扫描位置包括与第二图像的采集时间重叠的扫描位置；
32、第一图像和第二图像为两个不同时间点的目标图像，第一图像的时间点早于第二图像的时间点。
33、第二方面，本申请还提供了一种眼球跟踪装置，包括：
34、第一确定模块，用于基于深度学习分割模型，确定参考图像的第一分割结果和目标图像的第二分割结果；参考图像和目标图像是利用视觉传感器获取的待跟踪眼球的图像；第一分割结果和第二分割结果均包括虹膜区域和瞳孔区域；
35、第二确定模块，用于根据第一分割结果和第二分割结果，确定待跟踪眼球的位移信息；
36、跟踪模块，用于根据待跟踪眼球的位移信息，对待跟踪眼球进行跟踪。
37、第三方面，本申请还提供一种跟踪系统，跟踪系统包括视觉传感器、扫描设备以及跟踪装置；视觉传感器包括瞳孔相机；扫描设备包括oct；
38、跟踪装置，用于执行上述任一项的眼球跟踪方法。
39、第四方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一方法的步骤。
40、第五方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法的步骤。
41、第六方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一方法的步骤。
42、上述眼球跟踪方法和跟踪系统，参考图像和目标图像是利用视觉传感器获取的待跟踪眼球的图像，进而基于深度学习分割模型确定参考图像的第一分割结果和目标图像的第二分割结果。由于第一分割结果和第二分割结果均包括虹膜区域和瞳孔区域，因此，深度学习分割模型是用于输出至少包含瞳孔和虹膜的像素级的分割模型。进而利用深度学习分割模型，无需根据待跟踪眼球的角膜上的反光点对待跟踪眼球进行跟踪，避免了反光点在角膜上的位置会发生相对变化的情况，根据第一分割结果和第二分割结果，就可以较为准确地确定待跟踪眼球的位移信息，从而提高了对待跟踪眼球进行跟踪的准确性。
本文档来自技高网...【技术保护点】
1.一种眼球跟踪方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一分割结果和所述第二分割结果，确定所述待跟踪眼球的位移信息，包括：
3.根据权利要求1所述的方法，其特征在于，所述第一分割结果和所述第二分割结果均还包含眼白区域；所述根据所述第一分割结果和所述第二分割结果，确定所述待跟踪眼球的位移信息，包括：
4.根据权利要求2或3所述的方法，其特征在于，所述根据所述第一分割结果中的交界特征信息以及所述第二分割结果，确定所述位移信息，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述第一分割结果和所述第二分割结果，确定所述待跟踪眼球的位移信息，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述待跟踪眼球的位移信息，对所述待跟踪眼球进行跟踪，包括：
7.根据权利要求1所述的方法，其特征在于，待检测图像包括第一眼部图像的分割结果或第二眼部图像的分割结果；所述方法还包括：
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
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。