【技术实现步骤摘要】
本申请涉及图像处理，具体而言，涉及一种眼球震颤分类分级方法、装置、设备及介质。
技术介绍
1、眼球震颤，又被称为眼球震动或眼球跳动，是指眼球在不自主地快速摆动或抖动。这种现象通常会使视线出现轻微的晃动或不稳定感。眼球震颤可以发生在一只眼睛或双眼，可能是暂时性的，也可能是长期存在的问题。
2、眼球震颤的类型主要有以下两种：
3、生理性眼球震颤：生理性眼球震颤通常是无害的，并且很多人都会偶尔经历。它可能由疲劳、焦虑、咖啡因过量、缺乏睡眠、过度用眼等因素引起。通常在休息、减少焦虑或改变生活习惯后会自行消失。
4、病理性眼球震颤：病理性眼球震颤是由于潜在的健康问题引起的，可能需要进一步的医学评估和治疗。一些可能导致病理性眼球震颤的条件包括：肌无力症、平衡问题、眼睑痉挛或神经问题。
5、眼球震颤的方向分类包括：方向分为水平型、垂直型、旋转型等，以水平型为常见，通常以快相方向表示眼球震颤方向，快相为代偿性恢复注视位的运动。
6、眼震强度分级包括：ⅰ级，仅向一个方向(向左或向右，通常是眼震的快相)注视时出现眼震；ⅱ级，向一个方向和向前直视时均出现眼震；ⅲ级，向各个方向(包括眼震的慢相方向)注视时均出现眼震。
7、现有技术是通过对采集的利用望远镜注视移动的目标时眼球的运动图像或跟踪移动目标时眼球的追踪图像或注视特定视点时眼球图像进行分析，从而确定相应图像是否存在眼球震颤。
8、但是上述方法存在以下问题，一是眼球震颤可能是间歇性的，若获取图像时眼球未发生震颤，则其
技术实现思路
1、本申请实施例的目的在于提供一种眼球震颤分类分级方法、装置、设备及介质，用以解决现有技术存在的上述问题，可得到客观且准确的眼球震颤分类分级结果。
2、第一方面，提供了一种眼球震颤分类分级方法，该方法可以包括：
3、获取用户眼睛的多幅红外图像以及各红外图像的采集时间；
4、对任一红外图像进行处理，得到一组眼球参数；
5、基于各组眼球参数对应的红外图像的采集时间顺序，对得到的多组眼球参数进行排列，得到排列后的多组眼球参数；
6、将排列后的每组眼球参数按列排列，得到眼睛数据矩阵；
7、采用基于时间窗口的特征提取方法对所述眼睛数据矩阵进行特征提取，得到眼睛特征向量；
8、将所述眼睛特征向量，输入预先构建的眼球震颤分类分级神经网络中，得到眼球震颤的类型以及级别。
9、在一个可选的实现中，所述眼球参数包括：内眼角-瞳孔中心向量、眼球的运动速度和眼球的运动加速度；
10、对任一红外图像进行处理，得到一组眼球参数，包括：
11、分别对所述红外图像进行预处理，确定瞳孔的中心点坐标以及眼睛内眼角坐标；
12、将所述瞳孔的中心点坐标和所述眼睛内眼角坐标相减，得到内眼角-瞳孔中心向量；
13、基于所述瞳孔的中心点坐标，对所述红外图像的采集时间进行求导，得到眼球的运动速度和眼球的运动加速度。
14、在一个可选的实现中，对所述红外图像进行预处理，确定瞳孔的中心点坐标，包括：
15、对任一红外图像进行降噪处理，得到降噪后的红外图像；
16、对所述降噪后的红外图像进行二值化处理，得到二值化后的红外图像；
17、利用canny算子计算所述二值化后的红外图像的边界点，得到所述红外图像的边界点提取结果；
18、基于预设的圆度阈值，从所述红外图像的边界点提取结果中筛选得到瞳孔边界点；
19、对所述瞳孔边界点进行椭圆最小二乘拟合，得到瞳孔的中心点坐标。
20、在一个可选的实现中，对所述红外图像进行预处理，确定眼睛内眼角坐标，包括：
21、对所述红外图像进行粗提取，得到眼睛内眼角区域图像；
22、对所述眼睛内眼角区域图像进行直方图均衡处理，得到均衡后的眼睛内眼角区域图像；
23、对所述均衡后的眼睛内眼角区域图像进行二值化处理，得到二值化后的眼睛内眼角区域图像；
24、对所述二值化后的眼睛内眼角区域图像进行角点提取，得到眼睛内眼角坐标。
25、在一个可选的实现中，对所述红外图像进行粗提取，得到眼睛内眼角区域图像，包括：
26、对所述红外图像进行卷积模糊化处理，得到模糊后的红外图像；
27、利用边界算子提取所述模糊后的红外图像的边界细节，得到所述红外图像的细节边界点；
28、从所述细节边界点中选取距离鼻侧最近的边界点作为粗提取点；
29、基于所述粗提取点，划定矩形区域，得到眼睛内眼角区域图像。
30、在一个可选的实现中，采用基于时间窗口的特征提取方法对所述眼睛数据矩阵进行特征提取，得到眼睛特征向量，包括：
31、按照预设的时间窗口对所述数据矩阵进行切分，得到各时间窗口对应的眼睛数据；
32、对任一时间窗口对应的眼睛数据进行多特征提取，得到所述时间窗口的特征向量；
33、将各时间窗口的特征向量合并，得到眼睛特征向量。
34、第二方面，提供了一种眼球震颤分类分级装置，该装置可以包括：
35、获取单元，用于获取用户眼睛的多幅红外图像以及各红外图像的采集时间；
36、处理单元，用于对任一红外图像进行处理，得到一组眼球参数；基于各组眼球参数对应的红外图像的采集时间顺序，对得到的多组眼球参数进行排列，得到排列后的多组眼球参数；将排列后的每组眼球参数按列排列，得到眼睛数据矩阵；
37、提取单元，用于采用基于时间窗口的特征提取方法对所述眼睛数据矩阵进行特征提取，得到眼睛特征向量；
38、分类分级单元，用于将所述眼睛特征向量，输入预先构建的眼球震颤分类分级神经网络中，得到眼球震颤的类型以及级别。
39、第三方面，提供了一种电子设备，该电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
40、存储器，用于存放计算机程序；
41、处理器，用于执行存储器上所存放的程序时，实现上述第一方面中任一所述的方法步骤。
42、第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法步骤。
43、本申请利用头戴式眼动仪的红外相机采集眼睛图像，不仅能够随时随地采集眼睛图像，提高了眼睛图像采集的方便程度，还能够降低图像采集的成本；同时，能够毫秒级捕捉眼部特征，降低了眼球震本文档来自技高网...
【技术保护点】
1.一种眼球震颤分类分级方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述眼球参数包括：内眼角-瞳孔中心向量、眼球的运动速度和眼球的运动加速度；
3.如权利要求2所述的方法，其特征在于，对所述红外图像进行预处理，确定瞳孔的中心点坐标，包括：
4.如权利要求2所述的方法，其特征在于，对所述红外图像进行预处理，确定眼睛内眼角坐标，包括：
5.如权利要求4所述的方法，其特征在于，对所述红外图像进行粗提取，得到眼睛内眼角区域图像，包括：
6.如权利要求1所述的方法，其特征在于，采用基于时间窗口的特征提取方法对所述眼睛数据矩阵进行特征提取，得到眼睛特征向量，包括：
7.一种眼球震颤分类分级装置，其特征在于，所述装置包括：
8.一种电子设备，其特征在于，所述电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执
...【技术特征摘要】
1.一种眼球震颤分类分级方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述眼球参数包括：内眼角-瞳孔中心向量、眼球的运动速度和眼球的运动加速度；
3.如权利要求2所述的方法，其特征在于，对所述红外图像进行预处理，确定瞳孔的中心点坐标，包括：
4.如权利要求2所述的方法，其特征在于，对所述红外图像进行预处理，确定眼睛内眼角坐标，包括：
5.如权利要求4所述的方法，其特征在于，对所述红外图像进行粗提取，得到眼睛内眼角区域图像，包括：
...【专利技术属性】
技术研发人员：高硕，赵子贺，李聪，王嘉琪，胡岩松，孟泓贝，杨璨西，李尚儒，王家诚，李晓清，李若诗，王鸿源，宋婷婷，
申请(专利权)人：菲斯克北京健康科技有限公司，
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。