[发明专利]一种瞳孔定位方法及系统

权利要求书

1.一种瞳孔定位方法，其特征在于，包括：

根据预置的机器学习模型对待处理人脸图像中眼球边缘的位置信息进行标注，所述预置的机器学习模型中包括各个类型的人脸图像的眼球边缘的预测位置信息，所述待处理人脸图像中标注的位置信息所指示区域的图像为第一图像；第一图像中包括眼白部分图像和瞳孔部分图像；

根据所述第一图像的像素值对所述第一图像进行灰度化处理得到第二图像，根据第二图像中各个像素值和对应的像素点个数确定第二像素值阈值，将所述第二图像中像素值大于所述第二像素值阈值的点所在区域作为一个子区域，将所述第二图像中像素值不大于所述第二像素值阈值的点所在区域作为另一个子区域；所述两个子区域的像素值分别属于两个不同范围，所述两个范围的平均像素差值大于预置的值；

所述两个子区域包括前景部分区域和背景部分区域，确定所述前景部分区域为所述待处理人脸图像中瞳孔所在区域。

2.如权利要求1所述的方法，其特征在于，所述预置的机器学习模型为第一分类模型，所述根据预置的机器学习模型对待处理人脸图像中眼球边缘的位置信息进行标注，具体包括：

获取第一分类模型，所述第一分类模型包括第一分类信息，所述第一分类信息包括对人脸图像的第一分类条件，及基于所述第一分类条件的各个类型图像分别对应的眼球边缘的预测位置信息；

根据所述第一分类条件确定所述待处理人脸图像的类型，将所述第一分类信息中与所述确定的类型对应的预测位置信息标注为所述待处理人脸图像中眼球边缘的位置信息。

3.如权利要求1所述的方法，其特征在于，所述预置的机器学习模型为第二分类模型，所述根据预置的机器学习模型对待处理人脸图像中眼球边缘的位置信息进行标注，具体包括：

获取第二分类模型，所述第二分类模型包括一组第一分类信息和至少一组第二分类信息，所述第一分类信息包括对人脸图像的第一分类条件，及基于所述第一分类条件的各个类型图像分别对应的眼球边缘的预测位置信息；每组第二分类信息包括对人脸图像的第二分类条件，及基于所述第二分类条件的各个类型图像分别对应的眼球边缘的预测位置信息，及各个类型图像对应的预测位置信息的误差值；

根据所述第一分类条件和至少一个第二分类条件分别确定所述待处理人脸图像为第一类型图像和至少一个第二类型图像；

将所述待处理人脸图像的最终预测位置信息与最终误差值的相加值标注为所述待处理人脸图像中眼球边缘的位置信息；其中，所述最终预测位置信息为第一分类信息中所述第一类型图像的预测位置信息，与所述至少一组第二分类信息中相应第二类型图像分别对应的预测位置信息的相加值；所述最终误差值为所述至少一组第二分类信息中相应第二类型图像分别对应的误差值的相加值。

4.如权利要求3所述的方法，其特征在于，所述获取第二分类模型，具体包括：

形成第一分类树，所述第一分类树的某一叶子节点的多个下一级叶子节点分别为所述某一叶子节点中包括的多个人脸训练图像根据所述第一分类条件得到的多个类型的人脸训练图像；

储存所述第一分类信息，所述第一分类信息包括所述第一分类树中各个叶子节点对应的预测位置信息及所述第一分类条件；

形成至少一个第二分类树，所述第二分类树的某一叶子节点的多个下一级叶子节点分别为所述某一叶子节点中包括的多个人脸训练图像根据所述第二分类条件得到的多个类型的人脸训练图像；

储存所述至少一组第二分类信息，任一组第二分类信息包括某一所述第二分类树中各个叶子节点对应的预测位置信息，所述第二分类条件及某一叶子节点的预测位置信息的误差值；

其中，某一个叶子节点的预测位置信息为所述某一个叶子节点中包括的多个人脸训练图像中眼球边缘的平均位置信息，所述第一分类条件和第二分类条件都包括各个叶子节点包括的多个人脸训练图像中眼睛区域的两个像素点的像素值的绝对差值大于或不大于阈值及所述两个像素点的位置信息。