[发明专利]一种基于深度学习的瞳孔定位方法

权利要求书

1.一种基于深度学习的瞳孔定位方法，其特征在于：它采用以下三个步骤：1、人脸检测，2、人眼区域定位，3、人眼瞳孔特征检测；步骤1人脸检测：采用目前成熟的人脸检测网络，但由于本方法要适用可见光与红外场景下，所以在现有的检测网络中加入了可见光与红外场景下的图片进行训练得到鲁棒性更强的人脸检测器，使网络能检测到红外场景下的人脸。

2.根据权利要求1所述的一种基于深度学习的瞳孔定位方法，其特征在于：所述的步骤2人眼区域定位：对检测到人脸图像，采用人脸特征点定位网络检测出人的两个眼睛的十二个特征点位置，然后利用每个眼睛的六个关键点位置获取外接矩形区域，最后为了避免特征点检测可能存在微小的偏差导致获取在获取最大外界矩形区域没有把眼睛部分完全包围，因而矩形区域扩大五个像素点，最终定位到准确的人眼区域位置。

3.根据权利要求1所述的一种基于深度学习的瞳孔定位方法，其特征在于：所述的步骤3人眼瞳孔特征检测：采用基于卷积神经网路的沙漏网络（hourglass network）来提取人眼区域特征；沙漏网络是分别自底向上和自顶向下的，该方式可以捕捉每一个尺度的信息，确保一个有效大的感受野并允许对位置之间的空间关系进行编码；在获得人眼区域后，用沙漏网络训练出人眼瞳孔特征检测器；训练首先制作数据，在制作数据的过程中，自研瞳孔虹膜边缘标注工具，利用标注工具可以标注瞳孔边缘的四个点以及确定人眼区域的两个点，总共六个点；利用标注工具得到所述点1、点2、点3、点4，这四个点可以通过圆拟合算法拟合得到一个圆，所示圆的中心即为近似的瞳孔中心，具体算法可见公式1；

公式1中、、分别表示拟合得到的瞳孔中心的横、纵坐标以及圆的半径。

4.根据权利要求1所述的一种基于深度学习的瞳孔定位方法，其特征在于：所述的步骤1、2、3的详细具体如下：首先输入图像，通过图像进行人脸检测，对人脸的可见光图像和红外图像进行匹配人脸检测模型的训练，通过训练后的人脸检测模型对人脸进行检测，对人脸特征点检测；确定人眼区域定位，通过区域定位对人眼瞳孔进行检测；通过人眼可见光图像和红外图像的训练，得到人眼瞳孔检测模型，通过模型对人眼瞳孔进行检测，最终确定瞳孔的位置。