[发明专利]采用侧面瞬目识别与特征分析进行人眼瞬目检测的方法

说明书

本发明提供了采用侧面瞬目识别与特征分析进行人眼瞬目检测的方法，属于人眼瞬目检测技术领域。本发明通过高帧率相机对患者上睑及下睑进行侧面视频实时拍摄，深度学习算法通过视频对侧面拍摄的眼睑实时运动特征进行识别与分析，以上眼睑、下眼睑与外眦角连线构成的角度作为参数进行人眼的瞬目识别和特征分析，输出瞬目特征分析曲线作为人眼瞬目状态检测结果。本发明解决了现有正面人眼瞬目拍摄与分析方式容易对被检者视野造成干扰，从而不便于在前方注视状态下准确分析瞬目模式的问题，具有分析准确、无干扰、更符合眼睑运动规律的优点。

技术领域

本发明涉及人眼瞬目检测技术领域，具体是涉及采用侧面瞬目识别与特征分析进行人眼瞬目检测的方法。

背景技术

干眼症作为一种眼科常见病，它所引起的眼部干涩、异物感甚至视力波动直接影响着人的工作与生活。干眼症核心病理生理改变是泪膜稳定性的丧失，在诸多影响人眼泪膜稳定性的因素当中，瞬目模式在维持眼表完整性、泪膜稳定性和视力清晰度方面起着至关重要的作用。正常的、完全的瞬目可以促进泪膜在角膜表面的分布和形成，从而维持清晰视觉，相反，异常的、不完全的瞬目有可能进一步加重干眼症状。既往研究发现，当视觉注意力集中时，例如阅读或者观看视频时人眼瞬目频率会降低，同时不完全瞬目的发生率升高，这些改变均与泪膜稳定性降低和干眼症状相关。

目前评估瞬目模式的方法多采用基于直接观察或高速摄像的人工测量法，该方法通常无法量化、耗时长、准确性欠佳，限制了其在临床的推广应用。除此之外，瞬目模式评估还包括基于磁性线圈装置、瞳孔测量等客观方法。虽然在眼睑局部安置磁性线圈被认为是记录眼睑运动的金标准，但是其测量过程依赖于特殊装置且对眼睑自然运动具有一定的干扰性，因此，不适于临床患者的评估。

近年来，基于人工智能的图像识别被应用于瞬目模式的研究，其过程通常包含两步：一，通过高速摄像记录人眼瞬目过程中的眼睑运动；二，对眼睑开启、闭合的图片进行逐帧分析处理，绘制出瞬目波形。该方法是一种较好的瞬目模式评估方法，具有快速、可量化、准确性高的特点。但现有的通过高速摄像分析人眼瞬目模式的评估方法均为正面拍摄，分析过程通常将上、下眼睑的三维运动转换为一维的上、下眼睑的距离参数，该方式容易对被检者视野造成干扰，从而不便于在前方注视状态下准确分析瞬目模式，同时由于其分析参数为一维的距离参数，其结果不符合眼睑运动规律。

发明内容

本发明解决的技术问题是：现有的通过高速摄像分析人眼瞬目模式的评估方法均为正面拍摄，容易对被检者视野造成干扰，从而不便于在前方注视状态下准确分析瞬目模式，同时其分析结果不符合眼睑运动规律。

为解决上述问题，本发明的技术方案如下：

通过高帧率相机对患者上睑及下睑进行侧面视频实时拍摄，再通过深度学习算法对视频拍摄的眼睑实时运动特征进行识别与分析，以上眼睑、下眼睑与外眦角连线构成的角度作为参数进行人眼的瞬目识别和特征分析，输出瞬目特征分析曲线作为人眼瞬目模式检测结果。

进一步地，方法具体包括以下步骤：

S1、患者登录人眼瞬目模式检测系统，通过个人信息管理模块填写个人信息并确认；

S2、患者通过人眼瞬目模式检测模块启动高帧率相机，眼部位置检测子模块通过高帧率相机画面确认拍摄角度，控制高帧率相机转动以保证患者眼侧进入拍摄画面后，基于深度学习神经网络的人眼瞬目模式判断子模块对侧面拍摄的眼睑实时运动特征进行识别与分析；

S3、医护人员登录人眼瞬目模式检测系统，通过结果输出模块实时查看高帧率相机拍摄过程中的瞬目特征分析曲线，通过瞬目特征分析曲线的实时改变，进行人眼瞬目模式检测。