一种瞳孔边缘的确定方法、装置及存储介质与流程

本发明涉及vr(virtualreality，虚拟现实)或ar(augmentedreality，现实增强)领域，特别涉及一种瞳孔边缘的确定方法、装置及存储介质。

背景技术：

在vr或ar交互领域，眼球跟踪与手势识别、按键交互等方式相比，具有更为广泛的应用前景。当人的眼睛看向不同方向时，眼部会有细微的变化，眼球跟踪技术是通过实时追踪眼睛的变化，预测用户的状态和需求并进行响应，进而达到用眼睛控制设备的目的。其中，可以根据瞳孔的位置变化对眼球进行跟踪，但是在提取瞳孔边缘的过程中，会受到眼睑和光斑等干扰因素的影响，使得无法准确提取到瞳孔边缘。

技术实现要素：

本发明实施例提供了一种瞳孔边缘的确定方法、装置及存储介质，以解决现有的方法在眼睑、光斑等干扰因素的影响下无法准确提取瞳孔边缘的问题。

第一方面，本发明实施例提供了一种瞳孔边缘的确定方法，包括：

获取待检测图像，确定所述待检测图像中的待检测区域，其中所述待检测区域为眼部周围预设范围内的区域；

确定所述待检测区域中所有的圆弧边缘，每个所述圆弧边缘通过边缘断裂点分割而成，所述边缘断裂点为待检测区域中灰度梯度大于预设阈值的像素点；

从所有的圆弧边缘中筛选出满足预设要求的瞳孔边缘。

可选地，所述从所有的圆弧边缘中筛选出满足预设要求的瞳孔边缘，包括：

将属于同一圆形的圆弧边缘进行重组得到拟合圆弧；

对重组得到的拟合圆弧进行校验；

从校验成功的所有拟合圆弧中，筛选出满足预设要求的瞳孔边缘。

可选地，所述将属于同一圆形的圆弧边缘进行重组得到拟合圆弧，包括：

步骤a、将所有圆弧边缘按照长度从小到大进行排序，确定第i个圆弧边缘与第j个圆弧边缘的直径的相似度和/或圆心的重合度，其中，i和j为小于等于n的整数，n为圆弧边缘的个数；

步骤b、判断第i个圆弧边缘与第j个圆弧边缘的直径的相似度和/或圆心的重合度是否在相似程度阈值内；

步骤c、若第i个圆弧边缘与第j个圆弧边缘的直径的相似度和/或圆心的重合度未在相似程度阈值内，则将i的值加1，j的值加1，返回步骤a，重复执行所述确定第i+1个圆弧边缘与第j+1个圆弧边缘的直径的相似度和/或圆心的重合度以及所述判断第i+1个圆弧边缘与第j+1个圆弧边缘的直径的相似度和/或圆心的重合度是否在相似程度阈值内的步骤；

步骤d、若第i个圆弧边缘与第j个圆弧边缘的直径的相似度和/或圆心的重合度在相似程度阈值内，则将第i个圆弧边缘与第j个圆弧边缘进行重组得到拟合圆弧。

可选地，在所述步骤d之后，所述方法还包括：

若拟合圆弧的长度和拟合圆弧对应的圆周长的比例在预设的比例阈值以上，则认定成功搜索到圆形，然后将i的值加1，j的值加1，返回步骤a，重复执行所述确定第i+1个圆弧边缘与第j+1个圆弧边缘的直径的相似度和/或圆心的重合度以及所述判断第i+1个圆弧边缘与第j+1个圆弧边缘的直径的相似度和/或圆心的重合度是否在相似程度阈值内的步骤。

可选地，所述确定第i个圆弧边缘与第j个圆弧边缘的直径的相似度和/或圆心的重合度，包括：

根据以下公式确定第i个圆弧边缘与第j个圆弧边缘的直径的相似度di,j和/或圆心的重合度oi,j

式中，di表示通过第i个圆弧边缘拟合得到的直径；dj表示通过第j个圆弧边缘拟合得到的直径；xi表示通过第i个圆弧边缘拟合得到的圆心坐标；(xi,yi)表示通过第i个圆弧边缘拟合得到的圆心坐标；(xj，yj)表示通过第j个圆弧边缘拟合得到的圆心坐标。

可选地，所述对重组得到的拟合圆弧进行校验，包括：

确定所述拟合圆弧上每个像素对应的真实梯度方向与理想梯度方向；

根据所述拟合圆弧上每个像素对应的真实梯度方向与理想梯度方向，确定所述拟合圆弧上的合理像素；

对所述拟合圆弧上的合理像素进行校验。

可选地，所述确定所述拟合圆弧上每个像素对应的真实梯度方向与理想梯度方向，包括：

根据以下公式确定每个像素对应的真实梯度方向δi与理想梯度方向δr

式中，gx表示在x方向上的像素梯度，gy表示在y方向上的像素梯度，(xp,yp)表示拟合圆弧上的一像素点的坐标，(xc,yc)表示拟合圆弧上的圆心坐标；

所述根据所述拟合圆弧上每个像素对应的真实梯度方向与理想梯度方向，确定所述拟合圆弧上的合理像素，包括：

若第一像素的真实梯度方向与理想梯度方向之间的夹角在±m·π/2以内，则认为所述第一像素为合理像素；否则所述第一像素为不合理像素，其中m为固定值。

可选地，所述对所述拟合圆弧上的合理像素进行校验，包括：

根据以下公式对所述拟合圆弧上的合理像素进行校验

式中，n⁵表示所述待检测区域内的拟合圆弧数量，n表示拟合圆弧上所有像素的数量；k表示拟合圆弧上的所有合理像素的数量；m为固定值；

若满足nfa(n,k)≤1，则认为校验成功；否则，校验失败。

可选地，所述从校验成功的所有拟合圆弧中，筛选出满足预设要求的瞳孔边缘，包括：

确定每个校验成功的拟合圆弧内部像素灰度的平均值；

将内部像素灰度的平均值最小的拟合圆弧，确定为瞳孔边缘。

可选地，所述确定待检测区域中所有的圆弧边缘，包括：

确定所述待检测区域中的图像边缘；

从所述图像边缘中筛选出圆弧边缘。

可选地，所述从所述图像边缘中筛选出圆弧边缘，包括：

根据以下公式，确定每个图像边缘的参数k

式中，a表示放大系数；θ为图像边缘的圆心角；sa为图像边缘的弧长，sc为图像边缘的弦长；

若第一图像边缘的参数k满足kl≤k≤kh，则认定所述第一图像边缘为圆弧，其中，kl、kh为固定值；从所述第一图像边缘中，将直径在直径阈值范围内的所述第一图像边缘选取为圆弧边缘；

根据以下公式，确定图像边缘上每个像素对应的曲率值ρ

式中，gx为x方向上的像素梯度；gy为y方向上的像素梯度；gxx,gxy,gxy表示像素梯度在x,y方向的二阶导数；

若第一像素的ρ＞ρ0，则将所述第一像素确定为边缘断裂点，其中ρ0为固定值。

可选地，所述确定所述待检测图像中的待检测区域，包括：

将所述待检测图像进行灰度化处理，得到灰度图像；

利用图像特征提取算法，确定所述灰度图像中的待检测区域。

第二方面，本发明实施例还提供了一种瞳孔边缘提取装置，包括：

第一确定模块，用于获取待检测图像，确定所述待检测图像中的待检测区域；

第二确定模块，用于确定所述待检测区域中所有的圆弧边缘，其中所述待检测区域为眼部周围预设范围内的区域，每个所述圆弧边缘通过边缘断裂点分割而成，所述边缘断裂点为待检测区域中灰度梯度大于预设阈值的像素点；

筛选模块，用于从所有的圆弧边缘中筛选出满足预设要求的瞳孔边缘。

第三方面，本发明实施例还提供了一种瞳孔边缘的确定装置，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的瞳孔边缘的确定方法的步骤。

第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的瞳孔边缘的确定方法的步骤。

本发明的实施例具有如下有益效果：

在本发明实施例中，首先确定待检测图像中的待检测区域，然后确定待检测区域中的圆弧边缘，进而从圆弧边缘中筛选出瞳孔边缘。本发明实施例的瞳孔边缘的确定方法成功解决了光斑、眼睑等干扰因素存在情况下的瞳孔边缘提取问题，具有快速、准确、鲁棒的特点，有效改善了眼球跟踪的整体效果。

附图说明

图1为本发明实施例的瞳孔边缘的确定方法的流程示意图之一；

图2为本发明实施例的待检测区域的示意图；

图3为本发明实施例的圆弧边缘提取过程的示意图；

图4为本发明实施例的瞳孔边缘的确定方法的流程示意图之二；

图5为本发明实施例的圆弧边缘校验过程的示意图；

图6为本发明实施例的瞳孔边缘的确定方法的测试结果示意图；

图7为本发明实施例的瞳孔边缘的确定装置的示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。

参见图1，本发明实施例提供了一种瞳孔边缘的确定方法，该确定方法的具体流程如下所示：

步骤101：获取待检测图像，确定所述待检测图像中的待检测区域，其中所述待检测区域为眼部周围预设范围内的区域；

在本发明实施例中，所述待检测图像可以通过图像采集设备采集得到，如电脑或手机上的摄像头。所述待检测图像为至少包括人体眼部的图像，其中所述待检测图像可以为图片或视频数据等，其中视频数据可以是电视视频数据或电影视频数据，也可以是单反相机、智能手机或平板电脑等终端录制的视频数据。需要说明的是，以上有关所述待检测图像的描述只是示例并非限定。

在本发明实施例中，可以首先将所述待检测图像进行灰度化处理，得到灰度图像；再利用图像特征提取算法，确定所述灰度图像中的待检测区域。

进一步地，可以利用cvtcolor(opencv里的颜色空间转换函数)函数将所述待检测图像进行灰度化处理。进而可以利用haar特征提取方法确定所述灰度图像中的待检测区域，例如：可以通过haar-center-surround特征来确定所述灰度图像中的待检测区域，其中haar-center-surround特征可以用于表示待检测图像的灰度变化情况，进而通过待检测图像的灰度变化情况可以实现眼部的粗定位，定位结果如图2中的方框所示。

步骤102：确定所述待检测区域中所有的圆弧边缘，每个所述圆弧边缘通过边缘断裂点分割而成，所述边缘断裂点为待检测区域中灰度梯度大于预设阈值的像素点；

在本发明实施例中，可以首先确定所述待检测区域中的图像边缘；再从所述图像边缘中筛选出圆弧边缘。

其中，现行的实现方法是通过红外二极管主动投射红外线进行补光，通过小型相机采集图像，利用算法识别瞳孔特征，检测瞳孔边缘轮廓，定位瞳孔中心，进而完成眼球跟踪过程。但是，在提取瞳孔边缘时，通常先进行光斑补偿，选取合适的阈值进行二值化，在二值图像上提取边缘，再利用拟合法定位中心。该方式的缺点在于光斑补偿效果受掩膜的影响非常大，会改变图像的细节。为了解决以上方式所存在的问题，本发明实施例是直接在最原始的灰度图像上进行处理，这样可以避开光斑补偿和二值化过程对瞳孔边缘提取过程产生的影响，以保证精度。

进一步地，可以利用边缘检测算子提取所述待检测区域内图像边缘，然后可以根据图像边缘上每个像素对应的曲率值，确定图像边缘的边缘断裂点。其中边缘检测算子可以为canny边缘检测算子，canny边缘检测算子是一种多级边缘检测算法。

其中，可以根据以下公式，确定图像边缘上每个像素对应的曲率值ρ

式中，gx为x方向上的像素梯度；gy为y方向上的像素梯度；gxx,gxy,gxy表示像素梯度在x,y方向的二阶导数。

若第一像素的ρ＞ρ0，则将所述第一像素确定为边缘断裂点，其中ρ0为固定值。例如：曲率阈值ρ0为经验值，可以取ρ0＝1.85，即一条边缘通过该像素点时，在方向上发生了突变，因此，可筛选出梯度突变的像素，并将该像素点作为边缘断裂点分割图像边缘。

进一步地，可以首先确定每个图像边缘的参数k，参数k是与图像边缘的圆心角有关的参数，且参数k可以用于表示图像边缘是否为圆弧边缘。进而根据参数k可以确定图像边缘是否为圆弧边缘，并在图像边缘中选取参数k和直径均满足要求的圆弧边缘。

如图3所示，一段图像边缘的起始点与终止点分别为(xs,ys)和(xe,ye)，该段图像边缘的弧长为sa，弦长为sc，可以根据以下公式，确定每个图像边缘的参数k

式中，a表示放大系数，a≥1；θ为图像边缘的圆心角；sa为图像边缘的弧长，sc为图像边缘的弦长；

需要说明的是，通过放大系数a可以对k的值进行放大，进而避免阈值过小的问题，方便处理。例如：a＝10，即可以将k的值放大十倍。

若第一图像边缘的参数k满足kl≤k≤kh，则认定所述第一图像边缘为圆弧边缘，其中，kl、kh为固定值；从所述第一图像边缘中，将直径在直径阈值范围内的所述第一图像边缘选取为圆弧边缘。

对公式2)进行参数求导可得

由公式3)可知：

1)k′θ＞0恒成立，即k相对于θ的增加而增加，但增加的速率不恒定；

2)θ≥30°时，约定为圆弧，此时设定阈值kh＝0.11。即若某段图像边缘满足k≥kh，则默认该段图像边缘为长圆弧。此时，图像边缘所对应的眼部位置可能为瞳孔、光斑、虹膜或眼睑等。

3)同理设定阈值kl＝0.01，即若某段边缘满足k≤kl，则默认该段边缘为直线或者半径很大的圆弧。此时，图像边缘所对应的眼部位置可能为眼睑或睫毛等。

4)若某段图像边缘满足kl≤k≤kh，则认为该段图像边缘为短圆弧，保留该图像边缘。

其中，保留下来的圆弧边缘所对应的眼部位置包含瞳孔、光斑和虹膜三类，有时也包含眼睑部分。首先对保留下来的图像边缘进行拟合得到其直径值，以像素为单位；考虑到在应用场景中的相机与眼睛之间的距离变化非常小，实际测试发现光斑、瞳孔、虹膜、眼睑四部分的直径分布分别为：10±5pixel、60±15pixel、130±27pixel、≥320pixel。因此设定直径阈值范围[dl,dh]＝[18,300]，删除直径值在阈值范围之外的圆弧边缘，包括光斑与眼睑部分的边缘，保留直径值在阈值范围以内的圆弧边缘，其中包括瞳孔与虹膜部分的边缘。

步骤103：从所有的圆弧边缘中筛选出满足预设要求的瞳孔边缘。

在本发明实施例中，可以首先将属于同一圆形的圆弧边缘进行重组得到拟合圆弧；再对重组得到的拟合圆弧进行校验；最终从校验成功的所有拟合圆弧中，筛选出满足预设要求的瞳孔边缘。

在本发明实施例中，首先确定待检测图像中的待检测区域，然后确定待检测区域中的圆弧边缘，进而从圆弧边缘中筛选出瞳孔边缘。本发明实施例的瞳孔边缘的确定方法成功解决了光斑、眼睑等干扰因素存在情况下的瞳孔边缘提取问题，具有快速、准确和鲁棒的特点，有效改善了眼球跟踪的整体效果。

参见图4，本发明实施例提供了一种瞳孔边缘的确定方法，该确定方法的具体流程如下所示：

步骤401：获取待检测图像，确定所述待检测图像中的待检测区域，其中所述待检测区域为眼部周围预设范围内的区域；

在本发明实施例中，步骤401的实施原理与步骤101的实施原理相同，相似之处不再赘述。

步骤402：确定所述待检测区域中所有的圆弧边缘，每个所述圆弧边缘通过边缘断裂点分割而成，所述边缘断裂点为待检测区域中灰度梯度大于预设阈值的像素点；

在本发明实施例中，步骤402的实施原理与步骤102的实施原理相同，相似之处不再赘述。

步骤403：将属于同一圆形的圆弧边缘进行重组得到拟合圆弧；

在本发明实施例中，可以通过以下步骤，将属于同一圆形的圆弧边缘进行重组得到拟合圆弧，具体包括：

步骤a、将所有圆弧边缘按照长度的从小到大进行排序，确定第i个圆弧边缘与第j个圆弧边缘的直径的相似度和/或圆心的重合度，其中，i和j为小于等于n的整数，n为圆弧边缘的个数；

例如：待检测区域中有n个圆弧边缘，可以将n个圆弧边缘按照长度的从小到大进行排序，即[s1,s2…sn]；进而按照已经确定的顺序，先从s1开始，将s1分别与s2，s32…sn进行比较，拟合求得其直径和圆心，并计算其直径的相似度与圆心的重合度，然后依次将s2…和sn分别与其他圆弧边缘进行比较。

步骤b、判断第i个圆弧边缘与第j个圆弧边缘的直径的相似度和/或圆心的重合度是否在相似程度阈值内；

步骤c、若第i个圆弧边缘与第j个圆弧边缘的直径的相似度和/或圆心的重合度未在相似程度阈值内，则将i的值加1，j的值加1，返回步骤a；重复执行所述确定第i+1个圆弧边缘与第j+1个圆弧边缘的直径的相似度和/或圆心的重合度以及所述判断第i+1个圆弧边缘与第j+1个圆弧边缘的直径的相似度和/或圆心的重合度是否在相似程度阈值内的步骤；

步骤d、若第i个圆弧边缘与第j个圆弧边缘的直径的相似度和/或圆心的重合度在相似程度阈值内，则将第i个圆弧边缘与第j个圆弧边缘进行重组得到拟合圆弧。

在所述步骤d之后，若拟合圆弧的长度和拟合圆弧对应的圆周长的比例在预设的比例阈值以上，则认定成功搜索到圆形，然后将i的值加1，j的值加1，返回步骤a，重复执行所述确定第i+1个圆弧边缘与第j+1个圆弧边缘的直径的相似度和/或圆心的重合度以及所述判断第i+1个圆弧边缘与第j+1个圆弧边缘的直径的相似度和/或圆心的重合度是否在相似程度阈值内的步骤。

在本发明实施例中，预设的比例阈值可以为1:3，即拟合圆弧所对应的圆心角大于120°，则认为成功搜索到圆形。需要说明的是，以上有关预设的比例阈值的描述只是示例并非限定。

进一步地，可以根据以下公式确定第i个圆弧边缘与第j个圆弧边缘的直径的相似度di,j和/或圆心的重合度oi,j

式中，di表示通过第i个圆弧边缘拟合得到的直径；dj表示通过第j个圆弧边缘拟合得到的直径；xi表示通过第i个圆弧边缘拟合得到的圆心坐标；(xi,yi)表示通过第i个圆弧边缘拟合得到的圆心坐标；(xj，yj)表示通过第j个圆弧边缘拟合得到的圆心坐标。

若di,j,oi,j越接近1，则认为第i个圆弧边缘与第j个圆弧边缘的相似程度越高，按实测经验值设定相似程度阈值为[0.75,1]。若di,j和oi,j均在相似程度阈值内，则认为当前圆弧属于同一个圆，将第i个圆弧边缘与第j个圆弧边缘进行重组并重新拟合求其直径与圆心；否则，开始下一次比较。需要说明的是，以上有关相似程度阈值的描述只是示例并非限定。

步骤404：对重组得到的拟合圆弧进行校验；

在本发明实施例中，可以首先确定所述拟合圆弧上每个像素对应的真实梯度方向与理想梯度方向；再根据所述拟合圆弧上每个像素对应的真实梯度方向与理想梯度方向，确定所述拟合圆弧上的合理像素；最终对所述拟合圆弧上的合理像素进行校验。可以理解的是，可以利用圆弧边缘上的像素的梯度方向与圆心指向该像素的指向方向的一致性，对圆弧边缘重组后的拟合圆进行校验，以验证其合理性，如图5所示。

进一步地，可以根据以下公式确定每个像素对应的真实梯度方向δi与理想梯度方向δr

式中，gx表示在x方向上的像素梯度，gy表示在y方向上的像素梯度，(xp,yp)表示拟合圆弧上的一像素点的坐标，(xc,yc)表示拟合圆弧上的圆心坐标；

在本发明实施例中，若第一像素的真实梯度方向与理想梯度方向之间的夹角在±m·π/2以内，则认为所述第一像素为合理像素；否则所述第一像素为不合理像素，其中m为固定值，例如：m＝0.125。

参见图5所示，阴影区域即为±m·π/2所在区域，若第一像素的真实梯度方向在图5所示的阴影区域内，则认为所述第一像素为合理像素；否则，所述第一像素为不合理像素，以此找到拟合圆弧上的所有合理像素。

在本发明实施例中，可以根据以下公式对所述拟合圆弧上的合理像素进行校验

式中，n⁵表示所述待检测区域内的拟合圆弧数量，n表示拟合圆弧上所有像素的数量；k表示拟合圆弧上的所有合理像素的数量；m为固定值；

若满足nfa(n,k)≤1，则认为校验成功；否则，校验失败。

步骤405：从校验成功的所有拟合圆弧中，筛选出满足预设要求的瞳孔边缘。

在本发明实施例中，由于瞳孔的灰度是眼部图像中最小的，可以依据拟合圆弧内部像素的灰度平均值最小的原则，筛选出唯一确定的瞳孔边缘。其中拟合圆弧内部像素的灰度平均值最小的原则的大致内容为：首先确定每个校验成功的拟合圆弧内部像素灰度的平均值；再将内部像素灰度的平均值最小的拟合圆弧，确定为瞳孔边缘。

需要说明的是，在确定拟合圆弧内部像素灰度的平均值的过程中，需要统计拟合圆弧上的像素的灰度值以及拟合圆弧的内部的像素的灰度值，并将拟合圆弧上的像素的灰度值以及拟合圆弧内部的像素的灰度值求其平均值。其中拟合圆弧的内部是指靠近圆心一侧所对应的区域。

本发明实施例的瞳孔边缘的确定方法直接在最原始的灰度图像上，通过边缘提取、重组、校验等步骤提取瞳孔边缘，可在光斑、眼睑等干扰因素存在的情况下，也能在待检测图像中快速、准确地提取瞳孔边缘，同时还可以避开光斑补偿和二值化过程对瞳孔边缘提取过程产生的影响，以保证精度。本发明实施例的瞳孔边缘的确定方法测试结果如图6所示，图6中的圆点表示边缘断裂点，图6中的曲线表示最终的圆弧边缘提取结果，即拟合得到的瞳孔边缘。通过图6可以看出，通过本发明实施例的瞳孔边缘的确定方法，可以准确地提取瞳孔边缘，可以提高眼球跟踪的稳定性。

在本发明实施例中，首先利用haar-center-surround特征进行眼球粗定位，利用灰度梯度突变像素来分割canny算子提取的图像边缘；然后，设计参数和阈值提取圆弧边缘；接着，利用相似性与重合度原理对所有圆弧边缘进行重组以避免重复计算；最后，选取合理像素与nfa完成最终的圆弧校验，并筛选出唯一的瞳孔边缘。本发明实施例的瞳孔边缘的确定方法成功解决了在光斑、眼睑等干扰因素存在情况下的瞳孔边缘提取问题，具有精度高、用时少和鲁棒的特点，方便后续的中心定位与视线计算等任务，改善了眼球跟踪的整体效果。

另外，本发明实施例的瞳孔边缘的确定方法是在原始的灰度图像中提取图像边缘，这样可以避开光斑补偿和二值化过程对瞳孔边缘提取过程产生的影响，可以保证提取的精度。

为了解决瞳孔边缘提取的问题，本发明实施例还提供了一种瞳孔边缘提取装置，由于瞳孔边缘提取装置解决问题的原理与本发明实施例中的瞳孔边缘提取方法相似，因此该瞳孔边缘提取装置的实施可以参见方法的实施，重复之处不再敷述。

参见图7，本发明实施例还提供了一种瞳孔边缘提取装置700，包括：

第一确定模块701，用于获取待检测图像，确定所述待检测图像中的待检测区域；

第二确定模块702，用于确定所述待检测区域中所有的圆弧边缘，其中所述待检测区域为眼部周围预设范围内的区域，每个所述圆弧边缘通过边缘断裂点分割而成，所述边缘断裂点为待检测区域中灰度梯度大于预设阈值的像素点；

筛选模块703，用于从所有的圆弧边缘中筛选出满足预设要求的瞳孔边缘。

可选地，所述筛选模块703可以包括：

重组子模块，用于将属于同一圆形的圆弧边缘进行重组得到拟合圆弧；

校验子模块，用于对重组得到的拟合圆弧进行校验；

筛选子模块，用于从校验成功的所有拟合圆弧中，筛选出满足预设要求的瞳孔边缘。

可选地，所述重组子模块可以包括：

第一确定单元，用于将所有圆弧边缘按照长度从小到大进行排序，确定第i个圆弧边缘与第j个圆弧边缘的直径的相似度和/或圆心的重合度，其中，i和j为小于等于n的整数，n为圆弧边缘的个数；

第一判断单元，用于判断第i个圆弧边缘与第j个圆弧边缘的直径的相似度和/或圆心的重合度是否在相似程度阈值内；

若第i个圆弧边缘与第j个圆弧边缘的直径的相似度和/或圆心的重合度未在相似程度阈值内，则将i的值加1，j的值加1，返回步骤a，重复执行所述确定第i+1个圆弧边缘与第j+1个圆弧边缘的直径的相似度和/或圆心的重合度以及所述判断第i+1个圆弧边缘与第j+1个圆弧边缘的直径的相似度和/或圆心的重合度是否在相似程度阈值内的步骤；

第一执行单元，用于若第i个圆弧边缘与第j个圆弧边缘的直径的相似度和/或圆心的重合度在相似程度阈值内，则将第i个圆弧边缘与第j个圆弧边缘进行重组得到拟合圆弧。

可选地，所述筛选模块703还可以包括：

第二执行单元，用于若拟合圆弧的长度和拟合圆弧对应的圆周长的比例在预设的比例阈值以上，则认定成功搜索到圆形，然后将i的值加1，j的值加1，返回步骤a，重复执行所述确定第i+1个圆弧边缘与第j+1个圆弧边缘的直径的相似度和/或圆心的重合度以及所述判断第i+1个圆弧边缘与第j+1个圆弧边缘的直径的相似度和/或圆心的重合度是否在相似程度阈值内的步骤。

可选地，所述第一确定单元包括：

第一确定子单元，用于根据以下公式确定第i个圆弧边缘与第j个圆弧边缘的直径的相似度di,j和/或圆心的重合度oi,j

式中，di表示通过第i个圆弧边缘拟合得到的直径；dj表示通过第j个圆弧边缘拟合得到的直径；xi表示通过第i个圆弧边缘拟合得到的圆心坐标；(xi,yi)表示通过第i个圆弧边缘拟合得到的圆心坐标；(xj，yj)表示通过第j个圆弧边缘拟合得到的圆心坐标。

可选地，所述校验子模块可以包括：

第二确定单元，用于确定所述拟合圆弧上每个像素对应的真实梯度方向与理想梯度方向；

第三确定单元，用于根据所述拟合圆弧上每个像素对应的真实梯度方向与理想梯度方向，确定所述拟合圆弧上的合理像素；

校验单元，用于对所述拟合圆弧上的合理像素进行校验。

可选地，所述第二确定单元可以包括：

第二确定子单元，用于根据以下公式确定每个像素对应的真实梯度方向δi与理想梯度方向δr

式中，gx表示在x方向上的像素梯度，gy表示在y方向上的像素梯度，(xp,yp)表示拟合圆弧上的一像素点的坐标，(xc,yc)表示拟合圆弧上的圆心坐标；

可选地，所述第三确定单元包括：

第三确定子单元，用于若第一像素的真实梯度方向与理想梯度方向之间的夹角在±m·π/2以内，则认为所述第一像素为合理像素；否则所述第一像素为不合理像素，其中m为固定值。

可选地，所述校验单元可以包括：

校验子单元，用于根据以下公式对所述拟合圆弧上的合理像素进行校验

式中，n⁵表示所述待检测区域内的拟合圆弧数量，n表示拟合圆弧上所有像素的数量；k表示拟合圆弧上的所有合理像素的数量；m为固定值；

若满足nfa(n,k)≤1，则认为校验成功；否则，校验失败。

可选地，所述筛选子模块可以包括：

第四确定单元，用于确定每个校验成功的拟合圆弧内部像素灰度的平均值；

第五确定单元，用于将内部像素灰度的平均值最小的拟合圆弧，确定为瞳孔边缘。

可选地，所述第二确定模块702可以包括：

第三确定子模块，用于确定所述待检测区域中的图像边缘；

第二筛选子模块，用于从所述图像边缘中筛选出圆弧边缘。

可选地，所述第二筛选子模块可以包括：

第六确定单元，用于根据以下公式，确定每个图像边缘的参数k

式中，a表示放大系数，a≥1；θ为图像边缘的圆心角；sa为图像边缘的弧长，sc为图像边缘的弦长；

若第一图像边缘的参数k满足kl≤k≤kh，则认定所述第一图像边缘为圆弧，其中，kl、kh为固定值；从所述第一图像边缘中，将直径在直径阈值范围内的所述第一图像边缘选取为圆弧边缘；

第七确定单元，用于根据以下公式，确定图像边缘上每个像素对应的曲率值ρ

式中，gx为x方向上的像素梯度；gy为y方向上的像素梯度；gxx,gxy,gxy表示像素梯度在x,y方向的二阶导数；

若第一像素的ρ＞ρ0，则将所述第一像素确定为边缘断裂点，其中ρ0为固定值。

可选地，所述第一确定模块701可以包括：

处理子模块，用于将所述待检测图像进行灰度化处理，得到灰度图像；

第四确定子模块，用于利用图像特征提取算法，确定所述灰度图像中的待检测区域。

在本发明实施例中，首先通过第一确定模块701确定待检测图像中的待检测区域，然后通过第二确定模块702确定待检测区域中的圆弧边缘，进而通过筛选模块703从圆弧边缘中筛选出瞳孔边缘。本发明实施例的瞳孔边缘的确定装置成功解决了光斑、眼睑等干扰因素存在情况下的瞳孔边缘提取问题，具有快速、准确、鲁棒的特点，有效改善了眼球跟踪的整体效果。

另外，本发明实施例还提供一种瞳孔边缘的确定装置，包括处理器，存储器，存储在存储器上并可在所述处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述瞳孔边缘的确定方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述瞳孔边缘的确定方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

其中，所述的计算机可读存储介质，如只读存储器(read-onlymemory，简称rom)、随机存取存储器(randomaccessmemory，简称ram)、磁碟或者光盘等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。