基于計(jì)算機(jī)視覺(jué)的健康監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

邢鑫 張波

摘要：為了使用虹膜診斷學(xué)來(lái)預(yù)測(cè)人體的亞健康狀況，實(shí)現(xiàn)虹膜特征的自動(dòng)檢測(cè)完成人體亞健康狀況監(jiān)測(cè)，文章采用了計(jì)算機(jī)視覺(jué)的方法，通過(guò)檢測(cè)虹膜上的特征，觀察虹膜各反射區(qū)的變化，從而了解身體的健康及狀態(tài)改變，實(shí)現(xiàn)人體亞健康狀況的檢測(cè)，從而早預(yù)防早治療。

關(guān)鍵詞：虹膜特征檢測(cè)；人體健康監(jiān)測(cè)系統(tǒng)；圖像處理；計(jì)算機(jī)視覺(jué)

中圖分類號(hào)：TP391 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）31-0017-02

1 引言

虹膜診斷學(xué)[1]就是一種通過(guò)檢查虹膜紋理特征判斷人體內(nèi)部器官的潛在問(wèn)題和病變的方法。由于虹膜上有人體臟器的各種反射區(qū)，因此可以通過(guò)檢測(cè)虹膜上的各種紋理，觀察虹膜各反射區(qū)的性狀變化，了解身體的健康及狀態(tài)改變。研究基于計(jì)算機(jī)視覺(jué)的人體亞健康狀況監(jiān)測(cè)系統(tǒng)就是通過(guò)計(jì)算機(jī)視覺(jué)方法來(lái)完成虹膜異常紋理信息的定位與判斷，這對(duì)于實(shí)現(xiàn)人體健康狀況監(jiān)測(cè)具有非常重要的意義。

虹膜上有異常豐富的紋理[2]，其中卷縮輪、坑洞、色素斑和放射溝以及出現(xiàn)的位置，根據(jù)虹膜診斷學(xué)中的映射圖譜，能夠反映出人體潛在的亞健康狀態(tài)。所以對(duì)這些紋理的檢測(cè)尤為重要，也是整個(gè)健康監(jiān)測(cè)系統(tǒng)的核心所在，在此基礎(chǔ)上，結(jié)合圖像采集系統(tǒng)和虹膜診斷學(xué)理論搭建診斷系統(tǒng)，設(shè)計(jì)友好的UI界面，能夠?qū)崿F(xiàn)人體健康系統(tǒng)的監(jiān)測(cè)。

2 ?系統(tǒng)分析與設(shè)計(jì)

人體健康狀況監(jiān)測(cè)系統(tǒng)使用計(jì)算機(jī)視覺(jué)方法對(duì)人的整個(gè)眼部拍攝到的圖像進(jìn)行預(yù)處理，定位為虹膜所在位置，對(duì)人體虹膜圖像中的紋理特征進(jìn)行定位和提取。系統(tǒng)的主要流程為：進(jìn)入系統(tǒng)對(duì)上傳的虹膜圖進(jìn)行預(yù)處理[3]，之后進(jìn)行虹膜特征檢測(cè)并進(jìn)行特征分析最終得到檢測(cè)結(jié)果[4]，流程如圖1所示。

通過(guò)上述的分析可知，系統(tǒng)可分為4個(gè)模塊：預(yù)處理模塊、異常特征檢測(cè)模塊、特征分析模塊、取得結(jié)果模塊。預(yù)處理模塊就是在采集的人眼圖像中準(zhǔn)確地將虹膜區(qū)域定位出來(lái)，再進(jìn)行歸一化展開。特征檢測(cè)模塊就是采用不同的算法將預(yù)處理得到的虹膜圖像進(jìn)行紋理特征（例如卷縮輪、坑洞、斑塊等）的檢測(cè)。特征分析模塊指的是對(duì)檢測(cè)得到的虹膜圖像依據(jù)虹膜診斷學(xué)的方法進(jìn)行特征分析。取得結(jié)果模塊是從分析得來(lái)的結(jié)果得知人體的亞健康的狀況，從而使人能意識(shí)到自己存在的問(wèn)題并加以改善亞健康。

通過(guò)上述分析得來(lái)的各功能模塊主要界面如圖2所示，用戶主要通過(guò)界面與系統(tǒng)進(jìn)行交互。系統(tǒng)界面主要包括主界面和工作界面以及檢查結(jié)果界面。系統(tǒng)主界面提供用戶名和密碼即可進(jìn)入本系統(tǒng)。系統(tǒng)工作界面如上文分析，主要有文件、人工和單項(xiàng)的界面，如圖2所示。

3 算法設(shè)計(jì)與實(shí)現(xiàn)

3.1 算法流程

設(shè)計(jì)人體健康監(jiān)測(cè)系統(tǒng)具體算法流程如下：1） 將用圖像傳感器采集到的圖像進(jìn)行定位并歸一化展開；2） 利用曲線算子和過(guò)濾因子進(jìn)行檢測(cè)和篩選，并去除掉卷縮輪內(nèi)部紋理；3） 去掉其他如眼瞼睫毛等干擾紋理，提取異常紋理的HOG特征和形狀參數(shù)，作為特征向量參數(shù)；4） 采用SVM分類器，選擇線性核函數(shù)，實(shí)現(xiàn)異常紋理和正常紋理的分類，從而檢測(cè)異常紋理。算法流程如圖3所示。

3.2 算法實(shí)現(xiàn)及結(jié)果

3.2.1 預(yù)處理模塊

通過(guò)圖像傳感器采集的圖像，需要首先在包含睫毛、眼瞼等復(fù)雜背景下定位出虹膜的內(nèi)外邊緣，而且由于虹膜大小不一，為了后續(xù)處理方便，需要進(jìn)行歸一化展開。其算法原理為：首先根據(jù)人眼圖像的灰度分布特征，采用合適的閾值對(duì)圖像進(jìn)行二值化處理，在虹膜的內(nèi)邊緣處檢測(cè)3個(gè)點(diǎn)，根據(jù)“非共線3點(diǎn)確定一個(gè)圓”的原理，得到瞳孔的圓心點(diǎn)和半徑值，由此定位虹膜內(nèi)邊緣，再用同樣的方法定位虹膜外邊緣，由此虹膜區(qū)域定位完成。由于受光照等因素的影響，在不同的人眼圖像中定位到的虹膜區(qū)域的大小會(huì)有所不同，因此，需要通過(guò)歸一化的方法將大小不同的虹膜區(qū)域轉(zhuǎn)化為統(tǒng)一的矩形，其原理是利用極坐標(biāo)轉(zhuǎn)化為橫縱坐標(biāo)的方法將定位到的環(huán)狀區(qū)域轉(zhuǎn)化為200行720列的矩形圖像。在展開時(shí)，以虹膜的徑向方向?yàn)榫匦蔚男蟹较?，虹膜的周向方向?yàn)檎归_后矩形圖像的列方向，實(shí)現(xiàn)結(jié)果如圖4所示。

3.2.2 卷縮輪檢測(cè)模塊

通過(guò)對(duì)圖庫(kù)中大量虹膜卷縮輪樣本進(jìn)行觀察，在對(duì)卷縮輪特征進(jìn)行分析的基礎(chǔ)上，首先根據(jù)虹膜卷縮輪內(nèi)部紋理的位置特征、形狀特征和灰度特征，定義曲線檢測(cè)算子，在歸一化圖像中，利用曲線檢測(cè)算子對(duì)圖像進(jìn)行處理，再根據(jù)卷縮輪內(nèi)部紋理特征定義過(guò)濾因子進(jìn)行去噪；其次，通過(guò)最小二乘法將提取的卷縮輪內(nèi)部紋理終點(diǎn)坐標(biāo)進(jìn)行擬合得到卷縮輪的初定位區(qū)域；最后，利用邊緣梯度算子在初定位區(qū)域進(jìn)行檢測(cè)實(shí)現(xiàn)了卷縮輪最終定位，檢測(cè)結(jié)果如圖5所示。

3.2.3 虹膜外部紋理檢測(cè)模塊

虹膜外部紋理主要分為坑洞、斑塊、裂縫及環(huán)狀線條四種特征，在3.2.2節(jié)將卷縮輪準(zhǔn)確檢測(cè)定位之后，把卷縮輪內(nèi)部的紋理去除掉，提取坑洞或者放射溝等異常紋理的紋理特征，提取方向梯度直方圖（HOG） 和形態(tài)參數(shù)特征提取，并對(duì)HOG特征進(jìn)行PCA降維處理，最后與提取的形態(tài)參數(shù)特征串聯(lián)融合得到最終的特征向量。在圖庫(kù)中選取100張樣本作為訓(xùn)練集，使用SVM分類器進(jìn)行訓(xùn)練并對(duì)圖庫(kù)中的其他200張含有異常紋理的圖像進(jìn)行測(cè)試，可以將坑洞及放射溝進(jìn)行定位檢測(cè)。對(duì)坑洞的檢測(cè)如圖6所示，對(duì)放射溝的檢測(cè)如圖7所示。檢測(cè)后的異常紋理依據(jù)虹膜反射圖，將其映射到相應(yīng)的部分，能夠準(zhǔn)確地判斷出哪個(gè)位置哪個(gè)器官容易出現(xiàn)亞健康狀態(tài)，從而給出最后的結(jié)論。

4 結(jié)論

虹膜學(xué)的發(fā)展使得監(jiān)測(cè)人體亞健康狀況成為可能，通過(guò)圖像處理的方法對(duì)虹膜上存在的特征進(jìn)行檢測(cè)，并在此基礎(chǔ)上搭建虹膜輔助診斷系統(tǒng)，從而實(shí)現(xiàn)人體亞健康狀況的自動(dòng)預(yù)警。該方法逐漸被各國(guó)研究者所重視，也是當(dāng)前形勢(shì)下的大勢(shì)所趨。

參考文獻(xiàn)：

[1] 王巍，蔡勇，辛國(guó)棟.計(jì)算機(jī)輔助虹膜診斷[J].兵工自動(dòng)化，2004，23（5）：77.

[2] 馬琳，王寬全，韓蘊(yùn)新，等.計(jì)算機(jī)自動(dòng)虹膜診病系統(tǒng)研究[C]//中國(guó)中西醫(yī)結(jié)合學(xué)會(huì)四診研究專業(yè)委員會(huì).第七次全國(guó)中西醫(yī)結(jié)合四診研究學(xué)術(shù)會(huì)議論文匯編.第七次全國(guó)中西醫(yī)結(jié)合四診研究學(xué)術(shù)會(huì)議：中國(guó)中西醫(yī)結(jié)合學(xué)會(huì)四診研究專業(yè)委員會(huì)，2004：121-124.

[3] 何家峰，葉虎年，李柱.多任務(wù)虹膜診斷專家系統(tǒng)的研究[J].華中理工大學(xué)學(xué)報(bào)，1999，27（9）：76-77.

[4] 蔡昂，劉曉敏.基于虹膜角點(diǎn)密度和瞳孔大小的健康檢測(cè)系統(tǒng)設(shè)計(jì)與分析[J].江蘇科技信息，2019，36（3）：54-56.

[5] Zhang B，Yuan W Q.Iris cracks detection method based on minimum local gray value and dilating window of regional mean gray value[C]//Biometric Recognition，2015：357-364.

[6] 張波，苑瑋琦.基于匹配濾波的虹膜環(huán)狀線條檢測(cè)的預(yù)處理方法[J].計(jì)算機(jī)應(yīng)用研究，2017，34（11）：3468-3471，3476.

[7] 張波，呂翠翠.基于V型檢測(cè)算子和邊緣梯度的虹膜卷縮輪檢測(cè)方法[J].計(jì)算機(jī)應(yīng)用研究，2021，38（6）：1917-1920.

[8] 苑瑋琦，張波，劉笑楠.基于灰度差分和脊線檢測(cè)算子的虹膜裂縫檢測(cè)[J].儀器儀表學(xué)報(bào)，2016，37（10）：2290-2299.

【通聯(lián)編輯：唐一東】

收稿日期：2022-06-20

基金項(xiàng)目：遼寧省科技廳省自然科學(xué)基金（省博士啟動(dòng)基金）計(jì)劃資助項(xiàng)目：基于人工智能算法的虹膜卷縮輪紋理檢測(cè)方法研究（2019-BS-191） ；沈陽(yáng)化工大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目 ：基于計(jì)算機(jī)視覺(jué)的人體亞健康狀況監(jiān)測(cè)系統(tǒng)（20201014912）

作者簡(jiǎn)介：邢鑫（2001—） ， 男，遼寧遼陽(yáng)人，本科，主要研究方向?yàn)橛?jì)算機(jī)科學(xué)與技術(shù)；張波，副教授，博士。