瞳孔追踪技术 研发

样例图像大概是这样

因为样本量不足，自己画了几幅

分析：

瞳孔，是动物或人眼睛内虹膜中心的小圆孔，为光线进入眼睛的通道。上虹膜瞳孔括约肌的收缩可以使瞳孔缩小，瞳孔开大肌的收缩使瞳孔散大，瞳孔的开大与缩小展示进入控制瞳孔的光量。

图像角度来看：瞳孔是高密度黑色圆形区域

要求瞳孔分割，可以用hough检测圆形，但是速度太慢了，跟不上瞳孔运动速度，所以本算法必须要求简单快速

有以下几种思路：

1.基于灰度直方图做波谷检测，从而阈值分割，随后计算图像质心，在质心范围内，检测上下边界，框出一个矩形，在矩形中，再此检测质心，则基本可以保证质心的准确度

2.平均值阈值分割，求全图黑色像素个数，当做瞳孔面积。根据圆形面积公式换算出半径R，从（0,0）为起点做滑动窗口，以[R为边长，检测每个窗口中黑色像素数量，最大的为瞳孔中心。

3.在二的基础上，不再用滑动窗口计算，而是做随机数，随机窗口计算

4.不做二值化，在原图的基础上，把计算像素数量换成计算窗口内灰度方差与深灰色像素数量

按照第4种思路，我做了一些尝试

from PIL import Image 
import numpy as np
img =  Image.open('F:\\BaiduNetdiskDownload\\new_data\\TIM图片20180824142106.jpg').convert('L')
img = np.mat(img)
h = img.shape[0]
w = img.shape[1]
avg = np.mean(img)
var = img.var()
print(avg)
print(var)


tx=0
ty=0
tavg=0
tvar=0
for i in range(100000):
    x = np.random.randint(h)
    y = np.random.randint(w)
    randmat = img[x-5:x+5,y-5:y+5]
    randavg = np.mean(randmat)
    randvar = randmat.var()
    if randvar

修改了一下代码，只要一百个随机点，就能找到瞳孔

蓝色点为瞳孔位置，但是该算法鲁棒性不够，考虑改进