[发明专利]基于深度学习的眼睑拓扑形态特征的提取方法

权利要求书

1.一种基于深度学习的眼睑拓扑形态特征的提取方法，其特征在于：包括以下步骤：

步骤1：采集正常人的电子数码照片，由电子数码照片组成面部照片数据集；

步骤2：对标注眼睑轮廓线和角膜轮廓线的电子数码照片进行处理获得二值分割图像，由所有电子数码照片的二值分割图像组成二值分割图像数据集；

步骤3：对二值分割图像数据集中的二值分割图像使用面部识别方法定位眼部感兴趣区域位置，获得二值分割图像的ROI区域二值分割图像，由所有二值分割图像的ROI区域二值分割图像组成ROI图像训练集；

步骤4：构建基于AGN的卷积神经网络；

步骤5：将步骤3获得的ROI图像训练集输入步骤4的卷积神经网络，获得训练后的卷积神经网络；

步骤6：对待测的电子数码照片使用面部识别方法定位眼部感兴趣区域位置，获得待测的ROI区域图像，将待测的ROI区域图像输入训练后的卷积神经网络，训练后的卷积神经网络输出每个像素点为角膜、眼睑和背景的分类概率，根据预设阈值判断每个像素点的分类概率，将每个像素点进行分类，由各类像素点分类后组成待测的ROI区域图像的角膜区域、眼睑区域和背景区域，最终输出带有眼睑轮廓线和角膜轮廓线图像；

步骤7：重复若干次随机选取带有眼睑轮廓线和角膜轮廓线图像中角膜轮廓线的三个像素点并拟合三个像素点所在圆的圆心，对多次拟合获得的圆心使用聚类方法确定聚类中心，将聚类中心作为瞳孔中心；

步骤8：步骤6中的待测的电子数码照片的额头处贴有圆标，在HSV颜色空间中使用霍夫编码方法检测圆标，通过计算获得圆形比例尺；

步骤9：利用步骤8获得的圆形比例尺和步骤7定位的瞳孔中心对步骤6获得的带有眼睑轮廓线和角膜轮廓线图像进行计算，获得单眼的上睑边缘反射距离(MRD1)、下睑边缘发射距离(MRD2)、睑裂大小(PF)、上睑长度、下睑长度、角膜区、鼻侧区和颞侧区面积，由上睑边缘反射距离(MRD1)、下睑边缘发射距离(MRD2)、睑裂大小(PF)、上睑长度、下睑长度、角膜区、鼻侧区和颞侧区面积组成眼睑拓扑形态特征。

2.根据权利要求1所述的基于深度学习的眼睑拓扑形态特征的提取方法，其特征在于：所述步骤1中的电子数码照片和步骤6中的待测的电子数码照片均要求为全脸且额头处贴有圆标，被摄人处于目视正前方的第一眼位。

3.根据权利要求1所述的基于深度学习的眼睑拓扑形态特征的提取方法，其特征在于：所述步骤2具体为：

对步骤1中的电子数码照片对应的眼睑轮廓线图像和角膜轮廓线图像使用水漫填充法分别转换为眼睑二值分割图像和角膜二值分割图像，将眼睑二值分割图像和对应的角膜二值分割图像进行叠加处理获得二值分割图像，由所有的二值分割图像组成二值分割图像数据集。

4.根据权利要求1所述的基于深度学习的眼睑拓扑形态特征的提取方法，其特征在于：所述ROI区域包括上眼睑、下眼睑、角膜、瞳孔和巩膜可见区。