虹膜的旋转跟踪方法

1.一种虹膜的旋转跟踪方法，其特征在于：包括以下几步，
一、极坐标化原始眼瞳图片，以原始眼瞳图片的瞳孔的中心为极点，以极角θ引出M条射线，在射线上每隔一个像素取一个点；
二、以极坐标的形式找到瞳孔外侧的虹膜数据，将极坐标下M条射线上瞳孔轮廓外围的前N个连续的像素数据作为原始虹膜数据A；
三、抓取实时眼瞳图片，采用步骤一和步骤二的方式处理实时眼瞳图片，得到实时虹膜数据为B；
四、向上或向下循环移动原始虹膜数据A的行数，得到的新的原始虹膜数据为A′，通过相似度判断公式 计算新的原始虹膜数据A′与实时虹膜数据B的相似度
值，当相似度值最大时，通过移动的行数即可得到虹膜的旋转角，i是变量，表示矩阵的行，j是变量，表示矩阵的列，a'i，j是矩阵A′第i行、第j列数值，bi，j是矩阵B第i行、第j列数值；
五、依次以步骤三和四的方式处理实时眼瞳图片与上一帧的实时眼瞳图片，计算两者之间的相对旋转角，通过累加前面计算的得到的旋转角，得到实时眼瞳图片和原始眼瞳图片的旋转角。
2.根据权利要求1所述的虹膜的旋转跟踪方法，其特征在于：步骤一中极角θ精确到1°，M为360。
3.根据权利要求1所述的虹膜的旋转跟踪方法，其特征在于：步骤一中，在射线上每隔一个像素取一个点，若该点在原始图片数据中不存在，则采用双线性插值法取点。
4.根据权利要求1所述的虹膜的旋转跟踪方法，其特征在于：步骤二中以极角θ为行，像素数为列，提取极坐标下M条射线上虹膜的前N个连续的像素数据，保存为M行N列的图片数据，并以该图片数据作为原始虹膜数据A，N为50。

虹膜的旋转跟踪方法\n技术领域\n[0001] 本发明涉及一种用于虹膜旋转的跟踪方法，具体涉及一种虹膜的旋转跟踪方法。\n背景技术\n[0002] 传统的准分子激光消融角膜时，眼跟踪系统会实时找到虹膜中心，所有扫描点都会以实时的虹膜中心为原点进行随机抽点消融。虽然能在一定程序上减少扫描点坐标的不准确性，但这种方法没有考虑到虹膜在虹膜中心位置不变的情况下旋转，进而对扫描点坐标产生影响。\n发明内容\n[0003] 为了改进现有技术的不足，本发明提供一种虹膜的旋转跟踪方法，使扫描点跟踪上旋转的虹膜。\n[0004] 本发明所采用的技术方案是：一种虹膜的旋转跟踪方法，包括以下几步，[0005] 一、极坐标化原始眼瞳图片，以原始眼瞳图片的瞳孔的中心为极点，以极角θ引出M条射线，在射线上每隔一个像素取一个点；\n[0006] 二、以极坐标的形式找到瞳孔外侧的虹膜数据，将极坐标下M条射线上瞳孔轮廓外围的前N个连续的像素数据作为原始虹膜数据A；\n[0007] 三、抓取实时眼瞳图片，采用步骤一和步骤二的方式处理实时眼瞳图片，得到实时虹膜数据为B；\n[0008] 四、向上或向下循环移动原始虹膜数据A的行数，得到的新的原始虹膜数据为A′，通过相似度判断公式 计算新的原始虹膜数据A′与实时虹膜数据B的相\n似度值，当相似度值最大时，通过移动的行数即可得到虹膜的旋转角，i是变量，表示矩阵的行，j是变量，表示矩阵的列，a'i，j是矩阵A′第i行、第j列数值，bi，j是矩阵B第i行、第j列数值；\n[0009] 五、依次以步骤三和四的方式处理实时眼瞳图片与上一帧的实时眼瞳图片，计算两者之间的相对旋转角，通过累加前面计算的得到的旋转角，得到实时眼瞳图片和原始眼瞳图片的旋转角。\n[0010] 步骤一中极角θ精确到1°，M为360。\n[0011] 步骤一中，在射线上每隔一个像素取一个点，若该点在原始图片数据中不存在，则采用双线性插值法取点。\n[0012] 步骤二中以极角θ为行，像素数为列，提取极坐标下M条射线上虹膜的前N个连续的像素数据，保存为M行N列的图片数据，并以该图片数据作为原始虹膜数据A，N为50。\n[0013] 本发明的有益效果是：瞳孔大小影响虹膜的结构图案，相关性要求瞳孔的大小尽量一致，所以使用实时眼瞳图片和上一帧的实时眼瞳图片进行比较，可以保证足够的相关性，比较精确，通过该跟踪方法使扫描点跟踪上旋转的虹膜，提高扫描精度。\n附图说明\n[0014] 图1为本发明极坐标下的原始眼瞳图片。\n[0015] 图2为本发明极坐标化提取的数据图片。\n具体实施方式\n[0016] 下面结合附图对本发明实施例作进一步说明：\n[0017] 实施例：一种瞳孔的旋转跟踪方法。包括以下步骤：\n[0018] 参见图1，第一阶段：极坐标化原始眼瞳图片，以原始眼瞳图片的瞳孔的中心为极点，极角θ精确到1°，极径R精确到1个像素，从0到359引出360条射线，在射线上每隔一个像素取一个点，若该点在原始图片数据中不存在，则采用双线性插值法；\n[0019] 在平面内取一个定点O，叫极点，引一条射线，叫做极轴，再选定一个长度单位和角度的正方向(通常取逆时针方向)。对于平面内任何一点，用R表示该点到极点的长度，该点到极点与极轴之间的角度为θ，R叫做点的极径，θ叫做点的极角，有序数对(R,θ)就叫点M的极坐标，这样建立的坐标系叫做极坐标系。\n[0020] 原始眼瞳图片数据的存储格式都是二维矩阵，不利于虹膜旋转跟踪的计算，所以需要进行坐标转化，由平面直角坐标转化为以瞳孔中心为极点的极坐标，极角θ精确到1°，极径R精确到1个像素。从0°到359°引出360条射线，在射线上每隔一个像素(像素定义：像素是指基本原色素及其灰度的基本编码)取一个点，若该点在原始眼瞳图片数据中不存在，则采用双线性插值法，即在原始眼瞳图片数据中取离它最近的四个点和的平均值。由于射线长短不一，需要填充短射线以和长射线对齐。转化后的图片如图2所示。\n[0021] 第二阶段：以极坐标的形式找到瞳孔外侧的虹膜数据，将极坐标下360条射线上瞳孔轮廓外围的前50个连续的像素数据作为原始虹膜数据A。\n[0022] 以极角为行，像素数为列，提取极坐标下360条射线上虹膜(瞳孔轮廓外围)的前50个连续的像素数据，保存为360行50列的图片数据。图2中白色矩形框内就是所需的虹膜数据。\n[0023] 第三阶段：抓取实时眼瞳图片，采用步骤一和步骤二的方式处理实时眼瞳图片，得到实时虹膜数据为B；\n[0024] 第四阶段：向上或向下循环移动原始虹膜数据A的行数寻找与实时虹膜数据B最匹配值，得到的新的原始虹膜数据为A′，通过相似度判断公式 计算新的原\n始虹膜数据A′与实时虹膜数据B的相似度值，当相似度值最大时，通过移动的行数即可得到虹膜的旋转角，假设向下循环移动了2行即得到了S的最大值，我们可以认为虹膜旋转了2*\n360°/360即2°。\n[0025] 若原始眼瞳图片的的原始虹膜数据\n[0026]\n[0027] 总共360行50列数据，对应0°到359°的虹膜数据，若原始眼瞳图片顺时针旋转1°得到A′，与A向上循环移动一行的数据相等，即\n[0028]\n[0029] 同理可得，若想逆时针旋转，则可循环向下移动数据。\n[0030] 若实时虹膜数据\n[0031] 相似度 通过向上或向下循环移动原始虹膜数据A若干行寻\n找与实时虹膜数据B相似度最大的旋转角。找出使相似度S最大的原始虹膜数据A的移动行数，通过移动行数乘以1°得出的旋转角度，也就是虹膜旋转的角度。\n[0032] 第五阶段：依次以同样的方法处理实时眼瞳图片与上一帧的实时眼瞳图片，计算两者之间的相对旋转角，通过累加前面计算的得到的旋转角，得到实时眼瞳图片和原始眼瞳图片的旋转角。\n[0033] 瞳孔大小影响虹膜的结构图案，相关性比较要求瞳孔的大小尽量一致，所以使用实时眼瞳图片和上一帧的实时眼瞳图片进行比较，可以保证足够的相关性，比较精确。\n[0034] 以上结合附图所描述的实施例仅是本发明的优选实施方式，而并非对本发明的保护范围的限定，任何基于本发明精神所做的改进都理应在本发明保护范围之内。