摘要：数字图像处理技术越来越被广泛地应用到计算机视觉、模式识别、人工智能等领域，眼球作为人体生物特征的一部分，包含着丰富的内容和信息，许多基于眼球识别的实用系统也如雨后春笋般涌现，目前已经应用于生物识别，医疗辅助，人机交互等领域。本文对眼球识别的技术实现和应用场景进行了基本的阐述。

关键词：计算机视觉，模式识别，人工智能，眼球识别

 

一、        引言

眼球（如图1所示）作为人体生物特征的一个重要组成部分，包含着丰富的可用信息，而巩膜、虹膜、瞳孔三者之间不同的颜色信息也为眼球识别提供了重要的依据，如何充分而高效地利用这些信息是眼球识别领域的热点问题。

图1 眼球结构示意图

 

二、        眼球识别的定义

眼球识别就是在静态图像或者动态视频序列中，利用某种检测算法，能够识别或者标记出人的眼球的位置区域、瞳孔中心、虹膜信息甚至视线方向等相关重要信息，由于应用场景的不同，眼球识别技术具体所关注的重点也有所不同。

 

三、        眼球识别的应用场景

眼球识别的相关研究有着极其广泛的应用前景以及积极地实践指导作用，下面我们列举一些眼球识别的常见应用场景：

（1）生物识别。数字图像处理技术与生物技术的融合产生了许多生物识别技术，例如指纹识别、面部识别、语音识别等等，然而这些识别方法在稳定性和鲁棒性方面不尽人意，虹膜识别作为人体一种重要的身份鉴别特征，具有更高的准确性和良好的稳定性，广泛应用于门禁系统和身份鉴别领域。

（2）医疗辅助。在医疗辅助领域，虹膜定位波前像差技术根据患者虹膜图像，自动调整准分子激光的发射角度，确保激光发射时患者眼睛的状态与术前检测时的状态吻合，代表了当今准分子激光的最高水平。虹膜布满复杂独特的锯齿网络状花纹，可以精确识别患者的左右眼，可以有效避免认为失误。

（3）人机交互。鼠标、键盘等常用的输入设备对于我们来说并不陌生，尝试使用人的眼睛或者其他人体本身的动作或者某种姿态作为输入，将会给用户带来新鲜丰富的用户体验，最简单的例子我们可以利用眼球的视线方向来定位系统鼠标的位置，使用眨眼来打来一个应用程序，甚至使用眼睛来和游戏交互等等。

（4）驾驶辅助。道路交通安全与每个人的生命安全息息相关，由于疲劳驾驶而导致的道路交通事故也此起彼伏，通过对眼球状态的实时检测，比如瞳孔的大小、眨眼的频率等相关知识的结合，可以有效地判断出驾驶者当前的状态，然后给驾驶员做出相应的提示或者报警，这样对于道路交通安全起着一定的积极作用。

 

四、        眼球识别的实现技术

眼球识别一般包括预处理、特征提取、样本学习和识别等部分，眼球识别的实现技术方法有多种，这里我们简单阐述几个常用的方法：

（1）投影法。投影法根据图像在特定方向上的投影分布特征来检测眼睛位置，投影法作为一种统计方法，利用眼球的灰度信息，通过水平和垂直投影分别检测瞳孔的纵坐标和横坐标，从而获得人眼的精确定位，常见的投影函数有积分投影函数（IPF）、均值投影函数（MPF）和方差投影函数（VPF）。

（2）Hough变换法。Hough变换将图像的空间域变换到参数空间，用大多数边界点满足的某种参数形式来描述图像中的曲线，瞳孔作为一个标准的圆形，我们可以通过圆的标准方程，利用Hough变换可以精确地定位眼球瞳孔的位置，由于Hough变换明显的几何解析性，其鲁棒性大大增强。

（3）AdaBoost分类器法。在机器学习领域AdaBoost算法是一种高效的迭代算法，它针对同一个训练集训练出不同的弱分类器，然后把这些弱分类器集合起来，构成一个强分类器。其算法的优点在于分类精度较高并且可以快速地进行人眼识别，不过算法效果依赖弱分类器的选择，在快速的人眼检测方面有着非常重要的应用。

（4）模板匹配法。根据瞳孔的形状，可以利用圆形模板，在图像的窗口自左向右，自上而下动态搜索瞳孔的位置，模板匹配在一幅大的图像中搜索小的感兴趣的图像，它通过计算模板和匹配区域的相似程度，以最相似位置为匹配点，来确定目标的位置。模板匹配算法属于机器学习领域的范畴，是一种有效地眼球识别算法。

 

五、        眼球识别的应用实例

如前文说述，眼球识别技术广泛应用于生物识别、医疗辅助、人机交互和辅助驾驶等领域，下面我们通过实例来更加形象地展示眼球识别。

（1）       图2和图3分别展示了虹膜识别在考勤系统和门禁系统的具体应用。

 

 

 

图2 虹膜考勤系统                                图3 虹膜门禁系统

 

（2）       图4和图5分别展示了虹膜定位在准分子激光手术的应用。

 

 

 

图4 虹膜定位和准分子激光治疗仪1           图5 虹膜定位和准分子激光治疗仪2

 

（3）       图6展示了使用眼睛的视线方向作为输入控制系统鼠标的一个简单应用。

 

 

图6 简单的人机交互系统

 

（4）       图7展示了疲劳驾驶和正常驾驶下人眼的相应状态

 

图7 正常驾驶和疲劳驾驶下人眼状态图

六、        眼球识别的发展前景

眼睛作为人体生物特征的重要组成部分，在近年来得到了国内外研究者的高度重视和密切关注，同时眼球识别技术的应用也得到的迅速的发展，从身份鉴别到医疗辅助、从人机交互到辅助驾驶，眼球识别技术正在逐渐从实验室走进人们的日常生活，如何在复杂背景、动态光照等外部条件下进行高效而稳定的对眼球进行识别检测，是我们今后要研究的重点，不过我们有理由相信，未来眼球识别技术将会更加广泛地应用于其他领域，我们也将得益于眼球识别算法的理论发展和具体的实践应用。

 

参考文献

[1] 许世峰,曾义。基于 Adaboost 算法的人眼状态检测 计算机仿真 2007

[2] 史慧荣、张学帅等。一种改进的模板匹配眼睛定位方法 计算机工程与应用 2007

[3]戴景文，刘丹，苏剑波。 基于投影峰的眼睛快速定位方法 模式识别与人工智能 2009