CN110393504B - 一种智能鉴毒的方法及装置 - Google Patents
一种智能鉴毒的方法及装置 Download PDFInfo
- Publication number
- CN110393504B CN110393504B CN201810371837.5A CN201810371837A CN110393504B CN 110393504 B CN110393504 B CN 110393504B CN 201810371837 A CN201810371837 A CN 201810371837A CN 110393504 B CN110393504 B CN 110393504B
- Authority
- CN
- China
- Prior art keywords
- pupil
- ratio
- image
- abnormal
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 241000700605 Viruses Species 0.000 title claims description 18
- 210000001747 pupil Anatomy 0.000 claims abstract description 565
- 238000001514 detection method Methods 0.000 claims abstract description 103
- 230000002159 abnormal effect Effects 0.000 claims abstract description 99
- 230000004907 flux Effects 0.000 claims abstract description 51
- 230000005856 abnormality Effects 0.000 claims description 35
- 238000012795 verification Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 18
- 229940079593 drug Drugs 0.000 claims description 14
- 239000003814 drug Substances 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 210000000554 iris Anatomy 0.000 description 127
- 210000001508 eye Anatomy 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 206010065042 Immune reconstitution inflammatory syndrome Diseases 0.000 description 10
- 238000005286 illumination Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 239000000523 sample Substances 0.000 description 8
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- ZPUCINDJVBIVPJ-LJISPDSOSA-N cocaine Chemical compound O([C@H]1C[C@@H]2CC[C@@H](N2C)[C@H]1C(=O)OC)C(=O)C1=CC=CC=C1 ZPUCINDJVBIVPJ-LJISPDSOSA-N 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 210000005252 bulbus oculi Anatomy 0.000 description 3
- 229960003920 cocaine Drugs 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 231100000572 poisoning Toxicity 0.000 description 3
- 230000000607 poisoning effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 206010003645 Atopy Diseases 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 2
- 206010027646 Miosis Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009534 blood test Methods 0.000 description 2
- 210000000133 brain stem Anatomy 0.000 description 2
- 238000009535 clinical urine test Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 208000029436 dilated pupil Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 210000000653 nervous system Anatomy 0.000 description 2
- 230000001179 pupillary effect Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 208000007848 Alcoholism Diseases 0.000 description 1
- 208000002381 Brain Hypoxia Diseases 0.000 description 1
- 208000003174 Brain Neoplasms Diseases 0.000 description 1
- 208000014644 Brain disease Diseases 0.000 description 1
- 208000032170 Congenital Abnormalities Diseases 0.000 description 1
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 208000032274 Encephalopathy Diseases 0.000 description 1
- 206010019196 Head injury Diseases 0.000 description 1
- 206010020850 Hyperthyroidism Diseases 0.000 description 1
- 208000006550 Mydriasis Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 206010070863 Toxicity to various agents Diseases 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 201000007930 alcohol dependence Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000001742 aqueous humor Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000003874 central nervous system depressant Substances 0.000 description 1
- 208000025222 central nervous system infectious disease Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 210000004087 cornea Anatomy 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000010494 dissociation reaction Methods 0.000 description 1
- 230000005593 dissociations Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 208000030533 eye disease Diseases 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000035987 intoxication Effects 0.000 description 1
- 231100000566 intoxication Toxicity 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 230000003547 miosis Effects 0.000 description 1
- 230000008035 nerve activity Effects 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 210000002589 oculomotor nerve Anatomy 0.000 description 1
- 210000004279 orbit Anatomy 0.000 description 1
- 210000005037 parasympathetic nerve Anatomy 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010340 saliva test Methods 0.000 description 1
- 210000003786 sclera Anatomy 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 210000004127 vitreous body Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/11—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for measuring interpupillary distance or diameter of pupils
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/14—Arrangements specially adapted for eye photography
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Ophthalmology & Optometry (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明适用于计算机检测技术领域，提供了一种瞳孔检测的方法及装置，包括：通过在不同光通量的环境中，获取被测对象的瞳孔虹膜图像；所述瞳孔虹膜图像包括基准图像、暗瞳图像以及亮瞳图像；所述基准图像用于表示在预设光通量时所述被测对象的瞳孔虹膜图像；分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；根据所述第一比值、所述第二比值、所述第三比值以及预设检测模型，确定所述被测对象的瞳孔是否异常。通过获取不同光通量的环境中的被测对象的基准图像、暗瞳图像以及亮瞳图像，并这些图像中瞳孔面积与虹膜面积之间的比值，根据面积比值确定被测对象的瞳孔是否异常，保证了瞳孔检测的准确性和普适性，提高了瞳孔检测的精度。
Description
技术领域
本发明属于计算机检测技术领域，尤其涉及一种智能鉴毒的方法及装置。
背景技术
眼睛作为人体重要的信息获取器官，在获取外界光辐射信息的同时，还反映人体多个组织和器官的病变情况。瞳孔是受到不同光照的刺激后发生的扩大或缩小，但控制瞳孔变化的是动眼神经中的交感神经和副交感神经。一旦这些神经系统受损，其控制瞳孔变化的能力也就丧失了，这也正是通过瞳孔变化可以观察到某些疾病发生的机理。通过对眼睛的观察和测量不仅可以发现眼科疾病，甚至可以对一些全身性疾病进行早期诊断。
现有技术通过对瞳孔直径及其大小变化进行测量，实现对眼科手术及疗效的评估，或者对各种疾病的诊断。但是，现有的瞳孔测量方式容易受到外界环境和被测者条件的影响，测量精度较差，而造成计算误差或者判定失准。
发明内容
有鉴于此，本发明实施例提供了一种智能鉴毒的方法及装置，以解决现有技术中测量精度较差，容易受到外界环境和被测者条件的影响，测量精度较差，而造成计算误差或者判定失准的问题。
本发明实施例的第一方面提供了一种智能鉴毒的方法，包括：
在不同光通量的环境中，获取被测对象的瞳孔虹膜图像；所述瞳孔虹膜图像包括基准图像、暗瞳图像以及亮瞳图像；所述基准图像用于表示在预设光通量时所述被测对象的瞳孔虹膜图像；
分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；
根据所述第一比值、所述第二比值、所述第三比值以及预设检测模型，确定所述被测对象的瞳孔是否异常。
本发明实施例的第二方面提供了一种智能鉴毒的装置，包括：
图像获取单元，用于获取不同光通量时被测对象的瞳孔虹膜图像；所述瞳孔虹膜图像包括基准图像、暗瞳图像以及亮瞳图像；所述基准图像用于表示在预设光通量时所述被测对象的瞳孔虹膜图像；
比值计算单元，用于分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；
异常判断单元，用于根据所述第一比值、所述第二比值、所述第三比值以及预设检测模型，确定所述被测对象的瞳孔是否异常。
本发明实施例的第三方面提供了一种智能鉴毒的装置，包括：处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储支持装置执行上述方法的计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
本发明实施例与现有技术相比存在的有益效果是：通过在不同光通量的环境中，获取被测对象的瞳孔虹膜图像；所述瞳孔虹膜图像包括基准图像、暗瞳图像以及亮瞳图像；所述基准图像用于表示在预设光通量时所述被测对象的瞳孔虹膜图像；分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；根据所述第一比值、所述第二比值、所述第三比值以及预设检测模型，确定所述被测对象的瞳孔是否异常。通过获取不同光通量的环境中的被测对象的基准图像、暗瞳图像以及亮瞳图像，并这些图像中瞳孔面积与虹膜面积之间的比值，根据面积比值确定被测对象的瞳孔是否异常，保证了瞳孔检测的准确性和普适性，提高了瞳孔检测的精度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种智能鉴毒的方法的流程图；
图2是本发明一实施例提供的人眼和相机的示意图；
图3是本发明一实施例提供的人眼成像原理的示意图；
图4是本发明一实施例提供的相机光圈与人眼瞳孔的示意图；
图5是本发明一实施例提供的瞳孔直径受光影响曲线图；
图6是本发明另一实施例提供的一种瞳孔检测的方法的流程图；
图7是本发明一实施例提供的手机照相镜头示意图；
图8是本发明一实施例提供的传统镜筒改造示意图；
图9是本发明一实施例提供的镜筒构造示意图；
图10是本发明一实施例提供的图9的镜筒安装在手机上的示意图；
图11是本发明一实施例提供的一种图像摄取装置的示意图；
图12是本发明一实施例提供的图像摄取装置的使用方法的示意图；
图13是本发明一实施例提供的瞳孔在不同光通量条件下的变化示意图；
图14是本发明一实施例提供的基准图像的的图像处理结果示意图；
图15是本发明一实施例提供的瞳孔图像的像素位图；
图16是本发明一实施例提供的图像比值计算的示意图；
图17是本发明一实施例提供的一种智能鉴毒的装置的示意图；
图18是本发明另一实施例提供的一种智能鉴毒的装置的示意图；
图19是本发明再一实施例提供的一种智能鉴毒的装置的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
参见图1，图1是本发明一实施例提供的一种智能鉴毒的方法的流程图。本实施例中瞳孔检测的方法的执行主体为具有瞳孔检测功能的装置，包括但不限于计算机、平板电脑、照相机或者终端等装置。如图1所示的瞳孔检测的方法可以包括以下步骤：
S101：在不同光通量的环境中，获取被测对象的瞳孔虹膜图像；所述瞳孔虹膜图像包括基准图像、暗瞳图像以及亮瞳图像；所述基准图像用于表示在预设光通量时所述被测对象的瞳孔虹膜图像。
眼睛是人类感官中最重要的器官，由眼球和眼的附属器官组成。我们看到的眼球主要由巩膜、虹膜和瞳孔组成。瞳孔是眼睛内虹膜中心的小圆孔，两侧等大，等圆，边缘整齐，为光线进入眼睛的通道。眼睛能辨别不同的颜色和亮度的光线，并将这些信息转变成神经信号，传送给大脑。瞳孔的作用与照相机的光圈是一样的，瞳孔会随着光照强度的变化而变化，在亮光处缩小，在暗光处散大，一般在2至8毫米间波动。
请一并参阅图2和图3所示，人的眼睛就是一部照相机，事实上照相机就是根据人眼的构造发明制作的。在照相机原理中，由角膜、房水、晶体和玻璃体组成的人眼屈光系统就相当于照相机的镜头，瞳孔就是照相机的自动光圈。
请一并参阅图4所示，光圈是控制进入镜头的光线的多少的，照相机中瞬时光圈的构造完全是模仿瞳孔结构的，当强光照射时，为保护眼底不至被灼伤，人会自动缩小瞳孔以减少进光量保护眼底，这就是瞳孔的光控制机理。
由于光对瞳孔的控制机理是人眼遵循的客观规律，所以检测不同光照条件下瞳孔的变化率，并据此诊断疾病是非常可靠的。在临床上，除了实施眼科手术以外，其他基于测量瞳孔直径的诊断都可以采用更为简单实用的基于检测瞳孔比例变化的方法替代。瞳孔对光的反应是由脑干控制的，瞳孔的动态变化能反映出高级神经活动及其生理状态，当人中毒或吸食某种毒品后会对脑干造成损伤。因此通过对瞳孔的动态变化来检测是否为吸食毒品(吸毒)与传统的尿检、血检和唾液检同样有效。
在本实施例中，通过瞳孔检测装置在不同光照条件下，获取基准图像、暗瞳图像和亮瞳图像。其中，基准图像为在预设光通量时被测对象的瞳孔虹膜图像，一般为室内或室外避光直射条件下取得；暗瞳图像需要在光通量较低的环境中获取，例如在夜间或暗室环境下取得；亮瞳图像需要在光通量较高的环境中获取，例如在灯光或者太阳光较强的环境下取得。
由于普通视频探头或手机无法在光照不足的条件下摄取图像的，所以本实施例采用了在暗视环境下，给予光刺激后，分别摄取暗瞳图像和亮瞳图像。
请一并结合图5所示，是暗视环境下给予光刺激后，瞳孔发生反射性收缩的瞳孔直径随时间变化的动态示意图。其中x为时间轴，y轴是瞳孔直径。图中可见，在发出刺激光A时之前，暗瞳直径为5.7mm左右，在发出刺激光A到发出刺激光B期间，即A→B期间，瞳孔仍然保持为暗瞳状态，此期间为潜伏期(通常潜伏期约为0.2秒)；在发出刺激光B到发出刺激光C期间，即B→C期间，成为收缩阶段，在C点(通常为光刺激后的1秒钟左右)，瞳孔直径收缩到最小的不足3.5mm；随着时间的推移，瞳孔逐渐恢复到暗瞳状态。可见，只需在图中A→B段和C点摄取，即可获取到被摄瞳孔的暗瞳图像和亮瞳图像，或者是摄取整个A→C期间的视频图像也可从中找到瞳孔的最大和最小直径。
需要说明的是，与传统瞳孔图像获取不同的是，本发明在瞳孔图像摄取时，并无精确的距离要求，只要达到清晰摄取即可。
S102：分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值。
在获取到被测对象的瞳孔虹膜图像之后，识别该瞳孔虹膜图像中的瞳孔和虹膜，并分别计算基准图像、暗瞳图像以及亮瞳图像中的瞳孔面积和虹膜面积。之后计算基准图像中的瞳孔面积与虹膜面积之间的第一比值、暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值。
通过计算各图像中的瞳孔面积与虹膜面积之间的比值，可以确定不同图像中瞳孔的相对大小。避免了直接测量瞳孔直径来进行瞳孔异常判断时，由于性别、年龄或者人种等因素的影响，而使判断结果不准确的问题。
S103：根据所述第一比值、所述第二比值、所述第三比值以及预设检测模型，确定所述被测对象的瞳孔是否异常。
在计算出第一比值、第二比值、第三比值的大小之后，根据第一比值、第二比值、第三比值以及预设检测模型，确定被测对象的瞳孔是否异常。
可选的，可以通过预设的比值阈值来判断被测对象的瞳孔是否异常。通过预先将数据标本进行归类，得到不同致异因素所导致的瞳孔异常时瞳孔面积与虹膜面积之间的比值区间，根据这些比值区间判断当前获取到的瞳孔虹膜图像的瞳孔面积与虹膜面积的比值在哪个比值区间中，进而确定该瞳孔是否发生异常，并能确定该瞳孔虹膜图像所对应的被测对象是否正常。
需要说明的是，本实施例中的瞳孔异常的原因可以包括：被测对象发生脑病变、中枢神经系统感染性疾病、脑血管病、脑缺氧、脑肿瘤、颅脑外伤、药物中毒、疼痛、恐惧、甲状腺功能亢进、先天性异常以及吸毒等，此处不做限定。
上述方案，通过在不同光通量的环境中，获取被测对象的瞳孔虹膜图像；所述瞳孔虹膜图像包括基准图像、暗瞳图像以及亮瞳图像；所述基准图像用于表示在预设光通量时所述被测对象的瞳孔虹膜图像；分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；根据所述第一比值、所述第二比值、所述第三比值以及预设检测模型，确定所述被测对象的瞳孔是否异常。通过获取不同光通量的环境中的被测对象的基准图像、暗瞳图像以及亮瞳图像，并这些图像中瞳孔面积与虹膜面积之间的比值，根据面积比值确定被测对象的瞳孔是否异常，保证了瞳孔检测的准确性和普适性，提高了瞳孔检测的精度。
参见图6，图6是本发明另一实施例提供的一种智能鉴毒的方法的流程图。本实施例中瞳孔检测的方法的执行主体为具有瞳孔检测功能的装置，包括但不限于计算机、平板电脑、照相机或者终端等装置。如图6所示的瞳孔检测的方法可以包括以下步骤：
S601：采集所述被测对象的身份信息。
由于瞳孔异常检测的装置可用于边境、机场、车站等人员聚集地的检测，而此处需要严格的安全警卫，因此，通过获取被测对象的身份信息，以确定所获取到的被测对象的虹膜瞳孔图像和其身份信息相符合。同时，由于人类的瞳孔特征受其性别、年龄或者种族等因素的影响，通过获取其身份信息，便可以确定该被测对象的正常瞳孔特征范围，以对其瞳孔是否异常进行合理的检测和判断。
本发明实施例中，瞳孔检测的装置中安装有预设的客户端软件，客户端软件用于控制手机执行本发明各个实施例中的步骤。基于上述客户端软件，瞳孔检测的装置与服务器通信相连。根据用户在客户端软件中所发出的身份信息输入指令，可采集到被测对象的身份信息。
可选的，采集被测对象的身份信息的装置可以是移动终端，优选的，该移动终端配置800万像素以上的后置摄像头，配有闪光灯和指纹采集装置，并且可以安装专门的检测软件，负责采集被测对象的身份信息、自动生成检测表格、生物身份采集和瞳孔数据信息判别工作。此类终端检测设备适合边远地区及野外作业。
可选的，采集被测对象的身份信息的装置好可以是计算机，优选的该，计算上安装有身份证阅读器和视频探头。该计算机与移动终端同样装有检测软件，该计算机负责操作者的登录管理、检测表格的自动生成、被检测者的证照身份采集、生物身份采集和瞳孔数据信息的采集判别工作。计算机上的身份证阅读器负责被检测者身份的甄别，视频探头负责被检测者的虹膜和瞳孔信息的采集。此类终端适用于边境、机场、车站等人员聚集地的检测。
需要说明的是，本实施例中的被测对象的身份信息包括但不限于姓名、证件号或者记录有身份信息的证件图像等。
S602：将所述身份信息上传至服务器，并获取所述服务器在验证所述身份信息之后发送的身份验证信息；所述身份验证信息用于表示所述被测对象的身份信息是否合法。
在采集到被测对象的身份信息之后，将身份信息上传至服务器，并获取服务器在验证身份信息之后发送的被测对象的身份信息是否合法的身份验证信息；
可选的，瞳孔检测的装置控制摄像头拍摄方向朝向被测对象的证件，以对证件进行拍摄后，将包含身份信息的证件图像上传至服务器，以使服务器对该证件的身份信息进行验证。其中，上述证件包括但不限于身份证、护照、通行证以及驾驶证等具有唯一身份标识的证件。
可选的，瞳孔检测的装置获取被测对象身份信息的文字格式，则将被测对象的身份信息直接上传至服务器。例如，将被测对象的身份证号上传至服务器，以对该身份证号所对应的被测对象身份进行核实。
在将身份信息上传至服务器之后，接收服务器返回的被测对象的身份验证信息，身份验证信息用于确定该身份信息对应的人是否存在违法行为。
S603：若所述被测对象的身份信息合法，则分别获取不同光通量时所述被测对象的瞳孔虹膜图像。
若接收到服务器返回的身份验证信息合法，则确认待检测用户身份核实正确，此时，将其身份信息记录于预先生成的表格，并触发瞳孔图像采集事件；若接收到服务器返回的身份验证信息非法，则确认待检测用户身份核实失败，此时，触发身份异常处理事件。
需要说明的是，本实施例中的基准图像可以是一般阅读光照环境下获取的瞳孔图像；亮瞳图像及暗瞳图像指在强光照和暗光环境下分别获取的瞳孔图像。
示例性地，将手机作为一种瞳孔检测的装置，由于手机照相机除了在镜头光学特性上与专业相机有差距外，像素数已经与入门级专业相机相差无几，图像处理功能甚至胜于专业相机，因此，本实施例利用手机的照相和软件处理能力，实现对瞳孔的图像摄取、处理和判定。
请一并参阅图7、图8、图9以及图10所示，在手机照相镜头与被摄取眼球之间设置一个如图7所示的筒状物，其形状与望远镜或显微镜的目镜相像。镜筒内没有镜片，不起任何光学放大作用。其目的有二，一是使得被摄瞳孔与相机镜头距离相对固定，不至于太近，以保证图像的清晰度；二来借此镜筒的笼罩，施加人造光源时更加均匀，同时也隔绝了被测瞳孔游离的可能。手机镜筒为无源部件，不需与手机有任何电气上的连接。使用时只需设法将其固定在手机镜头前即可。图8是对图7镜筒改造后的并可固定在手机上的其中一种方式。也可将镜筒设置成图9形式，其中镜筒由内衬、窗口以及外套构成，这种形式在获取普通瞳孔图像时，可以借助外部光源以减少手机能耗，图10是图9镜筒安装在手机上的示意图。
在机场、车站和边境口岸，常见进入通道设置的身份核实及安检设施。身份查验工作是由身份证阅读器实施的，它可判别持证者与证件是否为同一人，同时也可得知该持证者是否为追逃人员；安检装置目前只能检出金属部件，还无法对毒品、爆炸物等给予有效检出。吸毒人员显然是属于被禁止进入通道范畴，但目前手段还无法应用于此类场景。显而易见的是，不可能让所有进入安检、验证通道人员进行血检或尿检。
请一并参阅图11所示，由普通照相机镜头加照明装置组成的图像摄取装置，它可安装于身份核实通道的验证窗口上方，在检验身份证照的同时，只需被验证者注视摄像镜头即可，如图12。因无需人眼眶与摄像机部件接触，不仅被检测者无心理负担，也不会造成疾病传染。由于没有镜筒、眼罩类固定装置，对不同的验证者而言，会因身高、站姿等的不同，使得瞳孔图像的摄取是在完全不同的距离下实现的，亦可说是在动态状态下获取到的。请一并参阅图12所示，被检测者A、B和C的瞳孔与镜头距离均不一样。在验证、检测软件的操控下，控制摄像镜头对被验证人员实施瞳孔图像的摄取，并进一步分析、判断是否属于毒品吸食者。
我们知道，当光照度低于一定值时，普通的照相机感光器件是无法获取图像信息的，故专门的夜视系统采用红外发光提供光照，用可以读取红外信号的原件作为感光器件实现了夜间图像的摄取。而普通的照相镜头无法在无光照环境下获取图像，为此，设计了在低或无光照环境下，施加刺激光照，且控制在图5的瞳孔潜伏期A、B之间摄取暗瞳图像，并在图5的C点摄取亮瞳图像。实验表明潜伏期A-B的时间约为0.2秒，C点约为光刺激后的1秒钟。
在图11、图12中所示的方式中，分别营造出暗光、强光和正常光照环境较为容易，如若采用图8手机镜筒方式则需要由手机检测控制软件分别模拟出摄取暗瞳、亮瞳及普通瞳孔的光照环境；若采用图10的手机镜筒方式，则需要模拟出亮瞳和暗瞳摄取的光照环境。
无论是手机照相闪光灯还是视频摄像机辅助照明，皆是由电子开关控制其开启或关闭的，当开关打开后其亮度始终如一，关闭后则不发光。故此，可以令照明开关发出占空比不一的脉冲开启信号，控制照明的亮度。
请一并参阅图13，图13表示了控制不同光通量环境下的瞳孔状态变化情况。图中T为照明控制脉冲信号周期，其中t1是脉冲为高电位持续时间；t2为脉冲低电位持续时间。若在T时间内完全由信号t1占据，则此时开关信号恒高，相当于开关打开；若T时间内完全由信号t2占据，则此时开关信号恒低，相当于开关关闭。当t1＝t2时，即信号占空比为1:1时，照明功率为控制开关信号恒高时的一半；当t1＞t2时，光通量趋强，发光强度更高，即更亮；当t2＞t1时，光通量趋弱，发光强度更低，即更暗。故此，通过设置多个不同占空比，延时长度为t的应用程序编程接口(Application Programming Interface，API)，每个不同API表示不同的光通量，在不同的光通量的环境下分别摄取对应的瞳孔图像。
请一并参阅图14，图14是经普通相机或手机获取的人脸基准图像，经过常规的亮度、对比度、曝光度、色相饱和度、色调分离、阈值等常规电脑图像处理过程，最后生成了便于识别的图像。
S604：分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值。
临床上，将瞳孔直径为3-4mm判定为正常瞳孔，若瞳孔直径＜2mm为缩小瞳孔，瞳孔直径＞5mm为瞳孔散大。在瞳孔直径判定方式中，瞳孔的亮瞳瞳孔直径(小瞳孔)和正常瞳孔直径之比<2/4时为缩小瞳孔；暗瞳瞳孔直径(大瞳孔)与正常瞳孔直径之比＞5/3时为瞳孔散大，表述为：
正常瞳孔直径：NPD＝3.5mm±0.5mm；
缩小瞳孔直径：亮瞳与正常瞳孔直径之比BPD/NPD<2/4；
散大瞳孔直径：暗瞳与正常瞳孔直径之比DPD/NPD＞5/3；
其中字母缩写的含义分别为：BPD用于表示亮瞳瞳孔直径，DPD用于表示暗瞳瞳孔直径；NPD用于表示正常瞳孔直径。
由于本实施例可以在获取瞳孔动态图像的条件下实施判别的，在某些特殊状态下(如因病理或生理原因一些对光刺激失去反应的瞳孔)仅有瞳孔的数据还不足以实现准确判别，故引入了一个新的数据：瞳孔面积与虹膜面积之比。拍照后获取到的不同光照环境下的瞳孔图像，经处理后得到如图15所示的像素位图。在此像素图基础上，很容易计算出不同瞳孔的面积，进而分析判断出不同瞳孔间的关系。在临床上，对瞳孔的检测或测量都是以直径作为标准的，在本发明中，既没有标准样本圆盘，也由于摄取瞳孔距离的不定，因此无法对直径做出计算。但由于瞳孔的特征是圆形的，故以直径作为瞳孔判定标准的方法，也可以通过瞳孔面积的判定来表示。根据不同光通量的环境下所获取到的瞳孔虹膜图像中的瞳孔面积和虹膜面积，分别计算基准图像、暗瞳图像以及亮瞳图像中瞳孔面积与虹膜面积之间的比值，并将这些比值分别作为第一比值、第二比值以及第三比值。
S605：若所述第二比值大于所述第一比值，或者所述第三比值小于所述第一比值时，则判定所述被测对象的瞳孔异常。
请一并参阅图16所示，当瞳孔失去对光刺激的反应时，它可能始终处在散大状态或者始终处在缩小瞳孔状态。如仅有BPD/NPD或DPD/NPD参数，是无法得知目前瞳孔是始终处于哪一种状态的，进而会影响到对它的判别。通过它与虹膜的相对关系，可认定其处于何种状态。在本发明中没有瞳孔直径数据，因此在对瞳孔状态的判别时采用瞳孔面积计算判别，以上述表述为例，可以重新用面积表述为：
基准图像面积：2.78>NPA＞1/4；
缩小瞳孔面积：亮瞳瞳孔面积与基准图像中的瞳孔面积之比BPA/NPA<1/4；
散大瞳孔面积：暗瞳瞳孔面积与基准图像中的瞳孔面积之比DPA/NPA＞2.78；
非基准图像值：瞳孔面积与虹膜面积之比PA/IA；
其中字母缩写的含义分别为：BPA用于表示亮瞳瞳孔面积，DPA用于表示暗瞳瞳孔面积；NPA用于表示基准图像中的瞳孔面积。
上式表明，在本发明中，“暗瞳瞳孔面积与基准图像中的瞳孔面积之比”的比值小于2.78，且大于“亮瞳瞳孔面积与基准图像中的瞳孔面积之比”的比值1/4时为基准图像。若“亮瞳瞳孔面积与基准图像中的瞳孔面积之比”的比值小于1/4，则判定为缩小瞳孔。如“暗瞳瞳孔面积与基准图像中的瞳孔面积之比”的比值大于>2.78，则判定为散大瞳孔。当PA/IA>>“暗瞳瞳孔面积与基准图像中的瞳孔面积之比”或PA/IA<<“亮瞳瞳孔面积与基准图像中的瞳孔面积之比”时，此时瞳孔处于异常状态。前者瞳孔失去对光刺激的反应，瞳孔始终处于散大状，后者始终处于缩小状，它们可能是失明或其他非正常原因导致。
进一步的，步骤S605还可以具体包括：
根据所述被测对象的身份信息，从预设检测模型中确定适合所述被测对象身份的判断参数；
根据所述第一比值、所述第二比值、所述第三比值、所述检测模型以及判断参数，确定所述被测对象的瞳孔是否异常。
瞳孔大小的变化，除受光的控制外，还与注视目标的远近、年龄、性别、人种、精神状态和屈光状态相关。所以在进行瞳孔检测时，要求被检测人处在相对平和安静、固定光照强度的环境中，并在统一注视点的条件下测得的。由于人种、性别和视神经系统发育程度的差异，使得不同的人群对光的敏感程度不一，这就造成了他们之间先天瞳孔大小的差别。如某人基准图像直径为3mm，可能3mm这个瞳孔直径对另外某个种族人而言属于缩小瞳孔，所以靠判别瞳孔大小程度来诊断疾病是比较困难和繁杂的。因必须要在已知的年龄、性别和人种的情况下测量出瞳孔的直径，方可做出相对准确的判定。
临床上所谓的基准图像的瞳孔直径是统计得出平均数值，采用它进行药物(吸毒)瞳判断时，它仅适合于某一类群体，如满足汉族人、男性、青壮年等先决条件。如若扩大检测范围，就可能造成较大的误差。如前所述，因人的瞳孔直径与人种、年龄、性别相关，摄取距离的不同也会产生直径误差，因此采用传统直径测量并判别的方法存在众多不定因素。而面积测量判别方法，避开了因年龄、摄取距离等非确定因素，有效地保证了测量的准确性。
由于用户的瞳孔直径与其年龄、性别相关，且拍摄距离不同时，检测得到的瞳孔直径也会产生误差，因此，本发明实施例中，基于瞳孔图像的像素位数比值来与预设阈值进行大小对比，可快速检测出被测对象的瞳孔是否异常，由于该过程中无需测量瞳孔直径，因此避免了受到被测对象的年龄以及拍摄距离等多方面因素的影响，有效地保证了检测结果的准确性。
S606：若所述被测对象的瞳孔异常，则根据所述第一比值、所述第二比值、所述第三比值以及所述检测模型，确定所述被测对象的瞳孔的当前致异原因。
在判断被测对象的瞳孔是否发生异常会后，若被测对象的瞳孔异常，则根据第一比值、第二比值、第三比值以及检测模型，确定被测对象的瞳孔的当前致异原因。
进一步的，步骤S606还可以具体包括S6061～S6063：
S6061：若所述被测对象的瞳孔异常，则根据所述检测模型中各数值区间对应的瞳孔特征确定所述第一比值对应的第一瞳孔特征、所述第二比值对应的第二瞳孔特征以及所述第三比值对应的第三瞳孔特征。
在传统判定方法中，异常瞳孔的判定是依据于有限的数据样本做出的，毫无疑问的是样本数量越大，判定就越准确。但带来的一个问题是，样本选择的边界应怎样确定。样本数量太少导致准确度下降，样本数量足够大会耗费大量的时间等系统资源。为有效解决传统方法的不足，本实施例采用了人工智能控制的基础技术包括模糊控制技术、专家控制技术、学习控制技术等方法。根据以往有限检测结果及临床和理论数据，建立可自行学习的数学模型。
请一并参阅表1所示，根据现有的异常瞳孔数据，选出m种异常瞳孔现象，构成异常瞳孔集合P＝{P1，P2，P3，…，Pm}。每种瞳孔异常现象由不同的亮瞳、暗瞳中瞳孔面积与基准图像中瞳孔面积之间的比值、瞳孔与虹膜的比值构成。如在表1例中，m选取了8，这只是本实施例中的一个示例，可以根据具体情况增加或减少异常瞳孔集合中的元素和m值的大小，此处不做限定。
表1检测表1
表1中，P/IRIS(瞳孔与虹膜的比值)、BP/NP(亮瞳图像中瞳孔面积与基准图像中瞳孔面积比值)和DP/NP(暗瞳图像中瞳孔面积与基准图像中瞳孔面积比值)都是事先给定了数值范围的，这些范围由临床检测结果及专家认定给出。假如给定的集合P中各元素值分别为：
x1＝0-0.15 y1＝0.95-1 z1＝0.95-1
x2＝0.15-0.25 y2＝0.13-0.2 z2＝5-6.5
x3＝0.25-0.4 y3＝0.2-0.25 z3＝2-2.5
x4＝0.4-0.5 y4＝0.25-0.3 z4＝2.5-3
x5＝0.5-0.6 y5＝0.3-0.35 z5＝3-3.5
x6＝0.6-0.7 y6＝0.35-0.4 z6＝3.5-4
x7＝0.75-0.8 y7＝0.4-0.95 z7＝2.5-3.5
x8＝0.8-1 y8＝0.95-1 z8＝0.95-1
其中，P/IRIS分为(P/IRIS)min和(P/IRIS)max，前者用于表示PA/IA<<基准图像的瞳孔面积与虹膜面积之比；后者用于表示PA/IA>>基准图像的瞳孔面积与虹膜面积之比。表中参数x、y、z是即时检测结果。
需要说明的是，表1可根据年龄段、性别、种族等分成若干份，每份的参数不同，当得知被检测人员的数据信息后，调出相应的检测表实施判别。
将表1变换为表2的模式，表2中参数元素y由BP/IRIS(亮瞳面积与虹膜面积之比)替代了BP/NP，元素x由DP/IRIS(暗瞳面积与虹膜面积之比)替代了DP/NP。当然，元素x、y的取值也要做出相应的调整。
表2检测表2
示例性地，某次计算被测对象的参数结果为：
x＝0.4；y＝0.2；z＝2.5
与表2相对照看出，参数x、y、z检测数据值分别落入P2、P3和P4之中，这里的p就是致异原因，说明该被测对象瞳孔发生异常的原因可能是P2、P3或者P4。
S6062：根据所述检测模型中各瞳孔特征对应的致异原因系数，确定所述第一瞳孔特征、所述第二瞳孔特征以及所述第三瞳孔特征分别对应的致异原因系数。
首先构建致异原因集合，再取n种致异原因(见表1)，构成一个有限的致异原因集合C＝{C1,C2,C3,…,Cn}，其中致异原因可以包括如下原因：
C1：阿托品类中毒
C2：可卡因中毒
C3：中枢抑制剂中毒
C4：酒精中毒
C5：失明
…：
Cn：眼疾病
同理，瞳孔致异原因集合C的元素也可据实增删。其中，系数α、β、γ、…、η为检测认定的次数，这些参数原始为根据专家意见或以往样本检测结果得出并写入的。
示例性地，某次检测结果数据为：
x＝0.4y＝0.2z＝2.5
与表2相对照看出，参数x、y、z检测数据值分别落入P2、P3和P4之中，而P2、P3、P4对应的致异原因系数分别为：
α2＝2β2＝36γ2＝7…η2＝0
α3＝19β3＝2γ3＝9…η3＝0
α4＝4β4＝12γ4＝8…η4＝1
通过确定该异常对应的致异原因系数，可以确定导致被测对象发生异常的各种致异原因的权重，进而便可以根据致异原因系数确定最终的致异原因。
S6063：根据所有所述致异原因系数确定所述被测对象的瞳孔的当前致异原因。
在确定了致异原因系数之后，在各种致异原因中，选取认定次数最多的系数所对应的结果，P2、P3与P4各系数比较，β2所对应的“可卡因中毒”被认定的次数为36次，属认定次数最多的原因，如下所示：
α2＝2β2＝36γ2＝7…η2＝0
α3＝19β3＝2γ3＝9…η3＝0
α4＝4β4＝12γ4＝8…η4＝1
亦即在这个关系矩阵中，β2的权属系数最高，故选定C2为此次检测结果，即“可卡因中毒”。此方式的好处是不必每次都和大量的数据去比对，特别是当检测样本为海量数据时可以节省大量的时间消耗，能够实现实时检测判别。
S607：根据所述当前致异原因，更新与所述当前致异原因对应的致异原因系数。
在确定当前致异原因之后，根据当前致异原因，对当前致异原因对应的致异原因系数的值进行计数。
一旦检测结果被确认后，致异原因中相应的系数就要加“1”，为今后检测结果的判定增加了可靠的依据，免去了大样本的数据比对所造成的时间消耗。这与人的学习过程是一样的。
示例性地，此次检测结果被确认后，就将表格中参数中的β2加“1”，成为37。
α2＝2β2＝37γ2＝7…η2＝0
α3＝19β3＝2γ3＝9…η3＝0
α4＝4β4＝12γ4＝8…η4＝1
通过根据之前确定的致异原因的次数，确定致异原因的致异原因系数，可以确定每个致异原因发生的概率大小，进而为准确判断致异原因做以参考，保证致异原因判断的准确性。
上述方案，通过采集所述被测对象的身份信息；将所述身份信息上传至服务器，并获取所述服务器在验证所述身份信息之后发送的身份验证信息；若所述被测对象的身份信息合法，则分别获取不同光通量时所述被测对象的瞳孔虹膜图像；分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；若所述第二比值大于所述第一比值，或者所述第三比值小于所述第一比值时，则判定所述被测对象的瞳孔异常；若所述被测对象的瞳孔异常，则根据所述第一比值、所述第二比值、所述第三比值以及所述检测模型，确定所述被测对象的瞳孔的当前致异原因；根据所述当前致异原因，更新与所述当前致异原因对应的致异原因系数。通过获取被测对象的身份信息确定适合于被测对象的判断参数，并根据瞳孔面积与虹膜面积判定被测对象的瞳孔是否异常，保证了异常判定标准的个性化和普适性，通过致异原因系数确定致异原因，并更新最终确定的致异原因所对应的致异原因系数，提高了异常判断的准确性。
参见图17，图17是本发明实施例提供的一种智能鉴毒的装置的示意图。瞳孔检测的装置包括但不限于计算机、平板电脑、照相机或者终端等装置。本实施例的装置包括的各单元用于执行图1对应的实施例中的各步骤，具体请参阅图1及图1对应的实施例中的相关描述，此处不赘述。本实施例的瞳孔检测的装置包括图像获取单元1701、比值计算单元1702以及异常判断单元1703。
图像获取单元1701，用于获取不同光通量时被测对象的瞳孔虹膜图像；所述瞳孔虹膜图像包括基准图像、暗瞳图像以及亮瞳图像；所述基准图像用于表示在预设光通量时所述被测对象的瞳孔虹膜图像；
比值计算单元1702，用于分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；
异常判断单元1703，用于根据所述第一比值、所述第二比值、所述第三比值以及预设检测模型，确定所述被测对象的瞳孔是否异常。
上述方案，通过在不同光通量的环境中，获取被测对象的瞳孔虹膜图像；所述瞳孔虹膜图像包括基准图像、暗瞳图像以及亮瞳图像；所述基准图像用于表示在预设光通量时所述被测对象的瞳孔虹膜图像；分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；根据所述第一比值、所述第二比值、所述第三比值以及预设检测模型，确定所述被测对象的瞳孔是否异常。通过获取不同光通量的环境中的被测对象的基准图像、暗瞳图像以及亮瞳图像，并这些图像中瞳孔面积与虹膜面积之间的比值，根据面积比值确定被测对象的瞳孔是否异常，保证了瞳孔检测的准确性和普适性，提高了瞳孔检测的精度。
参见图18，图18是本发明实施例提供的另一种智能鉴毒的装置的示意图。瞳孔检测的装置包括但不限于计算机、平板电脑、照相机或者终端等装置。本实施例的瞳孔检测的装置包括的各单元用于执行图6对应的实施例中的各步骤，具体请参阅图6及图6对应的实施例中的相关描述，此处不赘述。本实施例的瞳孔检测的装置包括：身份信息采集1801、信息上传单元1802、图像获取单元1803、比值计算单元1804、异常判断单元1805、原因确定单元1806以及系数更新单元1807。
身份信息采集1801，用于单元采集所述被测对象的身份信息；
信息上传单元1802，用于将所述身份信息上传至服务器，并获取所述服务器在验证所述身份信息之后发送的身份验证信息；所述身份验证信息用于表示所述被测对象的身份信息是否合法；
图像获取单元1803，用于若所述被测对象的身份信息合法，则分别获取不同光通量时所述被测对象的瞳孔虹膜图像；所述瞳孔虹膜图像包括基准图像、暗瞳图像以及亮瞳图像；所述基准图像用于表示在预设光通量时所述被测对象的瞳孔虹膜图像；
比值计算单元1804，用于分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；
异常判断单元1805，用于若所述第二比值大于所述第一比值，或者所述第三比值小于所述第一比值时，则判定所述被测对象的瞳孔异常。
原因确定单元1806，用于若所述被测对象的瞳孔异常，则根据所述第一比值、所述第二比值、所述第三比值以及所述检测模型，确定所述被测对象的瞳孔的当前致异原因；
系数更新单元1807，用于根据所述当前致异原因，更新与所述当前致异原因对应的致异原因系数。
进一步的，异常判断单元1805还可以具体包括：
参数确定单元，用于根据所述被测对象的身份信息，从预设检测模型中确定适合所述被测对象身份的判断参数；
判断单元，用于根据所述第一比值、所述第二比值、所述第三比值、所述检测模型以及判断参数，确定所述被测对象的瞳孔是否异常。
进一步的，原因确定单元1806还可以具体包括：
特征确定单元，用于若所述被测对象的瞳孔异常，则根据所述检测模型中各数值区间对应的瞳孔特征确定所述第一比值对应的第一瞳孔特征、所述第二比值对应的第二瞳孔特征以及所述第三比值对应的第三瞳孔特征；
系数确定单元，用于根据所述检测模型中各瞳孔特征对应的致异原因系数，确定所述第一瞳孔特征、所述第二瞳孔特征以及所述第三瞳孔特征分别对应的致异原因系数；
原因判定单元，用于根据所有所述致异原因系数确定所述被测对象的瞳孔的当前致异原因。
进一步的，系数更新单元1807还可以具体包括：
计数单元，用于根据所述当前致异原因，对所述当前致异原因对应的致异原因系数的值进行计数。
上述方案，通过采集所述被测对象的身份信息；将所述身份信息上传至服务器，并获取所述服务器在验证所述身份信息之后发送的身份验证信息；若所述被测对象的身份信息合法，则分别获取不同光通量时所述被测对象的瞳孔虹膜图像；分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；若所述第二比值大于所述第一比值，或者所述第三比值小于所述第一比值时，则判定所述被测对象的瞳孔异常；若所述被测对象的瞳孔异常，则根据所述第一比值、所述第二比值、所述第三比值以及所述检测模型，确定所述被测对象的瞳孔的当前致异原因；根据所述当前致异原因，更新与所述当前致异原因对应的致异原因系数。通过获取被测对象的身份信息确定适合于被测对象的判断参数，并根据瞳孔面积与虹膜面积判定被测对象的瞳孔是否异常，保证了异常判定标准的个性化和普适性，通过致异原因系数确定致异原因，并更新最终确定的致异原因所对应的致异原因系数，提高了异常判断的准确性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
参见图19，图19是本发明再一实施例提供的一种智能鉴毒的装置的示意图。如图19所示的本实施例中的瞳孔检测的装置可以包括：处理器1901、存储器1902以及存储在存储器1902中并可在处理器1901上运行的计算机程序1903。处理器1901执行计算机程序1903时实现上述各个用于瞳孔检测的方法实施例中的步骤。存储器1902用于存储计算机程序，所述计算机程序包括程序指令。处理器1901用于执行存储器1902存储的程序指令。其中，处理器1901被配置用于调用所述程序指令执行以下操作：
处理器1901用于在不同光通量的环境中，获取被测对象的瞳孔虹膜图像；所述瞳孔虹膜图像包括基准图像、暗瞳图像以及亮瞳图像；所述基准图像用于表示在预设光通量时所述被测对象的瞳孔虹膜图像；
分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；
根据所述第一比值、所述第二比值、所述第三比值以及预设检测模型，确定所述被测对象的瞳孔是否异常。
处理器1901具体用于若所述第二比值大于所述第一比值，或者所述第三比值小于所述第一比值时，则判定所述被测对象的瞳孔异常。
若所述被测对象的瞳孔异常，则根据所述第一比值、所述第二比值、所述第三比值以及所述检测模型，确定所述被测对象的瞳孔的当前致异原因；
根据所述当前致异原因，更新与所述当前致异原因对应的致异原因系数。
处理器1901具体用于若所述被测对象的瞳孔异常，则根据所述检测模型中各数值区间对应的瞳孔特征确定所述第一比值对应的第一瞳孔特征、所述第二比值对应的第二瞳孔特征以及所述第三比值对应的第三瞳孔特征；
根据所述检测模型中各瞳孔特征对应的致异原因系数，确定所述第一瞳孔特征、所述第二瞳孔特征以及所述第三瞳孔特征分别对应的致异原因系数；
根据所有所述致异原因系数确定所述被测对象的瞳孔的当前致异原因。
处理器1901具体用于根据所述当前致异原因，对所述当前致异原因对应的致异原因系数的值进行计数。
处理器1901具体用于采集所述被测对象的身份信息；
将所述身份信息上传至服务器，并获取所述服务器在验证所述身份信息之后发送的身份验证信息；所述身份验证信息用于表示所述被测对象的身份信息是否合法；
若所述被测对象的身份信息合法，则分别获取不同光通量时所述被测对象的瞳孔虹膜图像。
处理器1901具体用于根据所述被测对象的身份信息，从预设检测模型中确定适合所述被测对象身份的判断参数；
根据所述第一比值、所述第二比值、所述第三比值、所述检测模型以及判断参数，确定所述被测对象的瞳孔是否异常。
上述方案，通过采集所述被测对象的身份信息；将所述身份信息上传至服务器，并获取所述服务器在验证所述身份信息之后发送的身份验证信息；若所述被测对象的身份信息合法，则分别获取不同光通量时所述被测对象的瞳孔虹膜图像；分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；若所述第二比值大于所述第一比值，或者所述第三比值小于所述第一比值时，则判定所述被测对象的瞳孔异常；若所述被测对象的瞳孔异常，则根据所述第一比值、所述第二比值、所述第三比值以及所述检测模型，确定所述被测对象的瞳孔的当前致异原因；根据所述当前致异原因，更新与所述当前致异原因对应的致异原因系数。通过获取被测对象的身份信息确定适合于被测对象的判断参数，并根据瞳孔面积与虹膜面积判定被测对象的瞳孔是否异常，保证了异常判定标准的个性化和普适性，通过致异原因系数确定致异原因，并更新最终确定的致异原因所对应的致异原因系数，提高了异常判断的准确性。
应当理解，在本发明实施例中，所称处理器1901可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器1902可以包括只读存储器和随机存取存储器，并向处理器1901提供指令和数据。存储器1902的一部分还可以包括非易失性随机存取存储器。例如，存储器1902还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器1901、存储器1902、计算机程序1903可执行本发明实施例提供的瞳孔检测的装置的第一实施例和第二实施例中所描述的实现方式，也可执行本发明实施例所描述的终端的实现方式，在此不再赘述。
在本发明的另一实施例中提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现：
在不同光通量的环境中，获取被测对象的瞳孔虹膜图像；所述瞳孔虹膜图像包括基准图像、暗瞳图像以及亮瞳图像；所述基准图像用于表示在预设光通量时所述被测对象的瞳孔虹膜图像；
分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；
根据所述第一比值、所述第二比值、所述第三比值以及预设检测模型，确定所述被测对象的瞳孔是否异常。
进一步的，所述计算机程序被处理器执行时还实现：
若所述第二比值大于所述第一比值，或者所述第三比值小于所述第一比值时，则判定所述被测对象的瞳孔异常。
进一步的，所述计算机程序被处理器执行时还实现：
若所述被测对象的瞳孔异常，则根据所述第一比值、所述第二比值、所述第三比值以及所述检测模型，确定所述被测对象的瞳孔的当前致异原因；
根据所述当前致异原因，更新与所述当前致异原因对应的致异原因系数。
进一步的，所述计算机程序被处理器执行时还实现：
若所述被测对象的瞳孔异常，则根据所述检测模型中各数值区间对应的瞳孔特征确定所述第一比值对应的第一瞳孔特征、所述第二比值对应的第二瞳孔特征以及所述第三比值对应的第三瞳孔特征；
根据所述检测模型中各瞳孔特征对应的致异原因系数，确定所述第一瞳孔特征、所述第二瞳孔特征以及所述第三瞳孔特征分别对应的致异原因系数；
根据所有所述致异原因系数确定所述被测对象的瞳孔的当前致异原因。
进一步的，所述计算机程序被处理器执行时还实现：
根据所述当前致异原因，对所述当前致异原因对应的致异原因系数的值进行计数。
进一步的，所述计算机程序被处理器执行时还实现：
采集所述被测对象的身份信息；
将所述身份信息上传至服务器，并获取所述服务器在验证所述身份信息之后发送的身份验证信息；所述身份验证信息用于表示所述被测对象的身份信息是否合法；
若所述被测对象的身份信息合法，则分别获取不同光通量时所述被测对象的瞳孔虹膜图像。
进一步的，所述计算机程序被处理器执行时还实现：
根据所述被测对象的身份信息，从预设检测模型中确定适合所述被测对象身份的判断参数；
根据所述第一比值、所述第二比值、所述第三比值、所述检测模型以及判断参数，确定所述被测对象的瞳孔是否异常。
上述方案，通过采集所述被测对象的身份信息；将所述身份信息上传至服务器，并获取所述服务器在验证所述身份信息之后发送的身份验证信息；若所述被测对象的身份信息合法，则分别获取不同光通量时所述被测对象的瞳孔虹膜图像；分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；若所述第二比值大于所述第一比值，或者所述第三比值小于所述第一比值时，则判定所述被测对象的瞳孔异常；若所述被测对象的瞳孔异常，则根据所述第一比值、所述第二比值、所述第三比值以及所述检测模型，确定所述被测对象的瞳孔的当前致异原因；根据所述当前致异原因，更新与所述当前致异原因对应的致异原因系数。通过获取被测对象的身份信息确定适合于被测对象的判断参数，并根据瞳孔面积与虹膜面积判定被测对象的瞳孔是否异常，保证了异常判定标准的个性化和普适性，通过致异原因系数确定致异原因，并更新最终确定的致异原因所对应的致异原因系数，提高了异常判断的准确性。
所述计算机可读存储介质可以是前述任一实施例所述的终端的内部存储单元，例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种智能鉴毒的方法，其特征在于，包括：
在不同光通量的环境中，获取被测对象的瞳孔虹膜图像；所述瞳孔虹膜图像包括基准图像、暗瞳图像以及亮瞳图像；所述基准图像用于表示在预设光通量时所述被测对象的瞳孔虹膜图像；其中，基准图像为在预设光通量时被测对象的瞳孔虹膜图像；
分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；
根据所述第一比值、所述第二比值、所述第三比值以及预设检测模型，确定所述被测对象的瞳孔是否异常；
若所述被测对象的瞳孔异常，则根据所述第一比值、所述第二比值、所述第三比值以及所述检测模型，确定所述被测对象的瞳孔的当前致异原因，包括：若所述被测对象的瞳孔异常，则根据所述检测模型中各数值区间对应的瞳孔特征确定所述第一比值对应的第一瞳孔特征、所述第二比值对应的第二瞳孔特征以及所述第三比值对应的第三瞳孔特征；根据所述检测模型中各瞳孔特征对应的致异原因系数，确定所述第一瞳孔特征、所述第二瞳孔特征以及所述第三瞳孔特征分别对应的致异原因系数；根据所有所述致异原因系数中最大的致异原因系数对应的致异原因作为被测对象的瞳孔的当前致异原因；其中，所述检测模型包括m种异常瞳孔现象构成的异常瞳孔集合以及n种致异原因构成的致异原因集合，每个异常瞳孔现象由基准图像中的瞳孔面积与虹膜面积之间的比值的数值区间、亮瞳图像中的瞳孔面积与虹膜面积之间的比值的数值区间以及暗瞳图像中的瞳孔面积与虹膜面积之间的比值的数值区间构成，每种瞳孔异常现象对应多种致异原因，所述n种致异原因分别对应不同的致异原因系数，所述致异原因系数为检测认定为对应致异原因的次数，所述瞳孔特征为异常瞳孔现象；
根据所述当前致异原因，更新与所述当前致异原因对应的致异原因系数。
2.如权利要求1所述的智能鉴毒的方法，其特征在于，所述根据所述第一比值、所述第二比值、所述第三比值以及预设检测模型，确定所述被测对象的瞳孔是否异常，包括：
若所述第二比值大于所述第一比值，或者所述第三比值小于所述第一比值时，则判定所述被测对象的瞳孔异常。
3.如权利要求1所述的智能鉴毒的方法，其特征在于，所述根据所述当前致异原因，更新与所述当前致异原因对应的致异原因系数，包括：
根据所述当前致异原因，对所述当前致异原因对应的致异原因系数的值进行计数。
4.如权利要求1所述的智能鉴毒的方法，其特征在于，所述获取不同光通量时被测对象的瞳孔虹膜图像，包括：
采集所述被测对象的身份信息；
将所述身份信息上传至服务器，并获取所述服务器在验证所述身份信息之后发送的身份验证信息；所述身份验证信息用于表示所述被测对象的身份信息是否合法；
若所述被测对象的身份信息合法，则分别获取不同光通量时所述被测对象的瞳孔虹膜图像。
5.如权利要求4所述的智能鉴毒的方法，其特征在于，所述根据所述第一比值、所述第二比值、所述第三比值以及预设检测模型，确定所述被测对象的瞳孔是否异常，包括：
根据所述被测对象的身份信息，从预设检测模型中确定适合所述被测对象身份的判断参数；
根据所述第一比值、所述第二比值、所述第三比值、所述检测模型以及判断参数，确定所述被测对象的瞳孔是否异常。
6.一种智能鉴毒的装置，其特征在于，包括：
图像获取单元，用于获取不同光通量时被测对象的瞳孔虹膜图像；所述瞳孔虹膜图像包括基准图像、暗瞳图像以及亮瞳图像；所述基准图像用于表示在预设光通量时所述被测对象的瞳孔虹膜图像；其中，基准图像为在预设光通量时被测对象的瞳孔虹膜图像；
比值计算单元，用于分别计算所述基准图像中的瞳孔面积与虹膜面积之间的第一比值、所述暗瞳图像中的瞳孔面积与虹膜面积之间的第二比值以及所述亮瞳图像中的瞳孔面积与虹膜面积之间的第三比值；
异常判断单元，用于根据所述第一比值、所述第二比值、所述第三比值以及预设检测模型，确定所述被测对象的瞳孔是否异常；
原因确定单元，用于若所述被测对象的瞳孔异常，则根据所述第一比值、所述第二比值、所述第三比值以及所述检测模型，确定所述被测对象的瞳孔的当前致异原因；
系数更新单元，用于根据所述当前致异原因，更新与所述当前致异原因对应的致异原因系数；
原因确定单元具体包括：特征确定单元，用于若所述被测对象的瞳孔异常，则根据所述检测模型中各数值区间对应的瞳孔特征确定所述第一比值对应的第一瞳孔特征、所述第二比值对应的第二瞳孔特征以及所述第三比值对应的第三瞳孔特征；系数确定单元，用于根据所述检测模型中各瞳孔特征对应的致异原因系数，确定所述第一瞳孔特征、所述第二瞳孔特征以及所述第三瞳孔特征分别对应的致异原因系数；原因判定单元，用于根据所有所述致异原因系数中最大的致异原因系数对应的致异原因作为所述被测对象的瞳孔的当前致异原因；其中，所述检测模型包括m种异常瞳孔现象构成的异常瞳孔集合以及n种致异原因构成的致异原因集合，每个异常瞳孔现象由基准图像中的瞳孔面积与虹膜面积之间的比值的数值区间、亮瞳图像中的瞳孔面积与虹膜面积之间的比值的数值区间以及暗瞳图像中的瞳孔面积与虹膜面积之间的比值的数值区间构成，每种瞳孔异常现象对应多种致异原因，所述n种致异原因分别对应不同的致异原因系数，所述致异原因系数为检测认定为对应致异原因的次数，所述瞳孔特征为异常瞳孔现象。
7.一种智能鉴毒的装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810371837.5A CN110393504B (zh) | 2018-04-24 | 2018-04-24 | 一种智能鉴毒的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810371837.5A CN110393504B (zh) | 2018-04-24 | 2018-04-24 | 一种智能鉴毒的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110393504A CN110393504A (zh) | 2019-11-01 |
| CN110393504B true CN110393504B (zh) | 2022-02-15 |
Family
ID=68320252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810371837.5A Active CN110393504B (zh) | 2018-04-24 | 2018-04-24 | 一种智能鉴毒的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110393504B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113221594A (zh) * | 2020-01-17 | 2021-08-06 | 北京眼神智能科技有限公司 | 虹膜识别和吸毒检测方法、装置、可读存储介质及设备 |
| CN113409383A (zh) * | 2020-03-16 | 2021-09-17 | 同方威视技术股份有限公司 | 基于人眼瞳孔的吸毒判别方法 |
| CN113405505B (zh) | 2020-03-16 | 2022-09-16 | 同方威视技术股份有限公司 | 基于多传感器的距离与身高的确定方法及其装置 |
| CN113470105A (zh) * | 2020-03-31 | 2021-10-01 | 清华大学 | 远距离测量瞳孔大小的装置及其方法 |
| CN114120435A (zh) * | 2020-08-25 | 2022-03-01 | 深圳爱酷智能科技有限公司 | 吸毒人员检测方法、装置、计算机可读存储介质及设备 |
| KR102607775B1 (ko) * | 2023-02-21 | 2023-11-30 | 주식회사 비쥬웍스 | 마약 투약 여부 판단 전자장치 및 그것의 동작방법 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1629874A (zh) * | 2004-10-22 | 2005-06-22 | 中国科学院昆明动物研究所 | 吸毒人员瞳孔动态变化快速检测方法及其装置 |
| CN101788848A (zh) * | 2009-09-29 | 2010-07-28 | 北京科技大学 | 用于视线追踪系统的眼部特征参数检测方法 |
| CN103366157A (zh) * | 2013-05-03 | 2013-10-23 | 马建 | 一种人眼视线距离的判断方法 |
| CN104586386A (zh) * | 2014-09-22 | 2015-05-06 | 中国科学院昆明动物研究所 | 一种利用脑电特征和瞳孔动态变化特征快速筛查吸毒人员的方法 |
| CN104586410A (zh) * | 2014-12-02 | 2015-05-06 | 惠州Tcl移动通信有限公司 | 移动终端、可穿戴式设备、判断用户状态的系统及方法 |
| CN105320939A (zh) * | 2015-09-28 | 2016-02-10 | 北京天诚盛业科技有限公司 | 虹膜活体检测的方法和装置 |
| CN105744881A (zh) * | 2013-09-19 | 2016-07-06 | 儿童国家医疗中心 | 用于确定患者的生理扰乱的设备和方法 |
| CN106419830A (zh) * | 2016-11-10 | 2017-02-22 | 任秋生 | 一种瞳孔直径测量方法 |
| CN106667506A (zh) * | 2016-12-21 | 2017-05-17 | 上海与德信息技术有限公司 | 一种基于皮肤电反应和瞳孔变化的测谎方法及装置 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020024633A1 (en) * | 1999-04-09 | 2002-02-28 | Daehoon Kim | Pupil evaluation system |
| JP5171094B2 (ja) * | 2007-04-11 | 2013-03-27 | アイリテック株式会社 | 自律神経機能又は／及びストレス度評価装置 |
| US8810642B2 (en) * | 2010-02-26 | 2014-08-19 | Panasonic Intellectual Property Corporation Of America | Pupil detection device and pupil detection method |
| US20140104436A1 (en) * | 2012-10-14 | 2014-04-17 | Stephan Bork | Circuit to adjust backlighting for a display device |
| NZ773833A (en) * | 2015-03-16 | 2022-07-01 | Magic Leap Inc | Methods and systems for diagnosing and treating health ailments |
| US10034605B2 (en) * | 2016-04-29 | 2018-07-31 | Jonathan T. Holt | Systems, methods, and devices for detection and diagnosis of brain trauma, mental impairment, or physical disability |
| CN107822609A (zh) * | 2016-09-16 | 2018-03-23 | 天津森宇科技发展有限公司 | 应用物联网及云计算平台监测人体用药反应的装置 |
-
2018
- 2018-04-24 CN CN201810371837.5A patent/CN110393504B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1629874A (zh) * | 2004-10-22 | 2005-06-22 | 中国科学院昆明动物研究所 | 吸毒人员瞳孔动态变化快速检测方法及其装置 |
| CN101788848A (zh) * | 2009-09-29 | 2010-07-28 | 北京科技大学 | 用于视线追踪系统的眼部特征参数检测方法 |
| CN103366157A (zh) * | 2013-05-03 | 2013-10-23 | 马建 | 一种人眼视线距离的判断方法 |
| CN105744881A (zh) * | 2013-09-19 | 2016-07-06 | 儿童国家医疗中心 | 用于确定患者的生理扰乱的设备和方法 |
| CN104586386A (zh) * | 2014-09-22 | 2015-05-06 | 中国科学院昆明动物研究所 | 一种利用脑电特征和瞳孔动态变化特征快速筛查吸毒人员的方法 |
| CN104586410A (zh) * | 2014-12-02 | 2015-05-06 | 惠州Tcl移动通信有限公司 | 移动终端、可穿戴式设备、判断用户状态的系统及方法 |
| CN105320939A (zh) * | 2015-09-28 | 2016-02-10 | 北京天诚盛业科技有限公司 | 虹膜活体检测的方法和装置 |
| CN106419830A (zh) * | 2016-11-10 | 2017-02-22 | 任秋生 | 一种瞳孔直径测量方法 |
| CN106667506A (zh) * | 2016-12-21 | 2017-05-17 | 上海与德信息技术有限公司 | 一种基于皮肤电反应和瞳孔变化的测谎方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110393504A (zh) | 2019-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110393504B (zh) | 一种智能鉴毒的方法及装置 | |
| US10441160B2 (en) | Method and system for classifying optic nerve head | |
| US7801336B2 (en) | Living eye judging method and living eye judging device | |
| US7427135B2 (en) | Adaptive photoscreening system | |
| CN104114079A (zh) | 用于识别眼部健康状况的系统和方法 | |
| JP2018520820A (ja) | 視覚の様相を検査する方法及びシステム | |
| US6616277B1 (en) | Sequential eye screening method and apparatus | |
| CN108392174B (zh) | 一种早产儿视网膜病变的自动检查方法及系统 | |
| US11642068B2 (en) | Device and method to determine objectively visual memory of images | |
| CN111832344B (zh) | 一种动态瞳孔检测方法及装置 | |
| CN115281602A (zh) | 一种用于青光眼的研究瞳孔对光反射障碍的动态分析系统 | |
| US7452079B1 (en) | System and method for inducing and measuring a consensual pupillary response | |
| CN108630315A (zh) | 用于确定使用者的眼病的风险分数的方法以及用于执行此类方法的系统 | |
| US11969212B2 (en) | Methods and apparatus for detecting a presence and severity of a cataract in ambient lighting | |
| JP2001309890A (ja) | 脳機能検査方法及びその装置 | |
| CN117373104A (zh) | 基于瞳孔检测的吸毒人员识别方法 | |
| Ahuja et al. | Retinal Image Based System to Detect the Drug Abuse | |
| JP2023522141A (ja) | 神経学的スクリーニング方法および装置 | |
| US20240277224A1 (en) | Optical coherence tomography (oct) self-testing system, optical coherence tomography method, and eye disease monitoring system | |
| EP4480391A1 (en) | A method for reducing the variability of pupillary light response in a visible-light pupillometry | |
| CN214965416U (zh) | 一种眼科设备检查用替代人眼的人造假眼 | |
| US20240341590A1 (en) | Methods and systems for aligning an eye for making a determination about the eye using remote or telehealth procedures | |
| US20210137377A1 (en) | In-direct method and system for vitamin a deficiency detection | |
| EP4081095A1 (en) | Methods and apparatus for detecting a presence and severity of a cataract in ambient lighting | |
| KR20230081189A (ko) | 스마트폰을 이용한 동공반응 검사방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |