[go: up one dir, main page]

CN112651957A - 人眼闭眼程度检测装置 - Google Patents

人眼闭眼程度检测装置 Download PDF

Info

Publication number
CN112651957A
CN112651957A CN202011635971.5A CN202011635971A CN112651957A CN 112651957 A CN112651957 A CN 112651957A CN 202011635971 A CN202011635971 A CN 202011635971A CN 112651957 A CN112651957 A CN 112651957A
Authority
CN
China
Prior art keywords
eye
module
image
submodule
detection device
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.)
Pending
Application number
CN202011635971.5A
Other languages
English (en)
Inventor
罗秋伟
陈宏伟
蔡明�
李孟尝
潘丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zd Mecical Inc
Original Assignee
Zd Mecical Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zd Mecical Inc filed Critical Zd Mecical Inc
Priority to CN202011635971.5A priority Critical patent/CN112651957A/zh
Publication of CN112651957A publication Critical patent/CN112651957A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30041—Eye; Retina; Ophthalmic

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ophthalmology & Optometry (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种人眼闭眼程度检测装置，包含：图像采集模块，用于采集待检测人员在一段时间内的眨眼的眼部视频；提取模块，用于从所述眼部视频中的每一帧图像中提取出黑眼球区域；计算模块，用于根据提取出的所述黑眼球区域计算闭合度值，所述闭合度值为所述黑眼球区域的高度与宽度的比值；统计模块，用于统计所述眼部视频中的所有帧图像的所述闭合度值；判断模块，用于根据所述统计模块的统计结果判断待检测人员的闭眼程度。本发明的人眼闭眼程度检测装置，能够精确识别待检测者是否属于闭眼不完全的类型。

Description

人眼闭眼程度检测装置
技术领域
本发明涉及一种人眼闭眼程度检测装置。
背景技术
90％的干眼治疗效果不好的病人，都有眨眼不完全的问题，即使油脂分泌正常，不完全眨眼会也导致油脂无法均匀分布在眼表。闭眼不全有可能会导致干眼症，如果眼睛长期处于闭眼不全的状态，就可能会出现眼干眼涩眼疲劳的现象，使眼睛不能得到充分的休息，闭眼不全有可能是由于用眼过度造成的，也可能与长期熬夜有很大的关系。如果患者有不完全眨眼，应该进行患者教育和眨眼练习。
发明内容
本发明提供了一种人眼闭眼程度检测装置，采用如下的技术方案：
一种人眼闭眼程度检测装置，包括：
图像采集模块，用于采集待检测人员在一段时间内的眨眼的眼部视频；
提取模块，用于从眼部视频中的每一帧图像中提取出黑眼球区域；
计算模块，用于根据提取出的黑眼球区域计算闭合度值，闭合度值为黑眼球区域的高度与宽度的比值；
统计模块，用于统计眼部视频中的所有帧图像的闭合度值；
判断模块，用于根据统计模块的统计结果判断待检测人员的闭眼程度。
进一步地，判断模块包括：
获取子模块，用于从统计结果中获取到眨眼周期数以及每个眨眼周期内的最小闭合度值；
计算子模块，用于根据识别子模块获取到的眨眼周期数和最小闭合度值计算出平均最小闭合度值；
判断子模块，用于将平均最小闭合度值和预设的基准闭合度值进行比较以判断待检测者是否闭眼充分。
进一步地，图像采集模块还用于采集待检测者正常睁眼时的人眼图像；
闭眼程度检测装置还包括：
形状识别模块，用于识别人眼图像中的黑色眼球区域的形状；
基准矫正模块，用于根据形状识别模块识别出的形状对基准闭合度值进行矫正。
进一步地，闭眼程度检测装置还包括：
占比计算模块，用于计算人眼图像中的黑色眼球区域占据人眼区域的比例；
基准矫正模块根据形状识别模块识别出的形状和占比计算模块计算得到的人眼图像中的黑色眼球区域占据人眼的比例对基准闭合度值进行矫正。
进一步地，提取模块包括：
第一转换子模块，用于将眼部视频中的每一帧图像转换成HSV模式；
第二转换子模块，用于通过下述公式对图像进行转换：
sv(x,y)＝(s(x,y)*(1-v(x,y)))2，
其中，s(x,y)是转换后的图像的HSV通道中S通道的对应坐标的值，v(x,y)是HSV通道中V通道的对应坐标的值；
阈值分割子模块，用于通过第一阈值对转换后的图像进行阈值分割；
第一图像处理子模块，用于对阈值分割后的图像进行形态学处理；
提取子模块，用于从处理后的图像中识别出具有规则圆形的区域作为黑眼球区域。
进一步地，提取模块还包括：
阈值计算子模块，用于通过大津图像算法对第二转换子模块转换后的图像进行计算得到第一阈值。
进一步地，提取模块还包括：
第二图像处理子模块，通过下述梯度公式对第一图像处理子模块处理后的图像进行处理：
g(x,y)＝f(x,y)-f(x+1,y)，
其中，f(x,y)是形态学处理得出的图像的对应坐标的值，将计算结果大于0的结果置为1，其他情况置为0。
进一步地，提取子模块包括：
获取单元，用于获取图像中每一连通区域的三个位置极点，分别是最左点Da(xa,ya)、最低点Db(xb,yb)和最右点Dc(xc,yc)；
第一计算单元，用于根据下述公式计算有效旁坐标Dd(xd,yd)：
Figure BDA0002876290710000021
第一计算单元还用于根据下述公式分别计算最低点Db(xb,yb)到两边对称距离的差和SumD、最低点Db(xb,yb)到两边对称水平夹角的差和SumA、第一判断阈值DA和第二判断阈值dAi：
Figure BDA0002876290710000022
Figure BDA0002876290710000023
DA＝SumD*SumA，
Figure BDA0002876290710000031
判定单元，用于根据计算出的每个连通区域的第一判断阈值DA和第二判断阈值dAi判断其是否是黑眼球区域。
进一步地，人眼闭眼程度检测装置还包括：
照明模块，用于在采集待检测人员的眼部视频时，通过近红外光照射待检测人员的脸部。
本发明的有益之处在于所提供的人眼闭眼程度检测装置，能够精确识别待检测者是否属于闭眼不完全的类型。
本发明的有益之处在于所提供的人眼闭眼程度检测装置，能够根据不同检测者的人眼的特性调整判定标准，使得人眼闭眼程度检测装置的判断更加准确。
附图说明
图1是本发明的人眼闭眼程度检测装置的示意图；
图2是本发明的闭合度值统计结果示意图：
图3是图像采集模块采集的原图：
图4是对原图进行图像转换后的示意图：
图5是进行阈值分割后的示意图：
图6是通过梯度公式处理后的示意图：
图7是识别出的黑眼球区域。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
如图1所示为本发明的一种人眼闭眼程度检测装置，主要包括：图像采集模块10、提取模块20、计算模块30、统计模块40和判断模块50。图像采集模块10用于采集待检测人员在一段时间内的眨眼的眼部视频。提取模块20用于从眼部视频中的每一帧图像中提取出黑眼球区域。计算模块30用于根据提取出的黑眼球区域计算闭合度值，闭合度值为黑眼球区域的高度与宽度的比值。统计模块40用于统计眼部视频中的所有帧图像的闭合度值，统计结果如图2所示。判断模块50用于根据统计模块40的统计结果判断待检测人员的闭眼程度。
作为优选的实施方式，判断模块50包括：获取子模块、计算子模块和判断子模块。
获取子模块用于从统计结果中获取到眨眼周期数以及每个眨眼周期内的最小闭合度值。如图2所示，波谷处为最小闭合度值，有效波谷处对应的为眨眼周期数。计算子模块用于根据识别子模块获取到的眨眼周期数和最小闭合度值计算出平均最小闭合度值，最小闭合度值的和与眨眼周期数的比值。判断子模块用于将平均最小闭合度值和预设的基准闭合度值进行比较以判断待检测者是否闭眼充分。具体地，平均闭合度值为0表示在眨眼的过程中，人眼完全眨眼。一般，当平均闭合度值大于0.1，则认为待检测者属于闭眼不充分的类型。因此，在本发明中，默认将基准闭合度值设置为0.1。可以理解的是，基准闭合度值可以根据需要具体设定。
作为一种优选的实施方式，图像采集模块10还用于采集待检测者正常睁眼时的人眼图像。闭眼程度检测装置还包括：形状识别模块60和基准矫正模块70。
其中，形状识别模块60用于识别人眼图像中的黑色眼球区域的形状。基准矫正模块70用于根据形状识别模块60识别出的形状对基准闭合度值进行矫正。
可以理解的是，一般，人眼的黑眼球区域为圆形。但是对于不同的待检测者，其人眼的黑眼球区域的具体形状是存在差异的，因此，针对不同的待检测者，设定相同的基准闭合度值会降低检测的准确性。在本发明中，将基准闭合度值设定为0.1，同时，再根据每个待检测者的黑眼球区域的形状差异对基准闭合度值进行矫正，使得作为判断标准的基准闭合度值更加符合待检测者。
作为一种更优选的实施方式，闭眼程度检测装置还包括：占比计算模块80。
占比计算模块80用于计算人眼图像中的黑色眼球区域占据人眼区域的比例。基准矫正模块70根据形状识别模块60识别出的形状和占比计算模块80计算得到的人眼图像中的黑色眼球区域占据人眼的比例对基准闭合度值进行矫正。
如上所述，针对不同的待检测者的眼球的差异，需要设定不同的基准闭合度值。不仅黑眼球区域的具体形状会带来差异，黑眼球区域占据人眼的比例也会对基准闭合度值产生影响。因此，为了提高评价的科学性，基准矫正模块70根据形状识别模块60识别出的形状和占比计算模块80计算得到的人眼图像中的黑色眼球区域占据人眼的比例对基准闭合度值进行矫正。
作为一种优选的实施方式，提取模块20包括：第一转换子模块、第二转换子模块、阈值分割子模块、第一图像处理子模块和提取子模块。
具体而言，第一转换子模块用于将眼部视频中的每一帧图像转换成HSV模式。
第二转换子模块用于通过下述公式对图像进行转换：
sv(x,y)＝(s(x,y)*(1-v(x,y)))2，
其中，s(x,y)是转换后的图像的HSV通道中S通道的对应坐标的值，v(x,y)是HSV通道中V通道的对应坐标的值。将如图3的原图转换为图4。
阈值分割子模块用于通过第一阈值对转换后的图像进行阈值分割。得到如图5所示。
第一图像处理子模块用于对阈值分割后的图像进行形态学处理。提取子模块用于从处理后的图像中识别出具有规则圆形的区域作为黑眼球区域。
具体地，提取模块20还包括：阈值计算子模块。
阈值计算子模块用于通过大津图像算法对第二转换子模块转换后的图像进行计算得到第一阈值。
作为一种优选的实施方式，提取模块20还包括：第二图像处理子模块。
第二图像处理子模块通过下述梯度公式对第一图像处理子模块处理后的图像进行处理：
g(x,y)＝f(x,y)-f(x+1,y)，
其中，f(x,y)是形态学处理得出的图像的对应坐标的值，将计算结果大于0的结果置为1，其他情况置为0。效果如图6所示。
以下具体介绍提取子模块。提取子模块包括：获取单元、第一计算单元和判定单元。
获取单元获取图像中每一连通区域的三个位置极点，分别是最左点Da(xa,ya)、最低点Db(xb,yb)和最右点Dc(xc,yc)。
第一计算单元根据下述公式计算有效旁坐标Dd(xd,yd)：
Figure BDA0002876290710000051
第一计算单元还根据下述公式分别计算最低点Db(xb,yb)到两边对称距离的差和SumD、最低点Db(xb,yb)到两边对称水平夹角的差和SumA、第一判断阈值DA和第二判断阈值dAi：
Figure BDA0002876290710000052
Figure BDA0002876290710000053
DA＝SumD*SumA，
Figure BDA0002876290710000054
判定单元用于根据计算出的每个连通区域的第一判断阈值DA和第二判断阈值dAi判断其是否是黑眼球区域。在本实施例中，判断第一判断阈值DA是否小于第一值以及判断是否有90％以上的第二判断阈值dAi小于第二值，若两者同时满足，则判定该区域为有效曲率圆，即为黑眼球区域。如图7所示，将该部分提取出来作为黑眼球区域，并获取其高度和宽度，以计算闭合度值。
作为一种优选的实施方式，人眼闭眼程度检测装置还包括：照明模块90。
照明模块90用于在采集待检测人员的眼部视频时，通过近红外光照射待检测人员的脸部。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (9)

1.一种人眼闭眼程度检测装置，其特征在于，包括：
图像采集模块，用于采集待检测人员在一段时间内的眨眼的眼部视频；
提取模块，用于从所述眼部视频中的每一帧图像中提取出黑眼球区域；
计算模块，用于根据提取出的所述黑眼球区域计算闭合度值，所述闭合度值为所述黑眼球区域的高度与宽度的比值；
统计模块，用于统计所述眼部视频中的所有帧图像的所述闭合度值；
判断模块，用于根据所述统计模块的统计结果判断待检测人员的闭眼程度。
2.根据权利要求1所述的闭眼程度检测装置，其特征在于，
所述判断模块包括：
获取子模块，用于从统计结果中获取到眨眼周期数以及每个眨眼周期内的最小闭合度值；
计算子模块，用于根据所述识别子模块获取到的眨眼周期数和最小闭合度值计算出平均最小闭合度值；
判断子模块，用于将所述平均最小闭合度值和预设的基准闭合度值进行比较以判断待检测者是否闭眼充分。
3.根据权利要求2所述的闭眼程度检测装置，其特征在于，
所述图像采集模块还用于采集待检测者正常睁眼时的人眼图像；
所述闭眼程度检测装置还包括：
形状识别模块，用于识别所述人眼图像中的黑色眼球区域的形状；
基准矫正模块，用于根据所述形状识别模块识别出的形状对所述基准闭合度值进行矫正。
4.根据权利要求3所述的闭眼程度检测装置，其特征在于，
所述闭眼程度检测装置还包括：
占比计算模块，用于计算所述人眼图像中的黑色眼球区域占据人眼区域的比例；
所述基准矫正模块根据所述形状识别模块识别出的形状和所述占比计算模块计算得到的所述人眼图像中的黑色眼球区域占据人眼的比例对所述基准闭合度值进行矫正。
5.根据权利要求1所述的闭眼程度检测装置，其特征在于，
所述提取模块包括：
第一转换子模块，用于将所述眼部视频中的每一帧图像转换成HSV模式；
第二转换子模块，用于通过下述公式对图像进行转换：
sv(x,y)＝(s(x,y)*(1-v(x,y)))2，
其中，s(x,y)是转换后的图像的HSV通道中S通道的对应坐标的值，v(x,y)是HSV通道中V通道的对应坐标的值；
阈值分割子模块，用于通过第一阈值对转换后的图像进行阈值分割；
第一图像处理子模块，用于对阈值分割后的图像进行形态学处理；
提取子模块，用于从处理后的图像中识别出具有规则圆形的区域作为所述黑眼球区域。
6.根据权利要求5所述的闭眼程度检测装置，其特征在于，
所述提取模块还包括：
阈值计算子模块，用于通过大津图像算法对所述第二转换子模块转换后的图像进行计算得到所述第一阈值。
7.根据权利要求5所述的闭眼程度检测装置，其特征在于，
所述提取模块还包括：
第二图像处理子模块，通过下述梯度公式对所述第一图像处理子模块处理后的图像进行处理：
g(x,y)＝f(x,y)-f(x+1,y)，
其中，f(x,y)是形态学处理得出的图像的对应坐标的值，将计算结果大于0的结果置为1，其他情况置为0。
8.根据权利要求7所述的闭眼程度检测装置，其特征在于，
所述提取子模块包括：
获取单元，用于获取图像中每一连通区域的三个位置极点，分别是最左点Da(xa,ya)、最低点Db(xb,yb)和最右点Dc(xc,yc)；
第一计算单元，用于根据下述公式计算有效旁坐标Dd(xd,yd)：
Figure FDA0002876290700000021
所述第一计算单元还用于根据下述公式分别计算最低点Db(xb,yb)到两边对称距离的差和SumD、最低点Db(xb,yb)到两边对称水平夹角的差和SumA、第一判断阈值DA和第二判断阈值dAi：
Figure FDA0002876290700000022
Figure FDA0002876290700000023
DA＝SumD*SumA，
Figure FDA0002876290700000031
判定单元，用于根据计算出的每个连通区域的第一判断阈值DA和第二判断阈值dAi判断其是否是所述黑眼球区域。
9.根据权利要求1所述的闭眼程度检测装置，其特征在于，
所述人眼闭眼程度检测装置还包括：
照明模块，用于在采集待检测人员的眼部视频时，通过近红外光照射待检测人员的脸部。
CN202011635971.5A 2020-12-31 2020-12-31 人眼闭眼程度检测装置 Pending CN112651957A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011635971.5A CN112651957A (zh) 2020-12-31 2020-12-31 人眼闭眼程度检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011635971.5A CN112651957A (zh) 2020-12-31 2020-12-31 人眼闭眼程度检测装置

Publications (1)

Publication Number Publication Date
CN112651957A true CN112651957A (zh) 2021-04-13

Family

ID=75368265

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011635971.5A Pending CN112651957A (zh) 2020-12-31 2020-12-31 人眼闭眼程度检测装置

Country Status (1)

Country Link
CN (1) CN112651957A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113449670A (zh) * 2021-07-09 2021-09-28 浙江正元智慧科技股份有限公司 基于人眼状态的瞌睡检测方法
CN115486811A (zh) * 2022-08-31 2022-12-20 广东旭宇光电有限公司 保护儿童眼睛的照明方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160310060A1 (en) * 2015-04-22 2016-10-27 Wistron Corporation Eye Detection Method and System
CN108537138A (zh) * 2018-03-20 2018-09-14 浙江工业大学 一种基于机器视觉的眼睛闭合度计算方法
CN110097012A (zh) * 2019-05-06 2019-08-06 苏州国科视清医疗科技有限公司 基于N-range图像处理算法的眼动参数监测的疲劳检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160310060A1 (en) * 2015-04-22 2016-10-27 Wistron Corporation Eye Detection Method and System
CN108537138A (zh) * 2018-03-20 2018-09-14 浙江工业大学 一种基于机器视觉的眼睛闭合度计算方法
CN110097012A (zh) * 2019-05-06 2019-08-06 苏州国科视清医疗科技有限公司 基于N-range图像处理算法的眼动参数监测的疲劳检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
EVANGELOS SKODRAS ET AL.: "Precise localization of eye centers in low resolution color images", 《IMAGE AND VISION COMPUTING》 *
孙海燕 等: "驾驶人眼睛定位及特征提取算法研究", 《农业装备与车辆工程》 *
毛须伟 等: "一种基于眼部状态的疲劳驾驶检测方法", 《长春理工大学学报（自然科学版）》 *
郑秀娟 等: "基于视觉特性的驾驶安全眼动研究进展", 《技术与创新管理》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113449670A (zh) * 2021-07-09 2021-09-28 浙江正元智慧科技股份有限公司 基于人眼状态的瞌睡检测方法
CN115486811A (zh) * 2022-08-31 2022-12-20 广东旭宇光电有限公司 保护儿童眼睛的照明方法、装置、设备及存储介质
CN117243562A (zh) * 2022-08-31 2023-12-19 广东旭宇光电有限公司 室内照明强光伤害眼睛的防护方法、装置及设备

Similar Documents

Publication Publication Date Title
CN108229362B (zh) 一种基于门禁系统的双目人脸识别活体检测方法
CN101271517B (zh) 面部区域检测装置和方法
CN107292877B (zh) 一种基于眼底图像特征的左右眼识别方法
Youssif et al. Optic disc detection from normalized digital fundus images by means of a vessels' direction matched filter
CN102419819B (zh) 人脸图像识别方法和系统
WO2020098038A1 (zh) 瞳孔跟踪图像处理方法
CN110705468B (zh) 基于图像分析的眼动范围识别方法和系统
CN112396011B (zh) 一种基于视频图像心率检测及活体检测的人脸识别系统
US20130259322A1 (en) System And Method For Iris Image Analysis
CN105205437B (zh) 基于头部轮廓验证的侧脸检测方法及装置
CN101576953A (zh) 一种人体姿态的分类方法和装置
CN106022304A (zh) 一种基于双目相机的实时人体坐姿情况检测方法
CN108961280B (zh) 一种基于slic超像素分割的眼底视盘精细分割方法
Lin et al. An automatic and effective tooth isolation method for dental radiographs
Dantcheva et al. On the reliability of eye color as a soft biometric trait
CN109035254A (zh) 基于改进K-means聚类的运动鱼体阴影去除及图像分割方法
CN112651957A (zh) 人眼闭眼程度检测装置
CN102184016B (zh) 基于视频序列识别的无接触式鼠标控制方法
CN118464928A (zh) 一种基于图像处理的芯片质量检测系统及芯片表面缺陷检测方法
CN110334631B (zh) 一种基于人脸检测与二值运算的坐姿检测方法
CN109028230A (zh) 具手势控制视觉检测功能的炉具及油烟浓度检测方法
Zhang et al. Computer identification and quantification of fissured tongue diagnosis
CN111814659A (zh) 一种活体检测方法、和系统
Jagadale et al. Early detection and categorization of cataract using slit-lamp images by hough circular transform
CN101447026B (zh) 一种红眼检测装置及其检测方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210413