基于ARM9的嵌入式手持瞳孔測量儀設計

田海軍++楊婷+趙楊輝

摘 要： 研究一種基于ARM9架構的嵌入式Linux手持瞳孔測量儀。采用S3C2440A芯片進行程序算法計算，經由攝像頭對動態視頻的幀圖像采集，由QT/Embedded圖形界面系統建立人機交互。程序算法選用Canny算子對眼部灰度圖像進行邊緣檢測，利用Hough變換實現瞳孔檢測。實驗表明，其算法精度高、噪聲小、針對瞳孔測量達到了預期的實驗效果。

關鍵詞： 手持瞳孔測量儀； 幀圖像采集； 瞳孔檢測； Hough變換

中圖分類號： TN98?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2017）12?0079?04

Abstract： A kind of embedded Linux hand?held pupilometer based on ARM9 architecture is discussed in this paper. The programmed algorithm is calculated by S3C2440A chip， with which frame image of dynamic video is collected through camera and human?computer interaction is established at Qt/Embedded graphical user interface （GUI） system. Canny operator is selected for the programmed algorithm to detect the edge of eye gray image. The pupil detection is implemented by means of Hough transform. The experiment result indicates that the algorithm achieves the expected effect in pupil detection with high precision and low noise.

Keywords： hand?held pupilometer； frame image acquisition； pupil detection； Hough transform

瞳孔測量[1]在工業、醫療、軍事等方面具有重要意義。尤其在臨床醫學，一些復雜的體力勞動正逐步被嵌入式醫療儀器所取代，使得醫院在針對病人治療時，可以減輕傳統治療對醫患者雙方的體力消耗，提高了病情數據分析的準確度和人們就診的效率。手持瞳孔測量儀[2]體積小、安裝調整方便、測量精確度高，使其在診斷某些引起瞳孔收縮變化的癥狀時，為后續治療提供準確的依據，因此采用嵌入式系統的手持瞳孔測量儀[3]在醫療器械行業擁有廣闊的應用前景。

1 系統總體設計

本文以嵌入式系統[4]設計作為中心思路，闡述了硬、軟件平臺的搭建以及程序算法的原理。硬件平臺以Samsung公司的ARM芯片S3C2440A為核心，形成了包括攝像頭、存儲單元以及人機交互界面等在內的圖像分析裝置電路設計方案。軟件平臺則采用Linux 2.6.31系統內核作為操作系統，圖形界面系統采用QT/Embedded，通過建立交叉開發環境，編寫瞳孔檢測程序，利用交叉編譯工具鏈實現程序到嵌入式設備的移植。程序算法采用基于灰度圖像的Canny算子對眼部圖像的邊緣化處理，經由動態閾值算法生成二值化圖像，再通過Hough[5]變換實現瞳孔的定位與檢測[6?7]。系統總體設計流程圖如圖1所示。

2 設計平臺搭建

2.1 硬件平臺搭建

瞳孔測量的硬件部分由處理器、外圍擴展、人機交互接口以及存儲部分組成。本文采用基于ARM920T的S3C2440A[8]芯片，由Samsung公司專門為手持終端設計，具有內存管理單元（MMU），選取0.18 mm工藝以及AMBA新型總線結構，主頻高達400 MHz，同時支持Thumb 的16位壓縮指令集，從而高效獲得32位的系統性能。

為了滿足Linux操作系統與Qt圖像界面能良好運行，系統采用具有容量大、價格低、掉電不丟失信息等特點的NAND FLASH存儲模塊[9]，再通過SDRAM存儲芯片會大大提高數據的存取速度且能最大限度地發揮系統性能。本系統中，NAND FLASH采用Samsung公司的K9F1208芯片。該芯片存儲容量為8×64 Mb、TSOP48封裝、工作電壓為3.3 V、數據位寬為16位、內部擁有528 B×32頁×4 096塊，每頁大小為528 B，每次可同時擦除或讀/寫4頁或塊的內容。攝像頭采集的視頻圖像經由S3C2440A的數據總線DATA0?7傳輸到讀/寫信號驅動K9F1208芯片。

SDRAM選用32 MB的K4S561632C存儲芯片作為緩存以輔助32位處理器提高數據處理能力。為了提高針對相對復雜算法的實時性操作，采用兩片SDRAM存儲芯片并聯的方式實現位擴展使其數據總線寬度達到32 b，總容量為64 MB。

人機交互界面[10]是人們在使用手持式設備最直接有效的途徑之一，通過LCD液晶顯示屏可以實時觀察測量結果，并對其進行反饋。系統選取夏普公司的一款4.3英寸帶觸摸屏的TFT型LCD，型號為LQ043T3DOE。S3C2440A中的LCD控制器與液晶屏之間采用夏普公司的LZ9FC22匹配數據格式與顯示時序。為了提高控制器的負載能力，需要對控制信號、數據的電平進行升壓，這里選取74LVTH162245電平轉換芯片連接控制器與觸摸屏的引腳。人機交互顯示結構如圖2所示，其中XP，XM，YP，YM是觸摸屏對按壓的響應信號，通過控制器轉換為x，y坐標送回S3C2440A芯片中進行處理。

2.2 軟件平臺搭建

作為瞳孔測量的軟件部分，利用嵌入式操作系統支持軟件應用。常用的操作系統有Linux，μC/OS?Ⅱ，WIN CE等。本文選取嵌入式Linux操作系統，它的最大優點在于其源代碼公開、低成本的軟件開發與維護、在世界范圍內擁有大量的開發人員、發展更新迅速且能支持市面上大部分的硬件，十分適合用于嵌入式系統。為了方便操作人員實時查看瞳孔測量情況，手持測量設備需要提供人機交互界面GUI，基于嵌入式Linux的GUI目前較為流行的分別為MiniGUI與Qt/Embedded。在權衡良好界面、占用空間與系統資源、移植性、可靠性等方面后，最終選擇Qt/Embedded作為圖形界面。程序設計開發采用目前較為流行的OpenCV，它由一系列C函數構成，并提供Matlab，Python等語言接口，可以運行在Linux，Windows等主流操作系統上，在計算機視覺和圖像處理方面性能高且占用空間小。綜上所述，系統設計平臺如圖3所示。

3 程序算法設計

3.1 邊緣檢測

對于采集的瞳孔圖像信息首先要對其灰度化，得到的二維圖像亮度變化最劇烈的地方稱為邊緣，在瞳孔測量中，邊緣指的是目標瞳孔與背景之間的區域，這是實現圖像分析的第一步。使用梯度邊緣檢測算法得到的圖像邊緣是在梯度方向上各個方向差值最大的像素的集合，實現這一階段需要濾波、增強、檢測、定位四個步驟，并由邊緣檢測器生成邊緣集。邊緣檢測器的種類有很多，這里選取Canny算子，相對與其他檢測器，具有更好的信噪比、定位性能以及對單一邊緣的單一響應。其理論思想是首先對灰度圖像進行高斯平滑濾波，通過合適的標準差s和鄰域對每個像素點進行加權平均得到平滑圖像以抑制噪聲，其信噪比SNR可表示為：

接著，如果某一像素點的邊緣強度小于相鄰兩個像素點沿梯度方向的邊緣強度，那么這個點就是非極大值點。對于這類像素點，將該處梯度幅值置0，認為是非邊緣點。最后，經過上述幾步處理后，圖像仍存在大量細紋里及噪聲導致的假邊緣，這時利用動態閾值算法，設定兩個閾值t1和t2（t1

3.2 瞳孔檢測

定位圖像中的瞳孔目標是瞳孔精密測量中最重要的一環。本文基于霍夫變換來對瞳孔進行精確定位，其基本原理是利用參數空間來描述圖像空間，即利用滿足絕大多數邊界點的某一參數形式來對圖像的邊界進行表達。對全局參數的計算則基于對局部的度量，因此對于待測瞳孔邊界因噪聲影響而引發的邊緣中斷有很好的容錯及魯棒性。式（4）以直線為例，設一組，并考慮避免直線平行于軸時斜率無限大的情況，這里采用極坐標來表示直線

式中：表示直線與x軸的夾角；是對應直角坐標系原點與直線的距離。在以為變量，為系數的情況下，為平面上以為固定參數的惟一直線，霍夫變換就是在以為系數，為變量的情況下，將先前提到的惟一直線對應在系數變量翻轉情況下的一個點，而這個點就是以惟一直線上各個點作為這里的系數構成的一組正弦曲線的交點。反之，為平面上以為固定參數的惟一正弦曲線，它對應系數翻轉情況下的各條直線的確定交點。

從上面的分析可以知道圖像上每一條邊緣曲線的所有點都對應著以為變量的一組正弦曲線，由于圖像邊緣的不規則性導致的為系數的不惟一性，即邊緣曲線對應的交點并不落在同一位置上，這里需要通過上述的霍夫變換將其擬合為最適合的直線。首先將為變量的空間細化為多個擁有獨自計數器的方格，然后利用邊緣曲線每一點對應的正弦曲線的交點落在方格的數量來確定選取的坐標，也就是選取交點數最多的方格坐標作為擬合直線的系數，其他則丟棄。將式（4）進行推廣得到：

式中：表示瞳孔的圓心；代表瞳孔的半徑。此時的系數作為霍夫變換的變量會形成一個三維空間，將立體空間劃分為若干個擁有獨立計數器的立方體，計算以為變量的圓錐面之間的交點集，累加的焦點最多的立方體的坐標就是圖像中瞳孔的圓心和半徑。空間原理圖如圖5所示。

可見，由于三個變量的不確定性導致的計算量龐大影響了對瞳孔測量的實時性，所以根據實際瞳孔大小的變換引入關于的上下限與縮放因子縮小圖片，從而可以大大減輕測量的壓力，解決了經典霍夫變換計算量大的缺點。而相比于其他檢測算法，霍夫圓檢測具有更高的檢測精度與抗干擾性，對于瞳孔實時的微小變化具有極高的捕捉性。

利用手持設備測量瞳孔是為了避免攝像頭與瞳孔的間距對采集圖像的大小影響，通常采用卡槽將攝像頭與人眼距離固定，這樣就確保了實際圖像中的一個像素對應實際測量多少毫米。通過定位測試，圖像的像素當量約為0.075 mm/pixel。實驗結果如圖6所示，這里的瞳孔圓心坐標為（324，236），半徑為52，即3.9 mm，正常人的瞳孔半徑在0.75～4 mm之間，實驗表明此檢驗算法在實際應用中能達到像素級別的精確度。

4 結 論

本文介紹了瞳孔測量在實際臨床中的應用，基于ARM9的嵌入式Linux手持設備以它體積小、檢測精度高并內嵌經典霍夫變換圓檢測，在Canny邊緣檢測的基礎上進行的瞳孔測量視覺算法，為觀察病患者身體狀況提供了有效的依據。在具體對瞳孔進行測量時，首先利用canny算子獲取眼部邊緣圖像，然后利用改進的經典霍夫變換法獲得瞳孔半徑和圓心坐標，最后將結果與眼部圖像進行擬合，通過QT/Embedded顯示在人機交互界面。實驗表明，該方法對瞳孔測量具有實時性、可靠性及精確性。

參考文獻

[1] SHINODA Takayuki， KATO M. A pupil diameter measurement system for accident prevention [C]// Proceedings of IEEE 2006 International Conference on System， Man and Cybernetics. Taipei， China： IEEE， 2006， 2： 1699?1703.

[2] ANDREA K W， HONTS C R. Effectiveness of pupil diameter in a probable comparison question test for deception [J]. Legal and criminological psychology， 2009， 14（10）： 279?292.

[3] BORASTON Z， BLAKEMORE S J. The application of eye?tracking technology in the study of autism [J]. Journal of physiology， 2013， 581（3）： 893?898.

[4] VIDAL M， TURNER J， BULLING A， et al. Wearable eye tracking for mental health monitoring [J]. Computer communications， 2012， 35（11）： 1306?1311.

[5] 蔡晉輝，蔣慶，周則魁，等.圓檢測HOUGH變換的改進算法研究[J].模擬識別與人工智能，2004，17（1）：72?76.

[6] 郭琛，高小榕.基于眼電和穩態視覺誘發電分析的目光跟蹤方法[J].中國生物醫學工程學報，2012，31（3）：382?387.

[7] DUCHOWSKI A T. A breadth?first survey of eye?tracking applications [J]. Research methods， instruments， & computers， 2002， 34（4）： 455?470.

[8] 孔德勇，楊斌.基于S3C2440A嵌入式無線監控系統的設計[J].微計算機信息，2009，25（5）：114?116.

[9] 錢華明，劉英明，張根旅.基于S3C2410嵌入式無線視頻監控系統的設計[J].計算機測量與控制，2009，17（6）：1132?1135.

[10] 鄭凱華，章旭東，俞立，等.基于S3C2440的圖像采集與顯示系統[J].計算機系統應用，2011，20（8）：225?228.