基于計算機視覺的健康監測系統的設計與實現

邢鑫 張波

摘要：為了使用虹膜診斷學來預測人體的亞健康狀況，實現虹膜特征的自動檢測完成人體亞健康狀況監測，文章采用了計算機視覺的方法，通過檢測虹膜上的特征，觀察虹膜各反射區的變化，從而了解身體的健康及狀態改變，實現人體亞健康狀況的檢測，從而早預防早治療。

關鍵詞：虹膜特征檢測；人體健康監測系統；圖像處理；計算機視覺

中圖分類號：TP391 ? ? ?文獻標識碼：A

文章編號：1009-3044（2021）31-0017-02

1 引言

虹膜診斷學[1]就是一種通過檢查虹膜紋理特征判斷人體內部器官的潛在問題和病變的方法。由于虹膜上有人體臟器的各種反射區，因此可以通過檢測虹膜上的各種紋理，觀察虹膜各反射區的性狀變化，了解身體的健康及狀態改變。研究基于計算機視覺的人體亞健康狀況監測系統就是通過計算機視覺方法來完成虹膜異常紋理信息的定位與判斷，這對于實現人體健康狀況監測具有非常重要的意義。

虹膜上有異常豐富的紋理[2]，其中卷縮輪、坑洞、色素斑和放射溝以及出現的位置，根據虹膜診斷學中的映射圖譜，能夠反映出人體潛在的亞健康狀態。所以對這些紋理的檢測尤為重要，也是整個健康監測系統的核心所在，在此基礎上，結合圖像采集系統和虹膜診斷學理論搭建診斷系統，設計友好的UI界面，能夠實現人體健康系統的監測。

2 ?系統分析與設計

人體健康狀況監測系統使用計算機視覺方法對人的整個眼部拍攝到的圖像進行預處理，定位為虹膜所在位置，對人體虹膜圖像中的紋理特征進行定位和提取。系統的主要流程為：進入系統對上傳的虹膜圖進行預處理[3]，之后進行虹膜特征檢測并進行特征分析最終得到檢測結果[4]，流程如圖1所示。

通過上述的分析可知，系統可分為4個模塊：預處理模塊、異常特征檢測模塊、特征分析模塊、取得結果模塊。預處理模塊就是在采集的人眼圖像中準確地將虹膜區域定位出來，再進行歸一化展開。特征檢測模塊就是采用不同的算法將預處理得到的虹膜圖像進行紋理特征（例如卷縮輪、坑洞、斑塊等）的檢測。特征分析模塊指的是對檢測得到的虹膜圖像依據虹膜診斷學的方法進行特征分析。取得結果模塊是從分析得來的結果得知人體的亞健康的狀況，從而使人能意識到自己存在的問題并加以改善亞健康。

通過上述分析得來的各功能模塊主要界面如圖2所示，用戶主要通過界面與系統進行交互。系統界面主要包括主界面和工作界面以及檢查結果界面。系統主界面提供用戶名和密碼即可進入本系統。系統工作界面如上文分析，主要有文件、人工和單項的界面，如圖2所示。

3 算法設計與實現

3.1 算法流程

設計人體健康監測系統具體算法流程如下：1） 將用圖像傳感器采集到的圖像進行定位并歸一化展開；2） 利用曲線算子和過濾因子進行檢測和篩選，并去除掉卷縮輪內部紋理；3） 去掉其他如眼瞼睫毛等干擾紋理，提取異常紋理的HOG特征和形狀參數，作為特征向量參數；4） 采用SVM分類器，選擇線性核函數，實現異常紋理和正常紋理的分類，從而檢測異常紋理。算法流程如圖3所示。

3.2 算法實現及結果

3.2.1 預處理模塊

通過圖像傳感器采集的圖像，需要首先在包含睫毛、眼瞼等復雜背景下定位出虹膜的內外邊緣，而且由于虹膜大小不一，為了后續處理方便，需要進行歸一化展開。其算法原理為：首先根據人眼圖像的灰度分布特征，采用合適的閾值對圖像進行二值化處理，在虹膜的內邊緣處檢測3個點，根據“非共線3點確定一個圓”的原理，得到瞳孔的圓心點和半徑值，由此定位虹膜內邊緣，再用同樣的方法定位虹膜外邊緣，由此虹膜區域定位完成。由于受光照等因素的影響，在不同的人眼圖像中定位到的虹膜區域的大小會有所不同，因此，需要通過歸一化的方法將大小不同的虹膜區域轉化為統一的矩形，其原理是利用極坐標轉化為橫縱坐標的方法將定位到的環狀區域轉化為200行720列的矩形圖像。在展開時，以虹膜的徑向方向為矩形的行方向，虹膜的周向方向為展開后矩形圖像的列方向，實現結果如圖4所示。

3.2.2 卷縮輪檢測模塊

通過對圖庫中大量虹膜卷縮輪樣本進行觀察，在對卷縮輪特征進行分析的基礎上，首先根據虹膜卷縮輪內部紋理的位置特征、形狀特征和灰度特征，定義曲線檢測算子，在歸一化圖像中，利用曲線檢測算子對圖像進行處理，再根據卷縮輪內部紋理特征定義過濾因子進行去噪；其次，通過最小二乘法將提取的卷縮輪內部紋理終點坐標進行擬合得到卷縮輪的初定位區域；最后，利用邊緣梯度算子在初定位區域進行檢測實現了卷縮輪最終定位，檢測結果如圖5所示。

3.2.3 虹膜外部紋理檢測模塊

虹膜外部紋理主要分為坑洞、斑塊、裂縫及環狀線條四種特征，在3.2.2節將卷縮輪準確檢測定位之后，把卷縮輪內部的紋理去除掉，提取坑洞或者放射溝等異常紋理的紋理特征，提取方向梯度直方圖（HOG） 和形態參數特征提取，并對HOG特征進行PCA降維處理，最后與提取的形態參數特征串聯融合得到最終的特征向量。在圖庫中選取100張樣本作為訓練集，使用SVM分類器進行訓練并對圖庫中的其他200張含有異常紋理的圖像進行測試，可以將坑洞及放射溝進行定位檢測。對坑洞的檢測如圖6所示，對放射溝的檢測如圖7所示。檢測后的異常紋理依據虹膜反射圖，將其映射到相應的部分，能夠準確地判斷出哪個位置哪個器官容易出現亞健康狀態，從而給出最后的結論。

4 結論

虹膜學的發展使得監測人體亞健康狀況成為可能，通過圖像處理的方法對虹膜上存在的特征進行檢測，并在此基礎上搭建虹膜輔助診斷系統，從而實現人體亞健康狀況的自動預警。該方法逐漸被各國研究者所重視，也是當前形勢下的大勢所趨。

參考文獻：

[1] 王巍，蔡勇，辛國棟.計算機輔助虹膜診斷[J].兵工自動化，2004，23（5）：77.

[2] 馬琳，王寬全，韓蘊新，等.計算機自動虹膜診病系統研究[C]//中國中西醫結合學會四診研究專業委員會.第七次全國中西醫結合四診研究學術會議論文匯編.第七次全國中西醫結合四診研究學術會議：中國中西醫結合學會四診研究專業委員會，2004：121-124.

[3] 何家峰，葉虎年，李柱.多任務虹膜診斷專家系統的研究[J].華中理工大學學報，1999，27（9）：76-77.

[4] 蔡昂，劉曉敏.基于虹膜角點密度和瞳孔大小的健康檢測系統設計與分析[J].江蘇科技信息，2019，36（3）：54-56.

[5] Zhang B，Yuan W Q.Iris cracks detection method based on minimum local gray value and dilating window of regional mean gray value[C]//Biometric Recognition，2015：357-364.

[6] 張波，苑瑋琦.基于匹配濾波的虹膜環狀線條檢測的預處理方法[J].計算機應用研究，2017，34（11）：3468-3471，3476.

[7] 張波，呂翠翠.基于V型檢測算子和邊緣梯度的虹膜卷縮輪檢測方法[J].計算機應用研究，2021，38（6）：1917-1920.

[8] 苑瑋琦，張波，劉笑楠.基于灰度差分和脊線檢測算子的虹膜裂縫檢測[J].儀器儀表學報，2016，37（10）：2290-2299.

【通聯編輯：唐一東】

收稿日期：2022-06-20

基金項目：遼寧省科技廳省自然科學基金（省博士啟動基金）計劃資助項目：基于人工智能算法的虹膜卷縮輪紋理檢測方法研究（2019-BS-191） ；沈陽化工大學大學生創新創業訓練項目 ：基于計算機視覺的人體亞健康狀況監測系統（20201014912）

作者簡介：邢鑫（2001—） ， 男，遼寧遼陽人，本科，主要研究方向為計算機科學與技術；張波，副教授，博士。