邢鑫 张波

摘要：为了使用虹膜诊断学来预测人体的亚健康状况，实现虹膜特征的自动检测完成人体亚健康状况监测，文章采用了计算机视觉的方法，通过检测虹膜上的特征，观察虹膜各反射区的变化，从而了解身体的健康及状态改变，实现人体亚健康状况的检测，从而早预防早治疗。

关键词：虹膜特征检测；人体健康监测系统；图像处理；计算机视觉

中图分类号：TP391      文献标识码：A

文章编号：1009-3044（2021）31-0017-02

1 引言

虹膜诊断学[1]就是一种通过检查虹膜纹理特征判断人体内部器官的潜在问题和病变的方法。由于虹膜上有人体脏器的各种反射区，因此可以通过检测虹膜上的各种纹理，观察虹膜各反射区的性状变化，了解身体的健康及状态改变。研究基于计算机视觉的人体亚健康状况监测系统就是通过计算机视觉方法来完成虹膜异常纹理信息的定位与判断，这对于实现人体健康状况监测具有非常重要的意义。

虹膜上有异常丰富的纹理[2]，其中卷缩轮、坑洞、色素斑和放射沟以及出现的位置，根据虹膜诊断学中的映射图谱，能够反映出人体潜在的亚健康状态。所以对这些纹理的检测尤为重要，也是整个健康监测系统的核心所在，在此基础上，结合图像采集系统和虹膜诊断学理论搭建诊断系统，设计友好的UI界面，能够实现人体健康系统的监测。

2  系统分析与设计

人体健康状况监测系统使用计算机视觉方法对人的整个眼部拍摄到的图像进行预处理，定位为虹膜所在位置，对人体虹膜图像中的纹理特征进行定位和提取。系统的主要流程为：进入系统对上传的虹膜图进行预处理[3]，之后进行虹膜特征检测并进行特征分析最终得到检测结果[4]，流程如图1所示。

通过上述的分析可知，系统可分为4个模块：预处理模块、异常特征检测模块、特征分析模块、取得结果模块。预处理模块就是在采集的人眼图像中准确地将虹膜区域定位出来，再进行归一化展开。特征检测模块就是采用不同的算法将预处理得到的虹膜图像进行纹理特征（例如卷缩轮、坑洞、斑块等）的检测。特征分析模块指的是对检测得到的虹膜图像依据虹膜诊断学的方法进行特征分析。取得结果模块是从分析得来的结果得知人体的亚健康的状况，从而使人能意识到自己存在的问题并加以改善亚健康。

通过上述分析得来的各功能模块主要界面如图2所示，用户主要通过界面与系统进行交互。系统界面主要包括主界面和工作界面以及检查结果界面。系统主界面提供用户名和密码即可进入本系统。系统工作界面如上文分析，主要有文件、人工和单项的界面，如图2所示。

3 算法设计与实现

3.1 算法流程

设计人体健康监测系统具体算法流程如下：1） 将用图像传感器采集到的图像进行定位并归一化展开；2） 利用曲线算子和过滤因子进行检测和筛选，并去除掉卷缩轮内部纹理；3） 去掉其他如眼睑睫毛等干扰纹理，提取异常纹理的HOG特征和形状参数，作为特征向量参数；4） 采用SVM分类器，选择线性核函数，实现异常纹理和正常纹理的分类，从而检测异常纹理。算法流程如图3所示。

3.2 算法实现及结果

3.2.1 预处理模块

通过图像传感器采集的图像，需要首先在包含睫毛、眼睑等复杂背景下定位出虹膜的内外边缘，而且由于虹膜大小不一，为了后续处理方便，需要进行归一化展开。其算法原理为：首先根据人眼图像的灰度分布特征，采用合适的阈值对图像进行二值化处理，在虹膜的内边缘处检测3个点，根据“非共线3点确定一个圆”的原理，得到瞳孔的圆心点和半径值，由此定位虹膜内边缘，再用同样的方法定位虹膜外边缘，由此虹膜区域定位完成。由于受光照等因素的影响，在不同的人眼图像中定位到的虹膜区域的大小会有所不同，因此，需要通过归一化的方法将大小不同的虹膜区域转化为统一的矩形，其原理是利用极坐标转化为横纵坐标的方法将定位到的环状区域转化为200行720列的矩形图像。在展开时，以虹膜的径向方向为矩形的行方向，虹膜的周向方向为展开后矩形图像的列方向，实现结果如图4所示。

3.2.2 卷缩轮检测模块

通过对图库中大量虹膜卷缩轮样本进行观察，在对卷缩轮特征进行分析的基础上，首先根据虹膜卷缩轮内部纹理的位置特征、形状特征和灰度特征，定义曲线检测算子，在归一化图像中，利用曲线检测算子对图像进行处理，再根据卷缩轮内部纹理特征定义过滤因子进行去噪；其次，通过最小二乘法将提取的卷缩轮内部纹理终点坐标进行拟合得到卷缩轮的初定位区域；最后，利用边缘梯度算子在初定位区域进行检测实现了卷缩轮最终定位，检测结果如图5所示。

3.2.3 虹膜外部纹理检测模块

虹膜外部纹理主要分为坑洞、斑块、裂缝及环状线条四种特征，在3.2.2节将卷缩轮准确检测定位之后，把卷缩轮内部的纹理去除掉，提取坑洞或者放射沟等异常纹理的纹理特征，提取方向梯度直方图（HOG） 和形态参数特征提取，并对HOG特征进行PCA降维处理，最后与提取的形态参数特征串联融合得到最终的特征向量。在图库中选取100张样本作为训练集，使用SVM分类器进行训练并对图库中的其他200张含有异常纹理的图像进行测试，可以将坑洞及放射沟进行定位检测。对坑洞的检测如图6所示，对放射沟的检测如图7所示。检测后的异常纹理依据虹膜反射图，将其映射到相应的部分，能够准确地判断出哪个位置哪个器官容易出现亚健康状态，从而给出最后的结论。

4 结论

虹膜学的发展使得监测人体亚健康状况成为可能，通过图像处理的方法对虹膜上存在的特征进行检测，并在此基础上搭建虹膜辅助诊断系统，从而实现人体亚健康状况的自动预警。该方法逐渐被各国研究者所重视，也是当前形势下的大势所趋。

参考文献：

[1] 王巍，蔡勇，辛国栋.计算机辅助虹膜诊断[J].兵工自动化，2004，23（5）：77.

[2] 马琳，王宽全，韩蕴新，等.计算机自动虹膜诊病系统研究[C]//中国中西医结合学会四诊研究专业委员会.第七次全国中西医结合四诊研究学术会议论文汇编.第七次全国中西医结合四诊研究学术会议：中国中西医结合学会四诊研究专业委员会，2004：121-124.

[3] 何家峰，叶虎年，李柱.多任务虹膜诊断专家系统的研究[J].華中理工大学学报，1999，27（9）：76-77.

[4] 蔡昂，刘晓敏.基于虹膜角点密度和瞳孔大小的健康检测系统设计与分析[J].江苏科技信息，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] 张波，苑玮琦.基于匹配滤波的虹膜环状线条检测的预处理方法[J].计算机应用研究，2017，34（11）：3468-3471，3476.

[7] 张波，吕翠翠.基于V型检测算子和边缘梯度的虹膜卷缩轮检测方法[J].计算机应用研究，2021，38（6）：1917-1920.

[8] 苑玮琦，张波，刘笑楠.基于灰度差分和脊线检测算子的虹膜裂缝检测[J].仪器仪表学报，2016，37（10）：2290-2299.

【通联编辑：唐一东】

收稿日期：2022-06-20

基金项目：辽宁省科技厅省自然科学基金（省博士启动基金）计划资助项目：基于人工智能算法的虹膜卷缩轮纹理检测方法研究（2019-BS-191） ；沈阳化工大学大学生创新创业训练项目 ：基于计算机视觉的人体亚健康状况监测系统（20201014912）

作者简介：邢鑫（2001—） ， 男，辽宁辽阳人，本科，主要研究方向为计算机科学与技术；张波，副教授，博士。