[发明专利]一种基于卷积神经网络的斜眼检测方法

说明书

本发明实施例公开了一种基于卷积神经网络的斜眼检测方法，包括：搜集斜眼图像，并建立由斜眼图像组成的斜眼图像库；利用常见的人脸数据库训练一个用于定位眼部区域的卷积神经网络，并确定卷积神经网络中的学习参数；利用东方人脸数据集OFD和斜眼图像库训练一个用于斜眼识别的卷积神经网络，并确定卷积神经网络中的学习参数；利用训练好的用于定位眼部区域的卷积神经网络定位斜眼图像库中斜眼图像的眼部区域；利用训练好的用于斜眼识别的卷积神经网络识别裁剪得到的眼部区域图像，输出斜眼检测的结果。本发明充分利用卷积神经网络的特征提取及特征学习能力，可以高效准确地判断人是否患有斜眼，有助于医生对斜眼疾病的诊断和治疗。

技术领域

本发明涉及图像处理及模式识别领域，特别是涉及基于卷积神经网络的斜眼检测方法。

背景技术

斜眼是一种眼部疾病，且多发生在幼年时期，它一般是由于眼部神经，大脑或者眼外肌发生问题而产生。斜眼对人的生活有严重的影响。一般患有斜眼的患者若没有得到合理的医治，会恶化发展成弱视眼，且一旦退化则会导致失明。同时，斜眼严重影响美观，可能使斜眼患者产生孤僻、自卑及反常的心理。

从上可知，斜眼检测对预防和治疗斜眼十分重要。目前，主要是人工实施对受试者斜眼的检测，一般受过训练的临床医师常使用“赫斯伯格测试法(Hirschberg test)”对受试者的眼睛进行评估，“赫斯伯格测试法”是用于检查眼睛的瞳孔在聚焦和注视到置于其正前方的目标上时是否对称的一项公认的、但是一种粗略的测试法。但是当受试者的每只眼睛具有很小的差异时，即使有经验的临床医师也容易将其忽视，而产生误判误诊等情况，且人工检测的方法效率不高。

在现有斜眼检测方法中，也存在利用基于传统图像处理的方法进行斜眼疾病的检测的报导，但利用传统图像处理的方法存在以下缺点：对斜眼图像条件要求苛刻，必须要有光线在瞳孔上反射产生焦点才可以进行斜眼识别；采用传统图像处理的方法，其过程较为复杂，效率偏低；斜眼识别的准确率低，可靠性差。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于卷积神经网络的斜眼检测方法，利用卷积神经网络的特征提取和特征学习能力对斜眼图像进行斜眼识别，以帮助提高医生对斜眼疾病的诊断效率。

为了解决上述技术问题，本发明实施例提供了一种基于卷积神经网络的斜眼检测方法，所述方法包括以下步骤：

S1：搜集斜眼图像，并建立由所述斜眼图像组成的斜眼图像库；

S2：利用常见的人脸数据库训练一个用于定位眼部区域的卷积神经网络，并确定所述卷积神经网络中的学习参数；

S3：利用东方人脸数据集OFD和所述斜眼图像库训练一个用于斜眼识别的卷积神经网络，并确定所述卷积神经网络中的学习参数；

S4：利用步骤S2中所述训练好的用于定位眼部区域的卷积神经网络定位所述斜眼图像库中斜眼图像的眼部区域；

S5：完成步骤S1中斜眼图像的眼部区域定位后，根据步骤S4中所得到的含有眼部区域定位框的四个顶点坐标，对框内图像沿四个顶点组成的四条外边进行裁剪，得到眼部区域图像；

S6：利用步骤S3中训练好的用于斜眼识别的卷积神经网络识别步骤S5中裁剪得到的眼部区域图像，输出斜眼检测的结果。

进一步的，所述步骤S2以及步骤S3中，用于定位眼部区域以及斜眼识别的卷积神经网络的训练，包括：

卷积神经网络的结构建立和卷积神经网络的参数学习；步骤S2中训练所采用的图像样本来源于Labeled Faces in the Wild，LPFW24，Helen25和AFW四个人脸数据库；步骤S3中训练采用的图像样本来源于东方人脸数据集OFD和斜眼图像库两个数据库。

其中，卷积神经网络的结构建立，包括：