一种基于神经网络的集合近点测量方法和装置与流程

技术特征：
1.一种基于神经网络的集合近点测量方法，其特征在于，包括：通过图像采集设备获取受试者的角膜图像；通过预先训练好的神经网络模型对所述角膜图像进行检测，获取受试者双眼的角膜大小和双眼的角膜中心；其中，所述双眼的角膜大小和双眼的角膜中心均为实时获取；根据所述受试者角膜中心的位置变化判断是否满足检测触发条件；当所述检测触发条件得到满足，根据所述受试者双眼的角膜大小的平均值，结合所述受试者双眼的实际尺寸和图像采集设备的设备参数，计算当前时刻所述受试者与图像采集设备之间的距离，获得对应的集合近点。2.如权利要求1所述的一种基于神经网络的集合近点测量方法，其特征在于，所述根据所述受试者角膜中心的位置变化判断是否满足检测触发条件，具体为：根据所述受试者的角膜中心的位置变化判断眼睛的移动距离和移动方向，具体地，根据下式计算所述受试者眼睛的移动距离d1：；其中，x
t
为角膜中心在第t帧的横坐标，x
t 1
为角膜中心在第t 1帧的横坐标，s
e
为所述受试者眼睛的实际尺寸，h
p
为角膜大小；当d＜0时，判断眼睛向鼻侧运动，当d＞0时，判断眼睛向颞侧运动；当所述受试者双眼的移动距离在预设范围，或所述受试者任意一眼往相反方向的移动距离大于预设值时，判断所述检测触发条件得到满足。3.如权利要求2所述的一种基于神经网络的集合近点测量方法，其特征在于，所述设备参数包括所述图像采集设备的焦距；所述计算当前时刻所述受试者与图像采集设备之间的距离，具体为：根据下式计算所述受试者与图像采集设备之间的距离d2：；其中，h
pavg
为所述受试者双眼的角膜大小的平均值，f为所述图像采集设备的焦距。4.如权利要求1所述的一种基于神经网络的集合近点测量方法，其特征在于，所述神经网络模型采用hrnet网络结构。5.如权利要求4所述的一种基于神经网络的集合近点测量方法，其特征在于，在所述获取受试者双眼的角膜大小和双眼的角膜中心之前，还包括：对所述神经网络模型进行训练，具体地：获取第一数据集，将所述第一数据集按照预设比例划分为训练集和测试集；其中，所述第一数据集包含若干人脸图像，且所述人脸图像的角膜已被标注；通过所述训练集对基础网络模型进行训练直至收敛，获得训练好的所述神经网络模型。6.一种基于神经网络的集合近点测量装置，其特征在于，包括图像采集模块、检测模块和计算模块；其中，所述图像采集模块，用于通过图像采集设备获取受试者的角膜图像；
所述检测模块，用于通过预先训练好的神经网络模型对所述角膜图像进行检测，获取受试者双眼的角膜大小和双眼的角膜中心；其中，所述双眼的角膜大小和双眼的角膜中心均为实时获取；所述计算模块，用于根据所述受试者角膜中心的位置变化判断是否满足检测触发条件；当所述检测触发条件得到满足，根据所述受试者双眼的角膜大小的平均值，结合所述受试者双眼的实际尺寸和图像采集设备的设备参数，计算当前时刻所述受试者与图像采集设备之间的距离，获得对应的集合近点。7.如权利要求6所述的一种基于神经网络的集合近点测量装置，其特征在于，所述计算模块根据所述受试者角膜中心的位置变化判断是否满足检测触发条件，具体为：所述计算模块根据所述受试者的角膜中心的位置变化判断眼睛的移动距离和移动方向，具体地，根据下式计算所述受试者眼睛的移动距离d1：；其中，x
t
为角膜中心在第t帧的横坐标，x
t 1
为角膜中心在第t 1帧的横坐标，s
e
为所述受试者眼睛的实际尺寸，h
p
为角膜大小；当d＜0时，判断眼睛向鼻侧运动，当d＞0时，判断眼睛向颞侧运动；当所述受试者双眼的移动距离在预设范围，或所述受试者任意一眼往相反方向的移动距离大于预设值时，判断所述检测触发条件得到满足。8.如权利要求7所述的一种基于神经网络的集合近点测量装置，其特征在于，所述设备参数包括所述图像采集设备的焦距；所述计算模块计算当前时刻所述受试者与图像采集设备之间的距离，具体为：所述计算模块根据下式计算所述受试者与图像采集设备之间的距离d2：；其中，h
pavg
为所述受试者双眼的角膜大小的平均值，f为所述图像采集设备的焦距。9.如权利要求6所述的一种基于神经网络的集合近点测量装置，其特征在于，所述神经网络模型采用hrnet网络结构。10.如权利要求9所述的一种基于神经网络的集合近点测量装置，其特征在于，所述集合近点测量装置还包括训练模块，所述训练模块用于在所述获取受试者双眼的角膜大小和双眼的角膜中心之前，对所述神经网络模型进行训练，具体地：获取第一数据集，将所述第一数据集按照预设比例划分为训练集和测试集；其中，所述第一数据集包含若干人脸图像，且所述人脸图像的角膜已被标注；通过所述训练集对基础网络模型进行训练直至收敛，获得训练好的所述神经网络模型。

技术总结
本发明提供了一种基于神经网络的集合近点测量方法和装置，方法包括：通过图像采集设备获取受试者的角膜图像；通过预先训练好的神经网络模型对所述角膜图像进行检测，获取受试者双眼的角膜大小和双眼的角膜中心；判断是否满足检测触发条件；当条件得到满足，根据双眼的角膜大小的平均值，结合双眼实际尺寸和设备参数，计算集合近点。相比于现有技术，不再需要有经验的医护人员对受试者进行引导和观察，简化了繁琐的流程，减少了人工的介入程度；此外，在满足检测触发条件时，根据角膜大小的平均值，结合双眼的实际尺寸和图像采集设备的设备参数计算集合近点，相比现有技术极大程度的降低了主观性并提高了测量的准确性。低了主观性并提高了测量的准确性。低了主观性并提高了测量的准确性。


技术研发人员：刘玉萍 吴栩平
受保护的技术使用者：广州视景医疗软件有限公司
技术研发日：2022.12.01
技术公布日：2022/12/30