田海軍++楊婷+趙楊輝

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

關(guān)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(xiàn)標(biāo)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(yè)、醫(yī)療、軍事等方面具有重要意義。尤其在臨床醫(yī)學(xué)，一些復(fù)雜的體力勞動正逐步被嵌入式醫(yī)療儀器所取代，使得醫(yī)院在針對病人治療時，可以減輕傳統(tǒng)治療對醫(yī)患者雙方的體力消耗，提高了病情數(shù)據(jù)分析的準(zhǔn)確度和人們就診的效率。手持瞳孔測量儀[2]體積小、安裝調(diào)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(xù)治療提供準(zhǔn)確的依據(jù)，因此采用嵌入式系統(tǒng)的手持瞳孔測量儀[3]在醫(yī)療器械行業(yè)擁有廣闊的應(yīng)用前景。

1 系統(tǒng)總體設(shè)計

本文以嵌入式系統(tǒng)[4]設(shè)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(jī)交互界面等在內(nèi)的圖像分析裝置電路設(shè)計方案。軟件平臺則采用Linux 2.6.31系統(tǒng)內(nèi)核作為操作系統(tǒng)，圖形界面系統(tǒng)采用QT/Embedded，通過建立交叉開發(fā)環(huán)境，編寫瞳孔檢測程序，利用交叉編譯工具鏈實現(xiàn)程序到嵌入式設(shè)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(jīng)由動態(tài)閾值算法生成二值化圖像，再通過Hough[5]變換實現(xiàn)瞳孔的定位與檢測[6?7]。系統(tǒng)總體設(shè)計流程圖如圖1所示。

2 設(shè)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(kuò)展、人機(jī)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(shè)計，具有內(nèi)存管理單元（MMU），選取0.18 mm工藝以及AMBA新型總線結(jié)構(gòu)，主頻高達(dá)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(tǒng)性能。

為了滿足Linux操作系統(tǒng)與Qt圖像界面能良好運(yùn)行，系統(tǒng)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(shù)據(jù)的存取速度且能最大限度地發(fā)揮系統(tǒng)性能。本系統(tǒng)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(shù)據(jù)位寬為16位、內(nèi)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(nèi)容。攝像頭采集的視頻圖像經(jīng)由S3C2440A的數(shù)據(jù)總線DATA0?7傳輸?shù)阶x/寫信號驅(qū)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(shù)據(jù)處理能力。為了提高針對相對復(fù)雜算法的實時性操作，采用兩片SDRAM存儲芯片并聯(lián)的方式實現(xiàn)位擴(kuò)展使其數(shù)據(jù)總線寬度達(dá)到32 b，總?cè)萘繛?4 MB。

人機(jī)交互界面[10]是人們在使用手持式設(shè)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(jié)果，并對其進(jìn)行反饋。系統(tǒng)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(shù)據(jù)格式與顯示時序。為了提高控制器的負(fù)載能力，需要對控制信號、數(shù)據(jù)的電平進(jìn)行升壓，這里選取74LVTH162245電平轉(zhuǎn)換芯片連接控制器與觸摸屏的引腳。人機(jī)交互顯示結(jié)構(gòu)如圖2所示，其中XP，XM，YP，YM是觸摸屏對按壓的響應(yīng)信號，通過控制器轉(zhuǎn)換為x，y坐標(biāo)送回S3C2440A芯片中進(jìn)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(tǒng)支持軟件應(yīng)用。常用的操作系統(tǒng)有Linux，μC/OS?Ⅱ，WIN CE等。本文選取嵌入式Linux操作系統(tǒng)，它的最大優(yōu)點在于其源代碼公開、低成本的軟件開發(fā)與維護(hù)、在世界范圍內(nèi)擁有大量的開發(fā)人員、發(fā)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(tǒng)。為了方便操作人員實時查看瞳孔測量情況，手持測量設(shè)備需要提供人機(jī)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(quán)衡良好界面、占用空間與系統(tǒng)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(shè)計開發(fā)采用目前較為流行的OpenCV，它由一系列C函數(shù)構(gòu)成，并提供Matlab，Python等語言接口，可以運(yùn)行在Linux，Windows等主流操作系統(tǒng)上，在計算機(jī)視覺和圖像處理方面性能高且占用空間小。綜上所述，系統(tǒng)設(shè)計平臺如圖3所示。

3 程序算法設(shè)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(biāo)瞳孔與背景之間的區(qū)域，這是實現(xiàn)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(xiàn)這一階段需要濾波、增強(qiáng)、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(yīng)。其理論思想是首先對灰度圖像進(jìn)行高斯平滑濾波，通過合適的標(biāo)準(zhǔn)差s和鄰域?qū)γ總€像素點進(jìn)行加權(quán)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(qiáng)度小于相鄰兩個像素點沿梯度方向的邊緣強(qiáng)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(rèn)為是非邊緣點。最后，經(jīng)過上述幾步處理后，圖像仍存在大量細(xì)紋里及噪聲導(dǎo)致的假邊緣，這時利用動態(tài)閾值算法，設(shè)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(biāo)是瞳孔精密測量中最重要的一環(huán)。本文基于霍夫變換來對瞳孔進(jìn)行精確定位，其基本原理是利用參數(shù)空間來描述圖像空間，即利用滿足絕大多數(shù)邊界點的某一參數(shù)形式來對圖像的邊界進(jìn)行表達(dá)。對全局參數(shù)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(fā)的邊緣中斷有很好的容錯及魯棒性。式（4）以直線為例，設(shè)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(biāo)來表示直線

式中：表示直線與x軸的夾角；是對應(yīng)直角坐標(biāo)系原點與直線的距離。在以為變量，為系數(shù)的情況下，為平面上以為固定參數(shù)的惟一直線，霍夫變換就是在以為系數(shù)，為變量的情況下，將先前提到的惟一直線對應(yīng)在系數(shù)變量翻轉(zhuǎn)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(shù)構(gòu)成的一組正弦曲線的交點。反之，為平面上以為固定參數(shù)的惟一正弦曲線，它對應(yīng)系數(shù)翻轉(zhuǎn)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(yīng)著以為變量的一組正弦曲線，由于圖像邊緣的不規(guī)則性導(dǎo)致的為系數(shù)的不惟一性，即邊緣曲線對應(yīng)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(xì)化為多個擁有獨自計數(shù)器的方格，然后利用邊緣曲線每一點對應(yīng)的正弦曲線的交點落在方格的數(shù)量來確定選取的坐標(biāo)，也就是選取交點數(shù)最多的方格坐標(biāo)作為擬合直線的系數(shù)，其他則丟棄。將式（4）進(jìn)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(shù)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(shù)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(biāo)就是圖像中瞳孔的圓心和半徑?？臻g原理圖如圖5所示。

可見，由于三個變量的不確定性導(dǎo)致的計算量龐大影響了對瞳孔測量的實時性，所以根據(jù)實際瞳孔大小的變換引入關(guān)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(jīng)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(shè)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(yīng)實際測量多少毫米。通過定位測試，圖像的像素當(dāng)量約為0.075 mm/pixel。實驗結(jié)果如圖6所示，這里的瞳孔圓心坐標(biāo)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(yīng)用中能達(dá)到像素級別的精確度。

4 結(jié) 論

本文介紹了瞳孔測量在實際臨床中的應(yīng)用，基于ARM9的嵌入式Linux手持設(shè)備以它體積小、檢測精度高并內(nèi)嵌經(jīng)典霍夫變換圓檢測，在Canny邊緣檢測的基礎(chǔ)上進(jìn)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(jù)。在具體對瞳孔進(jìn)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(jìn)的經(jīng)典霍夫變換法獲得瞳孔半徑和圓心坐標(biāo)，最后將結(jié)果與眼部圖像進(jìn)行擬合，通過QT/Embedded顯示在人機(jī)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(xiàn)

[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(jìn)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(wěn)態(tài)視覺誘發(fā)電分析的目光跟蹤方法[J].中國生物醫(yī)學(xué)工程學(xué)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(jiān)控系統(tǒng)的設(shè)計[J].微計算機(jī)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(jiān)控系統(tǒng)的設(shè)計[J].計算機(jī)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(tǒng)[J].計算機(jī)系統(tǒng)應(yīng)用，2011，20（8）：225?228.