本发明涉及图像处理，尤其是涉及一种不完全眨眼率的检测方法和装置。
背景技术：
1、在没有接受外部刺激和出现炎症疼痛等情况下，眨眼一般是一种不自主的眼睛快速开合的生理活动。作为一种保护性动作，眨眼可以将泪液均匀地涂抹在角膜和结膜上，从而保持眼球的湿润。相应的，不完全眨眼会导致泪膜蒸发后不能及时得到更新，从而导致眼球干涩刺痛，继而可能诱发干眼症的发病。
2、通过检测患者的不完全眨眼率可以有效辅助医生进行干眼诊断，目前一般使用高速摄像机对患者眼部的眨眼情况进行捕捉，再由医生依据经验手动判断每帧的眼睑闭合程度，这种方式不仅耗时费力，而且面对大量的重复和特征近似图像，肉眼检测极易出现混淆和遗漏。
3、现如今，自动分析不完全眨眼率有基于传统图像处理方法和基于深度学习方法两种方式，然而，对于一段包含眨眼的连续帧序列，采用传统的图像处理方案计算不完全眨眼程度受环境光照、睫毛遮挡及眼部复杂环境影响较大，计算结果鲁棒性较低；采用深度学习方法对每帧眼睑未闭合区域进行分割的方案抗环境干扰能力相对较强，但对于眨眼瞬间眼睑快速闭合导致的运动模糊等情况的鲁棒性仍难以保证；此外，眨眼帧一般只占据全部帧序列中很小一部分，模型对正常睁眼帧的推理占据了处理耗时和运行内存的绝大部分，影响了计算资源的有效利用。
技术实现思路
1、有鉴于此，本发明的目的在于提供一种不完全眨眼率的检测方法和装置，以快速、准确地得到眼睑未闭合区域结果，确定受试者的不完全眨眼率。
2、第一方面，本发明实施例提供了一种不完全眨眼率的检测方法，方法包括：基于采集模块采集受试者的多个眨眼图像；其中，多个眨眼图像为连续的帧序列；从帧序列中确定多个闭眼帧；其中，闭眼帧表征受试者每次眨眼过程中眼睑闭合程度最大的图像帧；将多个闭眼帧输入预先训练完成的分割模型，输出多个闭眼帧的眼睑未闭合区域；基于多个闭眼帧的眼睑未闭合区域确定受试者的不完全眨眼率。
3、在本申请可选的实施例中，上述基于采集模块采集受试者的多个眨眼图像的步骤，包括：采集模块对准受试者眼部；采集模块以每秒40帧的速率，拍摄受试者的正常睁眼图像、上眼睑向下闭合图像、眼睑闭合程度最大图像和上眼睑向上睁开图像作为受试者的多个眨眼图像。
4、在本申请可选的实施例中，上述从帧序列中确定多个闭眼帧的步骤，包括：从帧序列中确定目标帧的前一帧、目标帧和目标帧的后一帧；将前一帧、目标帧和后一帧转化为灰度图像，计算前一帧、目标帧和后一帧分别对应的灰度图像的灰度值；基于前一帧的灰度值、目标帧的灰度值、后一帧的灰度值以及帧序列的图像帧的最小灰度值，确定目标帧是否为备选闭眼帧。
5、在本申请可选的实施例中，上述基于前一帧的灰度值、目标帧的灰度值、后一帧的灰度值以及帧序列的图像帧的最小灰度值，确定目标帧是否为备选闭眼帧的步骤，包括：如果前一帧灰度值小于目标帧的灰度值，目标帧的灰度值大于或等于后一帧的灰度值，并且目标帧的灰度值与帧序列的图像帧的最小灰度值的差值大于预设的阈值，确定目标帧为备选闭眼帧。
6、在本申请可选的实施例中，上述确定目标帧是否为备选闭眼帧的步骤之后，方法还包括：对备选闭眼帧进行阈值分割和形态学处理，得到眼部的轮廓图像；确定轮廓图像的最大轮廓，基于最大轮廓的宽度、高度和面积确定备选闭眼帧是否为闭眼帧。
7、在本申请可选的实施例中，上述基于最大轮廓的宽度、高度和面积确定备选闭眼帧是否为闭眼帧的步骤，包括：如果最大轮廓的面积大于预设的面积阈值，且最大轮廓的宽度和高度的比值大于预设的宽高比阈值，确定备选闭眼帧为闭眼帧；如果最大轮廓的面积小于或等于面积阈值，确定备选闭眼帧为闭眼帧。
8、在本申请可选的实施例中，上述分割模型包括：注意力机制模块和深度可分离卷积模块。
9、在本申请可选的实施例中，上述基于多个闭眼帧的眼睑未闭合区域确定受试者的不完全眨眼率的步骤，包括：从每个闭眼帧的眼睑未闭合区域确定预设的水平间隔的多个位置的高度值；从多个位置的高度值中确定非零的高度值，计算非零的高度值的平均值；基于平均值确定每个闭眼帧为不完全闭眼帧或完全闭眼帧；将不完全闭眼帧的数量与闭眼帧的总数的比值作为受试者的不完全眨眼率；其中，闭眼帧的总数为不完全闭眼帧的数量与完全闭眼帧的数量的和。
10、在本申请可选的实施例中，上述基于平均值确定每个闭眼帧为不完全闭眼帧或完全闭眼帧的步骤，包括：如果平均值大于预设的高度阈值，确定闭眼帧为不完全闭眼帧；如果平均值小于或等于高度阈值，确定闭眼帧为完全闭眼帧。
11、第二方面，本发明实施例还提供一种不完全眨眼率的检测装置，装置包括：眨眼图像采集模块，用于基于采集模块采集受试者的多个眨眼图像；其中，多个眨眼图像为连续的帧序列；闭眼帧确定模块，用于从帧序列中确定多个闭眼帧；其中，闭眼帧表征受试者每次眨眼过程中眼睑闭合程度最大的图像帧；分割模型处理模块，用于将多个闭眼帧输入预先训练完成的分割模型，输出多个闭眼帧的眼睑未闭合区域；不完全眨眼率检测模块，用于基于多个闭眼帧的眼睑未闭合区域确定受试者的不完全眨眼率。
12、本发明实施例带来了以下有益效果：
13、本发明实施例提供了一种不完全眨眼率的检测方法和装置，基于采集模块采集受试者的多个眨眼图像；其中，多个眨眼图像为连续的帧序列；从帧序列中确定多个闭眼帧；其中，闭眼帧表征受试者每次眨眼过程中眼睑闭合程度最大的图像帧；将多个闭眼帧输入预先训练完成的分割模型，输出多个闭眼帧的眼睑未闭合区域；基于多个闭眼帧的眼睑未闭合区域确定受试者的不完全眨眼率。该方式中，可以自动从全部帧序列中提取出受试者每次眨眼过程中眼睑闭合程度最大的闭眼帧，通过分割模型提取出闭眼帧的眼睑未闭合区域，再经过高度计算进行不完全眨眼判定，从而快速、准确地确定受试者的不完全眨眼率。
14、本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。
15、为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
1.一种不完全眨眼率的检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，基于采集模块采集受试者的多个眨眼图像的步骤，包括：
3.根据权利要求1所述的方法，其特征在于，从所述帧序列中确定多个闭眼帧的步骤，包括：
4.根据权利要求3所述的方法，其特征在于，基于所述前一帧的灰度值、所述目标帧的灰度值、所述后一帧的灰度值以及所述帧序列的图像帧的最小灰度值，确定所述目标帧是否为备选闭眼帧的步骤，包括：
5.根据权利要求3所述的方法，其特征在于，确定所述目标帧是否为备选闭眼帧的步骤之后，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，基于所述最大轮廓的宽度、高度和面积确定所述备选闭眼帧是否为闭眼帧的步骤，包括：
7.根据权利要求1所述的方法，其特征在于，所述分割模型包括：注意力机制模块和深度可分离卷积模块。
8.根据权利要求1所述的方法，其特征在于，基于多个所述闭眼帧的眼睑未闭合区域确定所述受试者的不完全眨眼率的步骤，包括：
9.根据权利要求8所述的方法，其特征在于，基于所述平均值确定每个所述闭眼帧为不完全闭眼帧或完全闭眼帧的步骤，包括：
10.一种不完全眨眼率的检测装置，其特征在于，所述装置包括：
