简介：这是一份面向图像处理与计算机视觉研究人员、工程师的技术论文PDF，聚焦红外视频中瞳孔直径检测精度偏低的问题，提出结合Hough变换与轮廓匹配的Hough-Contour算法。文中给出灰度化滤波、改进Hough梯度法初检瞳孔、在瞳孔附近进行圆形轮廓匹配以精修中心和直径的完整思路，并涉及候选圆心排序、累积值阈值筛选及闭眼帧排除等细节。实验显示该算法在低端设备处理320×240视频、高端设备处理640×480视频均可实时运行，精确匹配率可达99.8%。压缩包仅含1个PDF文件，约1.04MB，便于集中阅读算法原理、参数设置与实验分析；已有170人学习。适合具备基础图像处理与Hough变换知识、希望深入理解瞳孔精确检测实现与调参技巧的读者参考。
1. 10%的精度不是调参能救的：红外视频瞳孔检测卡在哪一层
拿 OpenCV 现成的 Hough 圆变换去测红外视频里的瞳孔直径，得到的精度大概只有 10%。第一次看到这个数字，多数人的反应是参数没调好，于是 minRadius、maxRadius、累加器阈值、Canny 高低阈值挨个试一遍，结果精度还是在 10% 上下晃。问题不在参数，在方法本身：Hough 变换回答的是"这里有没有一个圆"，它的输出是累加器里的一个峰值，而峰值位置由离散化的参数网格决定，半径的量化误差天然就是几个像素。瞳孔半径本身只有十几到几十像素，几个像素的偏差就是 10% 量级。这项研究换了个思路，把检测拆成两层：Hough 变换只负责粗定位，把圆心和半径框进一个小范围；真正的精确值由轮廓匹配在灰度场上逐点搜出来。同样的红外视频、同样的普通硬件，精度从 10% 推到 99.8%，单帧 60ms。搞懂这个"粗到精"的分层为什么能奏效，比记住任何一组参数值都有用。
2. Hough梯度法的累加器：三维参数空间是怎么被压成一条射线的
2.1 从 x-y 到 a-b-r：一个边缘点到底要投多少票
圆的方程是 $(x-a)^2+(y-b)^2=r^2$。给定一个边缘点 $(x,y)$，它对应参数空间里的一整族圆——所有经过这个点的 $(a,b,r)$ 组合都算候选。标准 Hough 变换的做法是让每个边缘点给所有候选投票，于是复杂度变成边缘点数乘以半径档数再乘以圆心格子数。一张 320×240 的图，如果半径从 10 扫到 40，圆心按整像素铺满全图，累加器就是 320×240×30，两百多万个格子。一帧图像 Canny 之后动辄几万个边缘点，每个点投几千票，这个量级在任何实时场景里都跑不动。
所以必须降维。降维有两条路：一条是砍半径范围，把 10 到 40 收窄到 15 到 25；另一条是利用边缘的局部几何信息，把圆心候选从"整个圆环"压缩成"一条线"。后者才是 Hough 梯度法真正的价值所在，也是 OpenCV 里那个名字很拗口的icvHoughGradient干的事。
2.2 梯度方向约束：把整个圆环砍成一条射线
图像上某个边缘点的梯度方向，垂直于它所在的边缘走向，而对于圆来说，边缘的走向就是切线，垂直于切线的正是半径方向。换句话说，如果这个点真的落在某个圆上，圆心必然在它梯度方向所在的那条直线上。这一条几何约束把候选圆心从二维平面上的一个圆环，压缩成了一条射线。
常见的实现思路是：先对灰度图做 Sobel，拿到 $dx$、$dy$，算出梯度方向；然后沿这个方向（正负两侧都要，因为梯度符号取决于从暗到亮还是从亮到暗）以 1 像素为步长，在[minRadius, maxRadius]区间内逐个位置给累加器加一。一个边缘点原本要投几千票，现在只投几十票，量级直接掉两个数量级。工程上还会把梯度方向量化成有限个档位，用查表代替每次实时算三角函数，这一层优化在低端 CPU 上体感很明显。
这里有个容易被忽略的取舍：累加器的分辨率由dp参数控制。dp=1表示累加器和输入图同分辨率，圆心定位精度最高；dp=2表示累加器边长只有输入的一半，投票量降到四分之一，但圆心位置的量化误差直接翻倍。对于瞳孔这种半径只有二十来像素的目标，dp=2带来的误差会一路传导到最终半径上，所以在乎直径精度时基本只能取dp=1。
2.3 累加值是置信度：把降序排序改成求最大值，省下的是什么
原始实现里，累加器建好之后要做非极大值抑制，捞出一批候选圆心，按累加值从大到小排序，然后对每个候选圆心单独做一次半径直方图——统计所有边缘点到这个圆心的距离分布，峰值对应的距离就是半径。这套流程的设计前提是"图里可能有多个圆"，所以要把所有候选都试一遍。
这项研究的场景里，一帧红外眼部图像只有一个瞳孔，而且它是画面里最显著的暗色圆结构。于是改进很直接：不做排序，直接在整个累加器数组里找最大值，只处理这一个圆心。省掉的是排序的 $O(n\log n)$ 和后续多次半径直方图的开销，在低端机上这部分时间不算小。
import cv2 import numpy as np def coarse_pupil(gray, r_min, r_max, accum_thresh): """ 粗定位：返回唯一候选圆 (x0, y0, r0)。 dp=1 保证圆心不被降采样量化；minDist 设成图宽， 等价于全图只保留一个最强圆，对应原实现里“只取累加值最大值”的改法。 """ circles = cv2.HoughCircles( gray, cv2.HOUGH_GRADIENT, dp=1, minDist=gray.shape[1], param1=100, # Canny 高阈值，低阈值内部按一半取 param2=accum_thresh, # 累加器峰值阈值，闭眼帧靠它挡掉 minRadius=r_min, maxRadius=r_max, ) if circles is None: return None # 峰值没过阈值，判为无瞳孔（闭眼） x, y, r = np.round(circles[0, 0]).astype(int) return x, y, r需要说清楚的一点是：调用cv2.HoughCircles和改内部实现不是一回事。库函数返回的结果本身已经按累加值强弱排过序，拿第一个看起来就是"取最大值"，但内部该做的排序和半径直方图一次没少。真想拿到论文里那份时间收益，得改到icvHoughGradient里面去。这也解释了一个常见困惑：为什么照着论文思路调库，精度上去了但速度没上去——因为省时间的那一刀砍在源码层，不在 API 层。
param2这个参数值得单独说。它是累加器的峰值阈值，低于它的候选圆心直接丢弃。这项研究把它用成了第二个用途：闭眼帧里没有完整的瞳孔边界，边缘点散乱，沿梯度方向投出去的票没法在同一个 $(a,b)$ 上聚集，峰值自然上不去；一旦峰值低于标定出的阈值（实验里在两百左右），这一帧就直接判为闭眼，不进入后续流程。用同一个量同时承担"检测置信度"和"睁闭眼判据"两个职责，是这个改法里最漂亮的一笔。
3. 轮廓匹配：为什么"沿半径找灰度跳变"能干过圆拟合
3.1 瞳孔边界的物理模型：一个方向确定的阶跃
红外照明下，瞳孔区域几乎没有反射，灰度低；虹膜和巩膜反射较强，灰度高。所以沿着任意一条从圆心向外的半径走，灰度曲线在瞳孔边界处会出现一次从低到高的跳变。这条跳变的位置就是真实半径，跳变的陡峭程度就是边界清晰度。
把这个物理事实翻译成目标函数：对候选的 $(x,y,r)$，在半径 $r-\delta$ 处取一个内侧灰度，在 $r+\delta$ 处取一个外侧灰度，两者相减；沿圆周取若干个角度做平均；平均差值最大的那组 $(x,y,r)$ 就是最优解。这套判据不关心"整体像不像圆"，只关心"这条边界两侧的对比够不够强"，所以它对局部遮挡、对边缘不完整都不敏感——只要有半圈边界清晰，平均值就能被拉起来。
3.2 点对采样与差值累加：k=40 这个数字是怎么定下来的
具体做法是对每个候选参数，沿圆周等角采样 $k$ 个点对。第 $i$ 个角度 $\theta_i$ 对应两个采样位置：
$$ p_i=(x+(r-1)\cos\theta_i,; y+(r-1)\sin\theta_i) $$ $$ p_i'=(x+(r+1)\cos\theta_i,; y+(r+1)\sin\theta_i) $$
然后算 $\frac{1}{n}\sum_i \left[f(p_i')-f(p_i)\right]$，取最大值。
这里的 $\pm 1$ 不是随手写的。Canny 之后的边缘并不是一条数学意义上的线，而是一条一到两像素宽的过渡带，灰度在这条带子里是渐变的。如果正好取在 $r$ 上，拿到的是过渡带中间的值，内外一减接近零，判据就失效了。往外挪一个像素，取到的是"纯外侧的亮"和"纯内侧的暗"，差值才拉得开。这个偏移量应该跟边缘模糊程度匹配：滤波核越大，过渡带越宽，$\pm 1$ 可能就不够，得跟着调。
$k$ 的取值直接对应精度和耗时的曲线。原文献给出的实测数据是：$k=10$ 时精度约 50%，耗时 5.2ms；$k=26$ 时 90%，11.7ms；$k=30$ 时 99%，15.9ms；$k=40$ 时 99.8%，22.2ms。这是一条典型的收益递减曲线，拐点在 30 到 40 之间。往下的道理也简单：$k$ 越小，角采样越稀，一旦碰上睫毛遮挡或者角膜反光点，被污染的点对占比就升高，平均值被拉低，不同候选之间的比较就失准了。
3.3 搜索空间的三重约束：d 取 r0/10 的取舍
轮廓匹配是在初检圆附近做局部穷举，搜索范围 $d$ 取初检半径的十分之一。这个选择同时被两个方向的力量夹住。
往小里说，$d$ 必须覆盖 Hough 初检的误差上界，否则真值落在窗口外，怎么搜都搜不到。往大里说，计算量是 $(2d+1)^3 \times k$——三层空间循环加一层角度循环，$d$ 稍微放大一点，总量按三次方涨。半径 30 像素时 $d=3$，$7^3\times40$ 大约一万三千次采样；$d$ 放到 $r_0/4$ 就是 $15^3\times40$，十三万次，十倍。
更关键的是精度这一侧。原文献的实验里，$d$ 取到 $r_0/4$ 甚至更大时，精度反而下降。原因不难理解：窗口一旦扩到瞳孔外面，眼睑和巩膜之间的对比度比瞳孔边界还强，目标函数的最优解会跑到眼皮上去。搜索范围越大越容易匹配错，这个结论跟直觉相反，但在这类"局部最优即全局最优"的假设下是必然的——先验约束本身就是精度的一部分。
3.4 闭眼帧排除：把累加峰值当二值判据用
闭眼帧的处理放在 Hough 阶段，逻辑是"没有圆就没有峰"。睁眼时瞳孔边界完整，梯度方向一致，投票高度集中在真实圆心附近，累加器峰值很高；闭眼时眼睑纹理产生的边缘方向杂乱，投票分散，峰值上不去。所以对累加器数组的最大值设一个阈值，低于它就整帧跳过。
这个判据的软肋在于它是绝对量。峰值高度跟图像分辨率、红外照明强度、皮肤反射率都相关，换一台相机、换一个被试，同一个阈值可能就失效了。工程上更稳的做法是把它归一化——用峰值除以参与投票的边缘点总数，得到的是"投票集中度"而不是"投票总数"，跨设备迁移时会好很多。这一点在后面避坑那章还会再提一次。
4. 从一帧红外图到 (cx, cy, r)：整条链路的实现与时间账
4.1 预处理链路：灰度化、滤波、Canny 阈值
整条链路的第一段是常规动作：灰度化，高斯滤波去噪，Canny 提边缘。滤波核大小是个隐藏的坑——它必须显著小于瞳孔半径。核太小时噪点压不住，累加器里会冒出假峰；核大到跟瞳孔直径同量级，边界直接被抹平，Hough 阶段连圆都找不到。经验上把核尺寸控制在瞳孔半径的五分之一以内比较安全。
Canny 用的是双阈值加滞后连接：高阈值筛出确定的强边缘，低阈值筛出弱边缘，只有连到强边缘上的弱边缘才保留。原文献取的是 100 和 50，比例 2:1。这个比例不是定死的，1:2 到 1:3 都在合理区间，具体取值要看红外图像的对比度——对比度高时可以把高阈值往上提，减少睫毛和眼睑贡献的杂边。
4.2 初检：拿到 c0(x0, y0, r0)
第二段调用改进后的 Hough 梯度法，输出唯一候选圆 $c_0$。这一步的定位精度不重要，重要的是它的误差有界——只要真实瞳孔还在 $c_0$ 附近十分之一半径的范围内，后面的局部搜索就能把它拉回来。整个系统的鲁棒性上限其实由这一步决定：初检一旦被睫毛或者其他结构带偏，后面搜得再精细也是在一个错误的位置上求精。
4.3 轮廓匹配：四重循环的完整实现
第三段是精度来源。把初检圆当中心，在半径、横坐标、纵坐标三个维度上各展开 $\pm d$，再套一层角度采样，四重循环穷举。
import numpy as np def refine_pupil(gray, x0, y0, r0, k=40, d_ratio=0.1): """ 精定位：在初检圆附近做局部穷举，最大化圆周内外灰度差。 k : 圆周等角采样点数，40 是精度/耗时的拐点 d_ratio : 搜索半径占初检半径的比例，1/10 是原文献的取值 """ h, w = gray.shape d = max(1, int(round(r0 * d_ratio))) thetas = np.arange(0.0, 2 * np.pi, 2 * np.pi / k) cos_t, sin_t = np.cos(thetas), np.sin(thetas) best_diff, best = -np.inf, (x0, y0, r0) for r in range(r0 - d, r0 + d + 1): for x in range(x0 - d, x0 + d + 1): for y in range(y0 - d, y0 + d + 1): # 内侧取 r-1、外侧取 r+1，跨过边缘的模糊过渡带 xi = np.clip((x + (r - 1) * cos_t).astype(int), 0, w - 1) yi = np.clip((y + (r - 1) * sin_t).astype(int), 0, h - 1) xo = np.clip((x + (r + 1) * cos_t).astype(int), 0, w - 1) yo = np.clip((y + (r + 1) * sin_t).astype(int), 0, h - 1) diff = np.mean(gray[yo, xo].astype(np.float32) - gray[yi, xi].astype(np.float32)) if diff > best_diff: best_diff, best = diff, (x, y, r) return best, best_diff参数上有几处要交代清楚。d_ratio决定搜索窗口，也决定计算量，三层空间循环的总次数是 $(2d+1)^3$，$d$ 每加一，总量涨得很快；k只影响最内层，是线性的，所以调k比调d安全。np.clip那几行不是可有可无的防御性代码——当瞳孔靠近图像边缘时，采样坐标会越界，不裁剪就直接抛异常或者读到错误内存。返回的best_diff顺便还能当质量分：如果最优差值本身很低，说明这一帧的边界对比度不够，结果不可信，可以打上标记交给上层逻辑处理。
4.4 时间预算：60ms 一帧是怎么花掉的
原文献的实测环境是一台低端笔记本（单核 1.86GHz 那一档），320×240 分辨率下整帧约 60ms，能跑实时；640×480 需要换到高端机器才能实时。拆开看，轮廓匹配在 $k=40$ 时约占 22ms，剩下的预算留给灰度化、滤波、Canny 和 Hough。
这里能看出分辨率对耗时的影响为什么这么陡。分辨率翻倍，瞳孔半径 $r_0$ 跟着翻倍，$d=r_0/10$ 也翻倍，$(2d+1)^3$ 的量级直接涨八倍；同时预处理和 Hough 的像素级开销也翻四倍。两个效应叠在一起，就是"320×240 能实时、640×480 要上高配"的来源。真要优化，方向不是硬砍 $k$，而是把最内层的角度循环向量化——用 numpy 一次性算完 40 个采样点，比 Python 循环快一个量级，精度一点不掉。
5. 避坑记录：这套算法在真实数据上最容易翻车的五个地方
这套流程在论文的实验条件下能到 99.8%，但换一批数据、换一台相机，掉到七八十是常有的事。下面五条是按"现象 → 原因 → 解决"整理的踩坑记录，基本覆盖了工程落地时八成的问题。
5.1 阈值与搜索范围：三个最容易被"凭感觉调"的参数
初检圆被睫毛抢走。现象是某些帧的圆心明显偏上，最终半径锁在睫毛根部而不是瞳孔边界。原因是红外下睫毛对比度极高，梯度强、投票集中，而瞳孔边缘常被上眼睑遮掉一半，累加器峰值被睫毛围成的假圆抢走。解决办法是先从结构上限制：把minRadius/maxRadius收到实际瞳孔半径的 ±30% 以内，让睫毛那种小半径的假圆根本进不了候选；同时在 Hough 之前做一次 ROI 裁剪，用帧间差分或者粗定位把人眼区域框出来，把搜索范围压小。
闭眼帧的绝对阈值失效。现象是换一个被试之后，闭眼帧全被当成睁眼，输出一个半径等于minRadius的假圆。原因是峰值是绝对量，跟红外反射强度、曝光、分辨率都绑定，标定出来的那个"两百左右"换个场景就不作数了。解决思路是改成相对判据：用峰值除以参与投票的边缘点总数，衡量的是投票集中度而不是投票总量；再补一层时序约束——瞳孔半径不会在一帧之内突变，跟前一帧的结果差太多就判为异常。
d 调大了精度反而掉。现象是把d_ratio从 1/10 调到 1/4 想提高鲁棒性，精度从 99% 掉到 80% 多。原因是搜索窗口扩到瞳孔外面之后，眼睑和巩膜之间的灰度差比瞳孔边界更强，目标函数的最优解跑到眼皮上去了。这里的原则是：d只用来覆盖初检误差，不用来兜底。初检偏差经常超过d，说明问题出在 Hough 阶段，该去修 Canny 阈值和半径范围，而不是把窗口越开越大。
5.2 图像质量与结构干扰：滤波核、取整抖动与稀疏采样
滤波核跟瞳孔同量级。现象是换成低分辨率相机、瞳孔半径只剩十几像素时，Hough 完全找不到圆。原因是高斯核沿用了高分辨率下调好的尺寸（比如 7×7），把本来就窄的边缘彻底抹平了，同时minRadius没跟着改。解决办法是让核尺寸跟着瞳孔尺度走，控制在 $r_0/5$ 以内，minRadius/maxRadius按实际成像比例重算——这类参数没有跨设备的通用值，只能按成像几何标定。
k 降下来速度上去了精度崩了。现象是 $k$ 从 40 降到 15，单帧耗时从 22ms 掉到 8ms，精度从 99.8% 掉到 70% 出头。原因是角采样变稀之后，一旦碰上睫毛遮挡或角膜反光点，被污染的点对占比升高，平均值被拉低；而最优解靠的是不同候选之间的差值比较，噪声一大比较就失准。解决办法是 $k$ 不低于 30，或者把均值换成截尾平均——去掉最大和最小的各 10% 再算，抗局部污染的能力会好很多，代价只是几次排序。
采样点整数取整导致半径抖动。现象是视频连续帧里 $r$ 在 ±2 像素之间来回跳，肉眼可见地不稳。原因是采样坐标直接astype(int)截断，当真实边界落在两个整数像素之间时，内外采样点会随机偏向一侧，差值不稳定。解决办法是用双线性插值取灰度，而不是最近邻；或者退一步，对连续 N 帧的半径做中值滤波，用时间换稳定。后者在实时性吃紧时更划算，延迟增加几帧而已。
6. 圆模型、分层搜索与手工特征：这套方案的边界在哪
这套方案在 2016 年的硬件条件下做到 99.8% 和 60ms，靠的不是某个精巧的算子，而是几个约束踩得准。往回看，有三处取舍值得单独掰开。
第一处是圆模型。瞳孔在眼球转动、斜视时会投影成椭圆，用圆去拟合天然有系统误差。但红外视频的拍摄条件通常是正对或接近正对，投影的椭圆度很小；而椭圆拟合要从 3 个参数涨到 5 个，穷举搜索的复杂度从三次方变成五次方，在这个时间预算下根本跑不动，只能换成最小二乘或者梯度下降，那就引入了收敛性和初值依赖的新问题。圆模型的真正价值不是"更准确"，是"参数少到可以穷举"——这跟后面局部搜索能不能成立直接相关。
第二处是分层。Hough 负责回答"在哪"，轮廓匹配负责回答"多准"，两层的误差通过 $d$ 这个参数解耦。好处是每一层都可以独立调优，坏处是误差会单向传导：初值错了，第二层搜得再细也只是在错误的位置上求精，而且搜得越细越自信。这也是为什么第 5 章里"初检被睫毛抢走"那条坑最致命——它不属于精度问题，属于可靠性问题，靠调后面一层救不回来。设计这类 pipeline 时，前一层的召回率比精确率重要得多。
第三处是不用学习方法。2016 年没有能在低端 CPU 上跑 60ms 的检测网络，标注成本也不现实；更重要的是这个场景需要可解释性——临床上要能说清"这一帧为什么判为闭眼"，一个累加器峰值阈值显然比一个黑匣子好解释。代价是手工特征的天花板明显：遇到眼镜反光、睫毛遮挡超过一半、瞳孔直径因光照剧烈变化时，这套判据会退化。
要验证自己的实现对不对，我一般会分三步走。先用合成数据打底：生成已知圆心和半径的圆，叠加高斯噪声和一段圆弧遮挡，看半径的绝对误差能不能稳定在 1 像素以内——这一步能把参数标定的问题隔离出来。再上真实数据，人工标注若干帧当金标准，重点看边界情况（半睁眼、边缘光照不均）而不是随机抽样，因为平均值会把问题掩盖掉。最后做跨设备测试：换分辨率、换红外强度各跑一遍，看闭眼阈值和d_ratio需不需要重标——如果换个相机就得重调一遍，说明判据还没归一化到位。
这套东西我早年吃过一次亏：拿一组调好的参数直接铺到另一批数据上，精度从 99% 掉到 60% 多，排查了两天才发现是高斯核尺寸没跟着分辨率改。从那以后我每次做这类圆检测，都强制先把初检圆的半径范围收到实际目标的 ±30% 以内，再动后面的参数——先把搜索空间框死，比事后调阈值省事得多。希望帮到你。
本文还有配套的精品资源，点击获取
