[發明專利]一種智能鑒毒的方法及裝置

有效

• 申請號: 201810371837.5
• 申請日: 2018-04-24
• 公開（公告）號: CN110393504B
• 公開（公告）日: 2022-02-15
• 發明（設計）人: 高峰;高金鐸
• 申請（專利權）人: 高金鐸
• 主分類號: A61B3/11
• 分類號: A61B3/11;A61B3/14
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 張全文

1.一種智能鑒毒的方法，其特征在于，包括：

在不同光通量的環境中，獲取被測對象的瞳孔虹膜圖像；所述瞳孔虹膜圖像包括基準圖像、暗瞳圖像以及亮瞳圖像；所述基準圖像用于表示在預設光通量時所述被測對象的瞳孔虹膜圖像；其中，基準圖像為在預設光通量時被測對象的瞳孔虹膜圖像；

分別計算所述基準圖像中的瞳孔面積與虹膜面積之間的第一比值、所述暗瞳圖像中的瞳孔面積與虹膜面積之間的第二比值以及所述亮瞳圖像中的瞳孔面積與虹膜面積之間的第三比值；

根據所述第一比值、所述第二比值、所述第三比值以及預設檢測模型，確定所述被測對象的瞳孔是否異常；

若所述被測對象的瞳孔異常，則根據所述第一比值、所述第二比值、所述第三比值以及所述檢測模型，確定所述被測對象的瞳孔的當前致異原因，包括：若所述被測對象的瞳孔異常，則根據所述檢測模型中各數值區間對應的瞳孔特征確定所述第一比值對應的第一瞳孔特征、所述第二比值對應的第二瞳孔特征以及所述第三比值對應的第三瞳孔特征；根據所述檢測模型中各瞳孔特征對應的致異原因系數，確定所述第一瞳孔特征、所述第二瞳孔特征以及所述第三瞳孔特征分別對應的致異原因系數；根據所有所述致異原因系數中最大的致異原因系數對應的致異原因作為被測對象的瞳孔的當前致異原因；其中，所述檢測模型包括m種異常瞳孔現象構成的異常瞳孔集合以及n種致異原因構成的致異原因集合，每個異常瞳孔現象由基準圖像中的瞳孔面積與虹膜面積之間的比值的數值區間、亮瞳圖像中的瞳孔面積與虹膜面積之間的比值的數值區間以及暗瞳圖像中的瞳孔面積與虹膜面積之間的比值的數值區間構成，每種瞳孔異常現象對應多種致異原因，所述n種致異原因分別對應不同的致異原因系數，所述致異原因系數為檢測認定為對應致異原因的次數，所述瞳孔特征為異常瞳孔現象；

根據所述當前致異原因，更新與所述當前致異原因對應的致異原因系數。

2.如權利要求1所述的智能鑒毒的方法，其特征在于，所述根據所述第一比值、所述第二比值、所述第三比值以及預設檢測模型，確定所述被測對象的瞳孔是否異常，包括：

若所述第二比值大于所述第一比值，或者所述第三比值小于所述第一比值時，則判定所述被測對象的瞳孔異常。

3.如權利要求1所述的智能鑒毒的方法，其特征在于，所述根據所述當前致異原因，更新與所述當前致異原因對應的致異原因系數，包括：

根據所述當前致異原因，對所述當前致異原因對應的致異原因系數的值進行計數。

4.如權利要求1所述的智能鑒毒的方法，其特征在于，所述獲取不同光通量時被測對象的瞳孔虹膜圖像，包括：

采集所述被測對象的身份信息；

將所述身份信息上傳至服務器，并獲取所述服務器在驗證所述身份信息之后發送的身份驗證信息；所述身份驗證信息用于表示所述被測對象的身份信息是否合法；

若所述被測對象的身份信息合法，則分別獲取不同光通量時所述被測對象的瞳孔虹膜圖像。

5.如權利要求4所述的智能鑒毒的方法，其特征在于，所述根據所述第一比值、所述第二比值、所述第三比值以及預設檢測模型，確定所述被測對象的瞳孔是否異常，包括：

根據所述被測對象的身份信息，從預設檢測模型中確定適合所述被測對象身份的判斷參數；

根據所述第一比值、所述第二比值、所述第三比值、所述檢測模型以及判斷參數，確定所述被測對象的瞳孔是否異常。