本技术涉及人工智能，尤其涉及一种眼部注射点检测方法和控制器、眼科机器人及存储介质。
背景技术：
1、人眼关键点检测是一种针对面部图像或视频进行检测，以识别出人眼关键点(如眼角、瞳孔、虹膜)的技术。人眼关键点检测可以应用在眼科诊断(例如眼部注射、眼科机器人)等场景。但目前的人眼关键点检测方法难以满足眼部注射对于检测精度的要求。并且，人眼关键点检测方法往往针对特定区域的用户眼球，而不同区域的眼球存在差异，无法很好适用于在特定区域以外的其它区域的用户眼球。可见，人眼关键点检测方法的检测精度较低，且适用范围较窄。
2、因此，如何提高人眼关键点检测方法的检测精度和普适性，成为了亟待解决的技术问题。
技术实现思路
1、本技术实施例的主要目的在于提出一种眼部注射点检测方法和控制器、眼科机器人及存储介质，旨在提高人眼关键点检测方法的检测精度和普适性，能够应用于眼科机器人。
2、为实现上述目的，本技术实施例的第一方面提出了一种眼部注射点检测方法，所述方法包括：
3、从预设的图像数据集获取样本初始眼部图像；所述图像数据集中的眼部图像均属于第一区域；
4、获取色差阈值；所述色差阈值表征属于第二区域的眼部图像的瞳孔与虹膜之间的差值，所述第一区域和所述第二区域为不同的区域；
5、根据所述色差阈值对所述样本初始眼部图像进行色差处理，得到属于所述第二区域的样本目标眼部图像；
6、根据所述样本目标眼部图像对预设的初始眼部图像检测模型进行训练，得到目标眼部图像检测模型；
7、获取属于第二区域的原始眼部图像；
8、通过所述目标眼部图像检测模型对所述原始眼部图像进行关键点识别，得到瞳孔关键点、虹膜关键点和眼角关键点；
9、根据所述瞳孔关键点、所述虹膜关键点和所述眼角关键点进行注射点检测，得到目标注射点。
10、在一些实施例，所述样本初始眼部图像包括瞳孔区域图像和初始虹膜区域图像；所述根据所述色差阈值对所述样本初始眼部图像进行色差处理，得到属于所述第二区域的样本目标眼部图像，包括：
11、根据所述色差阈值和所述瞳孔区域图像对所述初始虹膜区域图像进行色彩迁移，得到迁移后虹膜区域图像；所述迁移后虹膜区域图像与所述瞳孔区域图像的色差小于所述色差阈值；
12、将所述迁移后虹膜区域图像和所述初始虹膜区域图像进行图像合成，得到目标虹膜瞳孔区域图像；
13、根据所述目标虹膜瞳孔区域图像对所述样本初始眼部图像进行更新，得到属于所述第二区域的所述样本目标眼部图像。
14、在一些实施例，所述根据所述色差阈值和所述瞳孔区域图像对所述初始虹膜区域图像进行色彩迁移，得到迁移后虹膜区域图像，包括：
15、基于所述瞳孔区域图像的亮度值进行直方图统计，得到瞳孔区域直方图；
16、基于所述初始虹膜区域图像的亮度值进行直方图统计，得到虹膜区域直方图；
17、对所述瞳孔区域直方图和所述虹膜区域直方图进行直方图匹配，得到亮度映射关系；
18、根据所述色差阈值和所述亮度映射关系对所述初始虹膜区域图像的亮度值进行亮度更新，得到所述迁移后虹膜区域图像。
19、在一些实施例，所述将所述迁移后虹膜区域图像和所述初始虹膜区域图像进行图像合成，得到目标虹膜瞳孔区域图像，包括：
20、获取所述初始虹膜区域图像的权重，得到第一权重；
21、获取所述迁移后虹膜区域图像的权重，得到第二权重；所述第一权重与所述第二权重的总和为1；
22、根据所述第一权重、所述初始虹膜区域图像、所述第二权重和所述迁移后虹膜区域图像进行加权融合，得到所述目标虹膜瞳孔区域图像。
23、在一些实施例，所述通过所述目标眼部图像检测模型对所述原始眼部图像进行关键点识别，得到瞳孔关键点、虹膜关键点和眼角关键点，包括：
24、对所述原始眼部图像进行归一化，得到标准眼部图像；
25、在所述标准眼部图像上标注出预测关键点；
26、根据所述预测关键点对所述标准眼部图像进行图像切割，得到瞳孔关键区域、虹膜关键区域和眼角关键区域；
27、对所述瞳孔关键区域进行关键点提取，得到所述瞳孔关键点；
28、对所述虹膜关键区域进行关键点提取，得到所述虹膜关键点；
29、对所述眼角关键区域进行关键点提取，得到所述眼角关键点。
30、在一些实施例，所述根据所述瞳孔关键点、所述虹膜关键点和所述眼角关键点进行注射点检测，得到目标注射点，包括：
31、对所述虹膜关键点进行椭圆拟合，得到虹膜边缘椭圆；
32、根据所述瞳孔关键点和所述眼角关键点，得到第一眼部线段；
33、获取所述第一眼部线段和所述虹膜边缘椭圆的交点，作为眼部参考点；
34、根据所述眼部参考点和预设的距离阈值在所述第一眼部线段进行点选取，得到所述目标注射点。
35、在一些实施例，所述根据所述瞳孔关键点和所述眼角关键点，得到第一眼部线段，包括：
36、根据所述瞳孔关键点计算得到瞳孔中心点；
37、根据所述眼角关键点的位置和预设的位置约束条件，从多个所述眼角关键点中选取得到眼角边缘点；
38、连接所述瞳孔中心点和所述眼角边缘点，得到所述第一眼部线段。
39、为实现上述目的，本技术实施例的第二方面提出了一种控制器，所述控制器包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
40、为实现上述目的，本技术实施例的第三方面提出了一种眼科机器人，所述眼科机器人包括机械臂、采集模块和上述第二方面所述的控制器：
41、所述控制器电连接所述采集模块和所述机械臂：
42、所述采集模块用于采集原始眼部图像，所述机械臂用于根据所述目标注射点执行注射操作。
43、为实现上述目的，本技术实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。
44、本技术提出的眼部注射点检测方法和控制器、眼科机器人及存储介质,其从预设的图像数据集获取属于第一区域的样本初始眼部图像；获取色差阈值，色差阈值表征属于第二区域的眼部图像的瞳孔与虹膜之间的差值；然后根据色差阈值和样本初始眼部图像进行色差处理，得到属于第二区域的样本目标眼部图像；由于处理后得到的样本目标眼部图像属于第二区域，因此用样本目标眼部图像对预设的初始眼部图像检测模型进行训练后得到的目标眼部图像检测模型能够针对第二区域的眼球精确识别出眼部关键点，避免模型的识别准确性受到图像数据集中图像所属区域的影响，从而能够避免明显只能对第一区域的图像实现眼部关键点检测。此外，不同区域对象的眼球可能存在差异，本技术实施例中可以基于不同区域对应调整色差阈值，普适性较高。针对属于第二区域的原始眼部图像，通过训练后的目标眼部图像检测模型能够精确地识别出瞳孔关键点、虹膜关键点和眼角关键点，然后进行注射点检测，检测得到的目标注射点也更加精准。本技术实施例能够提高人眼关键点检测方法的检测精度和普适性。
1.一种眼部注射点检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的眼部注射点检测方法，其特征在于，所述样本初始眼部图像包括瞳孔区域图像和初始虹膜区域图像；所述根据所述色差阈值对所述样本初始眼部图像进行色差处理，得到属于所述第二区域的样本目标眼部图像，包括：
3.根据权利要求2所述的眼部注射点检测方法，其特征在于，所述根据所述色差阈值和所述瞳孔区域图像对所述初始虹膜区域图像进行色彩迁移，得到迁移后虹膜区域图像，包括：
4.根据权利要求2所述的眼部注射点检测方法，其特征在于，所述将所述迁移后虹膜区域图像和所述初始虹膜区域图像进行图像合成，得到目标虹膜瞳孔区域图像，包括：
5.根据权利要求1所述的眼部注射点检测方法，其特征在于，所述通过所述目标眼部图像检测模型对所述原始眼部图像进行关键点识别，得到瞳孔关键点、虹膜关键点和眼角关键点，包括：
6.根据权利要求1至5任一项所述的眼部注射点检测方法，其特征在于，所述根据所述瞳孔关键点、所述虹膜关键点和所述眼角关键点进行注射点检测，得到目标注射点，包括：
7.根据权利要求6所述的眼部注射点检测方法，其特征在于，所述根据所述瞳孔关键点和所述眼角关键点，得到第一眼部线段，包括：
8.一种控制器，其特征在于，所述控制器包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
9.一种眼科机器人，其特征在于，所述眼科机器人包括机械臂、采集模块和如权利要求8所述的控制器：
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的眼部注射点检测方法。
