本申請涉及圖像處理技術領域，特別涉及一種區(qū)域確定方法及裝置、終端、存儲介質。

背景技術：

隨著科技的發(fā)展，圖像處理技術得到了廣泛的應用。示例的，在獲取人臉圖像后，可以采用圖像處理技術確定人臉圖像中瞳孔和虹膜所在的目標區(qū)域。

相關技術中，可以直接采用圖像處理技術中的五官定位法對人臉圖像進行處理，以確定該人臉圖像中眼睛的重心點，以及瞳孔和虹膜所在的目標區(qū)域(圓形區(qū)域)的最大半徑。然后，根據該人臉圖像中眼睛的重心點以及目標區(qū)域的最大半徑，確定瞳孔和虹膜所在的目標區(qū)域。

但是，由于五官定位法確定出的重心點和最大半徑的準確度均較低，因此，根據重心點和最大半徑確定出的目標區(qū)域的準確度也較低。

技術實現(xiàn)要素：

為了解決確定出的目標區(qū)域的準確度也較低的問題，本申請?zhí)峁┝艘环N區(qū)域確定方法及裝置、存儲介質。所述技術方案如下：

第一方面，提供了一種區(qū)域確定方法，所述方法包括：

獲取臉部圖像；

從所述臉部圖像中提取至少一個眼睛圖像；

確定第一眼睛圖像的重心點，所述第一眼睛圖像為所述至少一個眼睛圖像中的任一眼睛圖像；

對所述第一眼睛圖像進行檢測，以確定所述第一眼睛圖像中的目標點，其中，所述目標點中每個目標點的灰度值與ra/n的差小于預設灰度值閾值，所述ra為所述眼睛圖像中所有目標點與所述重心點的灰度值之和，所述n為所述第一眼睛圖像中所有目標點與所述重心點的個數之和；

將所述第一眼睛圖像中所有目標點和重心點所在的區(qū)域確定為：所述第一眼睛圖像中的瞳孔和虹膜所在的目標區(qū)域。

可選的，所述第一眼睛圖像中，與所述每個目標點相鄰的像素點中存在所述重心點或至少一個目標點。

可選的，在所述獲取臉部圖像之后，所述方法還包括：采用五官定位法對所述臉部圖像進行處理，以確定所述目標區(qū)域的最大半徑；

所述每個目標點與像素點(xa/n，ya/n)的距離小于或等于所述最大半徑，所述xa為所述第一眼睛圖像中所有目標點與所述重心點的橫坐標之和，所述ya為所述第一眼睛圖像中所有目標點與所述重心點的縱坐標之和。

可選的，所述第一眼睛圖像為：所述臉部圖像中屬于眼睛的像素點的紅色通道所組成的圖像。

可選的，所述確定第一眼睛圖像的重心點，包括：

確定所述第一眼睛圖像的多個第一累加灰度值和多個第二累加灰度值，其中，所述第一累加灰度值為：所述第一眼睛圖像中位于同一行的所有像素點的灰度值之和，所述第二累加灰度值為：所述第一眼睛圖像中位于同一列的所有像素點的灰度值之和；

根據所述第一眼睛圖像的多個第一累加灰度值和多個第二累加灰度值，確定所述第一眼睛圖像中顏色最深的像素點；

根據所述第一眼睛圖像中顏色最深的像素點，確定所述第一眼睛圖像的重心點。

可選的，所述從所述臉部圖像中提取至少一個眼睛圖像，包括：從所述臉部圖像中提取兩個眼睛圖像；

所述根據所述第一眼睛圖像中顏色最深的像素點，確定所述第一眼睛圖像的重心點，包括：

獲取第一參考點的坐標，所述第一參考點為所述兩個眼睛圖像中除所述第一眼睛圖像外的另一個眼睛圖像中的顏色最深的像素點；

根據至少一個參考坐標對所述第一眼睛圖像中顏色最深的像素點進行校正，確定所述第一眼睛圖像的重心點，所述至少一個參考坐標包括所述第一參考點的坐標。

可選的，所述臉部圖像為多幀連續(xù)的臉部圖像中的第m幀臉部圖像，所述m為大于1的整數，在所述獲取臉部圖像之前，所述方法還包括：

獲取第二參考點的坐標，所述第二參考點的橫坐標等于：參考眼睛圖像的目標區(qū)域內所有點的橫坐標的平均值，所述第二參考點的縱坐標等于：所述參考眼睛圖像的目標區(qū)域內所有點的縱坐標的平均值，所述參考眼睛圖像為：從所述多幀連續(xù)的臉部圖像中的第m-1幀臉部圖像中提取得到的圖像，且所述參考眼睛圖像與所述第一眼睛圖像均屬于同一只眼睛的圖像，所述至少一個參考坐標還包括所述第二參考點的坐標。

可選的，所述方法還包括：

在檢測所述第一眼睛圖像中目標點的過程中，若檢測時長達到預設時長，則停止對所述第一眼睛圖像的檢測；

或者，在檢測所述第一眼睛圖像中目標點的過程中，若所述n在預設時間段內未發(fā)生改變，則停止對所述第一眼睛圖像的檢測；

或者，在檢測所述第一眼睛圖像中目標點的過程中，若被檢測過的像素點的數量達到預設數量閾值，則停止對所述第一眼睛圖像的檢測。

可選的，在所述從所述臉部圖像中提取至少一個眼睛圖像之后，所述方法還包括：對所述第一眼睛圖像依次進行圖像腐蝕處理和圖像膨脹處理，消除所述第一眼睛圖像中的圖像噪聲；

所述確定第一眼睛圖像的重心點，包括：確定消除圖像噪聲后的所述第一眼睛圖像的重心點；

在所述將所述第一眼睛圖像中所有目標點和重心點所在的區(qū)域確定為：所述第一眼睛圖像中的瞳孔和虹膜所在的目標區(qū)域之后，所述方法還包括：

對所述第一眼睛圖像依次進行圖像膨脹處理和圖像腐蝕處理，去除所述第一眼睛圖像的目標區(qū)域中的空洞；

對去除所述空洞之后的所述第一眼睛圖像依次進行圖像腐蝕處理和圖像膨脹處理，去除所述第一眼睛圖像的目標區(qū)域中的觸角狀突出。

第二方面，提供了一種區(qū)域確定裝置，所述區(qū)域確定裝置包括：

第一獲取模塊，用于獲取臉部圖像；

提取模塊，用于從所述臉部圖像中提取至少一個眼睛圖像；

第一確定模塊，用于確定第一眼睛圖像的重心點，所述第一眼睛圖像為所述至少一個眼睛圖像中的任一眼睛圖像；

檢測模塊，用于對所述第一眼睛圖像進行檢測，以確定所述第一眼睛圖像中的目標點，其中，所述目標點中每個目標點的灰度值與ra/n的差小于預設灰度值閾值，所述ra為所述眼睛圖像中所有目標點與所述重心點的灰度值之和，所述n為所述第一眼睛圖像中所有目標點與所述重心點的個數之和；

第二確定模塊，用于將所述第一眼睛圖像中所有目標點和重心點所在的區(qū)域確定為：所述第一眼睛圖像中的瞳孔和虹膜所在的目標區(qū)域。

可選的，所述第一眼睛圖像中，與所述每個目標點相鄰的像素點中存在所述重心點或至少一個目標點。

可選的，所述區(qū)域確定裝置還包括：第一處理模塊，用于采用五官定位法對所述臉部圖像進行處理，以確定所述目標區(qū)域的最大半徑；

所述每個目標點與像素點(xa/n，ya/n)的距離小于或等于所述最大半徑，所述xa為所述第一眼睛圖像中所有目標點與所述重心點的橫坐標之和，所述ya為所述第一眼睛圖像中所有目標點與所述重心點的縱坐標之和。

可選的，所述第一眼睛圖像為：所述臉部圖像中屬于眼睛的像素點的紅色通道所組成的圖像。

可選的，所述第一確定模塊包括：

第一確定單元，用于確定所述第一眼睛圖像的多個第一累加灰度值和多個第二累加灰度值，其中，所述第一累加灰度值為：所述第一眼睛圖像中位于同一行的所有像素點的灰度值之和，所述第二累加灰度值為：所述第一眼睛圖像中位于同一列的所有像素點的灰度值之和；

第二確定單元，用于根據所述第一眼睛圖像的多個第一累加灰度值和多個第二累加灰度值，確定所述第一眼睛圖像中顏色最深的像素點；

第三確定單元，用于根據所述第一眼睛圖像中顏色最深的像素點，確定所述第一眼睛圖像的重心點。

可選的，所述提取模塊還用于：從所述臉部圖像中提取兩個眼睛圖像；

所述第三確定單元還用于：

獲取第一參考點的坐標，所述第一參考點為所述兩個眼睛圖像中除所述第一眼睛圖像外的另一個眼睛圖像中的顏色最深的像素點；

根據至少一個參考坐標對所述第一眼睛圖像中顏色最深的像素點進行校正，確定所述第一眼睛圖像的重心點，所述至少一個參考坐標包括所述第一參考點的坐標。

可選的，所述臉部圖像為多幀連續(xù)的臉部圖像中的第m幀臉部圖像，所述m為大于1的整數，所述區(qū)域確定裝置還包括：

第二獲取模塊，用于獲取第二參考點的坐標，所述第二參考點的橫坐標等于：參考眼睛圖像的目標區(qū)域內所有點的橫坐標的平均值，所述第二參考點的縱坐標等于：所述參考眼睛圖像的目標區(qū)域內所有點的縱坐標的平均值，所述參考眼睛圖像為：從所述多幀連續(xù)的臉部圖像中的第m-1幀臉部圖像中提取得到的圖像，且所述參考眼睛圖像與所述第一眼睛圖像均屬于同一只眼睛的圖像，所述至少一個參考坐標還包括所述第二參考點的坐標。

可選的，所述區(qū)域確定裝置還包括：

第一停止模塊，用于在檢測所述第一眼睛圖像中目標點的過程中，若檢測時長達到預設時長，則停止對所述第一眼睛圖像的檢測；

或者，第二停止模塊，用于在檢測所述第一眼睛圖像中目標點的過程中，若所述n在預設時間段內未發(fā)生改變，則停止對所述第一眼睛圖像的檢測；

或者，第三停止模塊，用于在檢測所述第一眼睛圖像中目標點的過程中，若被檢測過的像素點的數量達到預設數量閾值，則停止對所述第一眼睛圖像的檢測。

可選的，所述區(qū)域確定裝置還包括：第二處理模塊，用于對所述第一眼睛圖像依次進行圖像腐蝕處理和圖像膨脹處理，消除所述第一眼睛圖像中的圖像噪聲；

所述第一確定模塊還用于：確定消除圖像噪聲后的所述第一眼睛圖像的重心點；

所述區(qū)域確定裝置還包括：

第三處理模塊，用于對所述第一眼睛圖像依次進行圖像膨脹處理和圖像腐蝕處理，去除所述第一眼睛圖像的目標區(qū)域中的空洞；

第四處理模塊，用于對去除所述空洞之后的所述第一眼睛圖像依次進行圖像腐蝕處理和圖像膨脹處理，去除所述第一眼睛圖像的目標區(qū)域中的觸角狀突出。

第三方面，提供了一種區(qū)域確定裝置，所述區(qū)域確定裝置包括：

處理器；

用于存儲所述處理器的可執(zhí)行指令的存儲器；

其中，所述處理器被配置為：

獲取臉部圖像；

從所述臉部圖像中提取至少一個眼睛圖像；

確定第一眼睛圖像的重心點，所述第一眼睛圖像為所述至少一個眼睛圖像中的任一眼睛圖像；

對所述第一眼睛圖像進行檢測，以確定所述第一眼睛圖像中的目標點，其中，所述目標點中每個目標點的灰度值與ra/n的差小于預設灰度值閾值，所述ra為所述眼睛圖像中所有目標點與所述重心點的灰度值之和，所述n為所述第一眼睛圖像中所有目標點與所述重心點的個數之和；

將所述第一眼睛圖像中所有目標點和重心點所在的區(qū)域確定為：所述第一眼睛圖像中的瞳孔和虹膜所在的目標區(qū)域。

第四方面，提供了一種存儲介質，當所述存儲介質中的指令由區(qū)域確定裝置中的處理器執(zhí)行時，使得所述區(qū)域確定裝置能夠執(zhí)行一種區(qū)域確定方法，所述方法包括：

獲取臉部圖像；

從所述臉部圖像中提取至少一個眼睛圖像；

確定第一眼睛圖像的重心點，所述第一眼睛圖像為所述至少一個眼睛圖像中的任一眼睛圖像；

對所述第一眼睛圖像進行檢測，以確定所述第一眼睛圖像中的目標點，其中，所述目標點中每個目標點的灰度值與ra/n的差小于預設灰度值閾值，所述ra為所述眼睛圖像中所有目標點與所述重心點的灰度值之和，所述n為所述第一眼睛圖像中所有目標點與所述重心點的個數之和；

將所述第一眼睛圖像中所有目標點和重心點所在的區(qū)域確定為：所述第一眼睛圖像中的瞳孔和虹膜所在的目標區(qū)域。

第五方面，提供了一種包含指令的程序產品，當所述程序產品在處理器上運行時，使得處理器執(zhí)行第一方面所提供的區(qū)域確定方法。

本發(fā)明提供了一種區(qū)域確定方法及裝置、存儲介質，在確定眼睛圖像的重心點后，還根據屬于瞳孔和虹膜的點的灰度值特征，在眼睛圖像中找到目標點，并根據目標點和重心點確定目標區(qū)域。也即是，本發(fā)明實施例中對眼睛圖像中的每個點均進行了驗證，保證劃入目標區(qū)域的每個點均滿足屬于瞳孔和虹膜的點的灰度值特征，有效的防止了將不滿足屬于瞳孔和虹膜的點的灰度值特征的非目標點劃入目標區(qū)域，所以，提高了確定出的目標區(qū)域的準確度。

應當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的，并不能限制本發(fā)明。

附圖說明

為了更清楚地說明本發(fā)明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例提供的一種臉部圖像的示意圖；

圖2為本發(fā)明實施例提供的一種區(qū)域確定方法的方法流程圖；

圖3為本發(fā)明實施例提供的一種區(qū)域確定方法的方法流程圖；

圖4為本發(fā)明實施例提供的一種區(qū)域確定裝置的結構示意圖；

圖5為本發(fā)明實施例提供的另一種區(qū)域確定裝置的結構示意圖；

圖6為本發(fā)明實施例提供的又一種區(qū)域確定裝置的結構示意圖；

圖7為本發(fā)明實施例提供的一種第一確定模塊的結構示意圖；

圖8為本發(fā)明實施例提供的再一種區(qū)域確定裝置的結構示意圖；

圖9為本發(fā)明另一實施例提供的一種區(qū)域確定裝置的結構示意圖。

通過上述附圖，已示出本發(fā)明明確的實施例，后文中將有更詳細的描述。這些附圖和文字描述并不是為了通過任何方式限制本發(fā)明構思的范圍，而是通過參考特定實施例為本領域技術人員說明本發(fā)明的概念。

具體實施方式

為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，下面將結合附圖對本發(fā)明實施方式作進一步地詳細描述。

圖1為本發(fā)明實施例提供的一種臉部圖像的示意圖，如圖1所示，該臉部圖像可以為人臉圖像，該臉部圖像0可以包括兩個眼睛01、兩個眉毛02、一個鼻子03、一個嘴巴04和兩個耳朵05的圖像。其中，每個眼睛01包括眼白區(qū)域011和目標區(qū)域012，該目標區(qū)域012也即是瞳孔和虹膜所在的區(qū)域。

圖2為本發(fā)明實施例提供的一種區(qū)域確定方法的方法流程圖，該區(qū)域確定方法可以用于對圖1中的臉部圖像進行分析，以確定該臉部圖像中的目標區(qū)域。如圖2所示，該方法可以包括：

步驟201、獲取臉部圖像；

步驟202、從臉部圖像中提取至少一個眼睛圖像；

步驟203、確定第一眼睛圖像的重心點，第一眼睛圖像為至少一個眼睛圖像中的任一眼睛圖像；

步驟204、對第一眼睛圖像進行檢測，以確定第一眼睛圖像中的目標點，其中，目標點中每個目標點的灰度值與ra/n的差小于預設灰度值閾值，ra為眼睛圖像中所有目標點與重心點的灰度值之和，n為第一眼睛圖像中所有目標點與重心點的個數之和；

步驟205、將第一眼睛圖像中所有目標點和重心點所在的區(qū)域確定為：第一眼睛圖像中的瞳孔和虹膜所在的目標區(qū)域。

綜上所述，由于本發(fā)明實施例提供的區(qū)域確定方法中，在確定眼睛圖像的重心點后，還根據屬于瞳孔和虹膜的點的灰度值特征，在眼睛圖像中找到目標點，并根據目標點和重心點確定目標區(qū)域。也即是，本發(fā)明實施例中對眼睛圖像中的每個點均進行了驗證，保證劃入目標區(qū)域的每個點均滿足屬于瞳孔和虹膜的點的灰度值特征，有效的防止了將不滿足屬于瞳孔和虹膜的點的灰度值特征的非目標點劃入目標區(qū)域，所以，提高了確定出的目標區(qū)域的準確度。

圖3為本發(fā)明實施例提供的一種區(qū)域確定方法的方法流程圖，該區(qū)域確定方法可以用于對圖1中的臉部圖像進行分析，以確定該臉部圖像中的目標區(qū)域。如圖3所示，該方法可以包括：

步驟301、獲取臉部圖像。

示例的，本發(fā)明提供的區(qū)域確定方法可以被區(qū)域確定裝置執(zhí)行，該區(qū)域確定裝置可以為手機、平板電腦或臺式電腦，該區(qū)域確定裝置還可以為其他裝置，本發(fā)明實施例對此不作限定。在步驟301中，用戶可以在區(qū)域確定裝置上操控，并將臉部對準區(qū)域確定裝置上設置的攝像頭，使得區(qū)域確定裝置能夠通過攝像頭采集人臉的臉部圖像，從而獲取到如圖1所示的臉部圖像。

步驟302、采用五官定位法對臉部圖像進行處理，以確定目標區(qū)域的最大半徑。

在獲取到臉部圖像后，區(qū)域確定裝置可以采用圖像處理技術中的五官定位法，對臉部圖像進行處理，以確定臉部圖像中瞳孔和虹膜所在的目標區(qū)域的最大半徑。

步驟303、從臉部圖像中提取至少一個眼睛圖像。

可選的，在步驟301中獲取到臉部圖像后，區(qū)域確定裝置還可以從該臉部圖像中提取至少一個眼睛圖像(也即是包括至少一個眼睛的圖像，可選的，每個眼睛圖像還可以包括部分臉部皮膚)。示例的，本發(fā)明實施例中區(qū)域確定裝置可以從臉部圖像中提取兩個眼睛圖像(也即臉部圖像中兩個眼睛的圖像，共兩個圖像)。

需要說明的是，步驟301中獲取到的臉部圖像可以包括多個像素點，且每個像素點可以包括紅色通道、綠色通道和藍色通道。

示例的，虹膜的顏色可能為黑色、藍色或綠色。當虹膜的顏色為藍色時，眼睛圖像中虹膜的像素點中藍色通道的亮度較高，而虹膜的像素點中紅色通道與綠色通道的亮度均較低，眼睛圖像中眼白的像素點的亮度較高；當虹膜的顏色為綠色時，眼睛圖像中虹膜的像素點中綠色通道的亮度較高，而虹膜的像素點中紅色通道與藍色通道的亮度均較低，眼睛圖像中眼白的像素點的亮度較高；當虹膜的顏色為黑色時，眼睛圖像中虹膜的像素點中藍色通道、紅色通道與綠色通道的亮度均較低，眼睛圖像中眼白的像素點的亮度較高。所以，為了提高步驟303中提取到的眼睛圖像中虹膜的像素點與眼白的像素點的對比度，無論虹膜的顏色為黑色、藍色還是綠色，均可以在提取眼睛圖像時僅提取紅色通道，從而使得提取得到的僅僅包含紅色通道的眼睛圖像中虹膜的像素點與眼白的像素點的對比度較高，便于后續(xù)對虹膜的識別。

因此，在步驟303中提取眼睛圖像時，區(qū)域確定裝置可以直接提取該臉部圖像中，屬于眼睛的像素點中的紅色通道，使得每個眼睛圖像為臉部圖像中屬于眼睛的像素點的紅色通道所組成的圖像。也即是，眼睛圖像包括多個像素點，每個像素點的灰度值為：該像素點在臉部圖像中對應的像素點的紅色通道的灰度值。

步驟304、對每個眼睛圖像，依次進行圖像腐蝕處理和圖像膨脹處理，消除每個眼睛圖像中的圖像噪聲。

區(qū)域確定裝置在獲取到眼睛圖像后，可以對每個眼睛圖像首先進行圖像腐蝕處理，然后在對圖像腐蝕處理后的眼睛圖像進行圖像膨脹處理，從而消除每個眼睛圖像中的圖像噪聲。

步驟305、確定消除圖像噪聲后的每個眼睛圖像的重心點。

在消除眼睛圖像中的圖像噪聲后，區(qū)域確定裝置可以確定每個眼睛圖像的重心點。示例的，第一眼睛圖像可以為獲取到的至少一個眼睛圖像中的任意一個眼睛圖像。該第一眼睛圖像可以包含多個像素點，且每個像素點具有一個灰度值。區(qū)域確定裝置在確定第一眼睛圖像的重心點時，可以首先確定第一眼睛圖像的多個第一累加灰度值和多個第二累加灰度值。其中，第一累加灰度值為：第一眼睛圖像中位于同一行的所有像素點的灰度值之和，第二累加灰度值為：每個眼睛圖像中位于同一列的所有像素點的灰度值之和。然后，區(qū)域確定裝置可以根據第一眼睛圖像的多個第一累加灰度值和多個第二累加灰度值，確定第一眼睛圖像中顏色最深的像素點，并根據第一眼睛圖像中顏色最深的像素點，確定第一眼睛圖像的重心點。

可選的，在確定第一眼睛圖像中顏色最深的像素點時，區(qū)域確定裝置可以首先確定多個第一累加灰度值中的最小第一累加灰度值，以及多個第二累加灰度值中的最小第二累加灰度值；然后確定目標行和目標列，其中，該最小的第一累加灰度值為位于目標行的所有像素點的灰度值之和，該最小的第二累加灰度值為位于目標列的所有像素點的灰度值之和。最后，區(qū)域確定裝置可以將第一眼睛圖像中，位于目標行和目標列的像素點確定為第一眼睛圖像中顏色最深的像素點。

示例的，區(qū)域確定裝置在根據第一眼睛圖像中顏色最深的像素點，確定第一眼睛圖像的重心點時，可以首先獲取第一參考點的坐標，并根據至少一個參考坐標對第一眼睛圖像中顏色最深的像素點進行校正，得到第一眼睛圖像的重心點。其中，至少一個參考坐標包括第一參考點的坐標，第一參考點為兩個眼睛圖像中除該第一眼睛圖像之外的另一個眼睛圖像中的顏色最深的像素點。示例的，該第一眼睛圖像可以為左眼睛的圖像，該另一個眼睛圖像可以為右眼睛的圖像。由于人眼在觀看事物時兩個眼睛的方向較一致，因此，該兩個眼睛圖像中顏色最深的像素點所在的區(qū)域應該是相同的，所以，區(qū)域確定裝置在確定兩個眼睛圖像中每個眼睛圖像中顏色最深的像素點后，可以結合另一個眼睛圖像中顏色最深的像素點對第一眼睛圖像中顏色最深的像素點進行校正，以得到第一眼睛圖像的重心點。

進一步的，本發(fā)明實施例中區(qū)域確定裝置能夠獲取多幀連續(xù)的臉部圖像(也也即視頻)，并在每次獲取到一幀臉部圖像后執(zhí)行一遍步驟302到步驟309所示的方法，以確定每幀臉部圖像中的目標區(qū)域。

示例的，假設步驟301中區(qū)域確定裝置獲取到的臉部圖像為多幀連續(xù)的臉部圖像中的第m幀臉部圖像，m為大于1的整數，在獲取該第m幀臉部圖像之前，該區(qū)域確定裝置還可以獲取第m-1幀臉部圖像，并采用類似步驟302至步驟309的方法確定第m-1幀臉部圖像的目標區(qū)域，并根據該第m-1幀臉部圖像的目標區(qū)域確定第二參考點的坐標，其中，該第二參考點的橫坐標可以等于：第m-1幀臉部圖像中參考眼睛圖像的目標區(qū)域內所有點的橫坐標的平均值，第二參考點的縱坐標等于：第m-1幀臉部圖像中參考眼睛圖像的目標區(qū)域內所有點的縱坐標的平均值，該參考眼睛圖像為與第一眼睛圖像均屬于同一只眼睛的圖像。

區(qū)域確定裝置對第一眼睛圖像中顏色最深的像素點進行校正得到第一眼睛圖像的重心點時，所使用到的至少一個參考坐標也可以包括該第二參考坐標點的坐標。也即是，區(qū)域確定裝置還可以結合連續(xù)的兩幀臉部圖像中同一眼睛的位置差異較小的特點，結合上一幀參考眼睛圖像中的第二參考點，對第一眼睛圖像中顏色最深的像素點進行校正，以得到第一眼睛圖像的重心點。

步驟306、檢測消除圖像噪聲后的每個眼睛圖像中的目標點。

在步驟304中消除每個眼睛圖像中的圖像噪聲后，區(qū)域確定裝置還可以檢測每個眼睛圖像中的目標點。示例的，第一眼睛圖像中的目標點需要滿足以下三個篩選條件：目標點的灰度值與ra/n的差小于預設灰度值閾值，與目標點相鄰的像素點中存在重心點或至少一個目標點，以及目標點與像素點(xa/n，ya/n)的距離小于或等于最大半徑。其中，ra為第一眼睛圖像中所有目標點與重心點的灰度值之和，n為第一眼睛圖像中所有目標點與重心點的個數之和，xa為第一眼睛圖像中所有目標點與重心點的橫坐標之和，ya為第一眼睛圖像中所有目標點與重心點的縱坐標之和。

示例的，區(qū)域確定裝置在檢測第一眼睛圖像中的目標點時，可以對第一眼睛圖像中除重心點之外的每個像素點進行檢測，可選的，可以從與第一眼睛圖像中重心點相鄰的像素點開始檢測。

當對第一眼睛圖像中的第一個像素點進行檢測時，由于當前還未檢測到目標點，所以，當前的三個篩選條件中的ra等于重心點的灰度值，xa等于重心點的橫坐標，ya等于重心點的縱坐標。此時，區(qū)域確定裝置可以判斷該第一個像素點是否滿足當前的三個篩選條件。若該第一個像素點同時符合當前的三個篩選條件，則區(qū)域確定裝置可以將該第一個像素點標記為目標點。

然后，區(qū)域確定裝置可以對第一眼睛圖像中的第二個像素點進行檢測，此時，由于第一個像素點已經被標記為目標點，所以，當前的三個篩選條件中的ra等于重心點的灰度值與該第一個像素點的灰度值之和，xa等于重心點的橫坐標和該第一個像素點的橫坐標之和，ya等于重心點的縱坐標與該第一個像素點的縱坐標之和。在對第二個像素點進行檢測時，區(qū)域確定裝置可以判斷該第二個像素點是否滿足當前的三個篩選條件。若第二個像素點也符合當前的三個篩選條件，則將該第二個像素點標記為目標點。

之后，區(qū)域確定裝置可以對第一眼睛圖像中的第三個像素點進行檢測，此時，由于第一個像素點和第二像素點均已經被標記為目標點，所以，當前的三個篩選條件中的ra等于重心點的灰度值、第一個像素點的灰度值以及第二個像素點的灰度值之和，xa等于重心點的橫坐標、第一個像素點的橫坐標以及第二個像素點的橫坐標之和，ya等于重心點的縱坐標、第一個像素點的縱坐標以及第二個像素點的縱坐標之和。

也即是，該區(qū)域確定裝置可以依次對第一眼睛圖像中除重心點之外的每個像素點進行檢測，且在每次檢測到一個目標點時，對當前的三個篩選條件中的參數進行更新。進一步的，區(qū)域確定裝置在對第一眼睛圖像中除重心點之外的所有像素點均檢測完畢后，可以重新再次對已經確定為目標點的所有目標點再次進行重復驗證，也即對每個目標點再次進行驗證。

示例的，在區(qū)域確定裝置在對第一眼睛圖像中除重心點之外的所有像素點均檢測完畢后，當前的三個篩選條件中的ra等于重心點的灰度值與第一眼睛圖像中所有目標點的灰度值之和，xa等于重心點的橫坐標與所有目標點的橫坐標之和，ya等于重心點的縱坐標與所有目標點的縱坐標之和。然后，區(qū)域確定裝置可以再次根據當前的三個篩選條件對第一個目標點進行驗證，若該第一個目標點滿足當前的三個篩選條件，則根據當前的三個篩選條件再次對第二個目標點進行驗證；若該第一個目標點不同時滿足當前的三個篩選條件，則可以確定該第一個目標點并不是目標點，并將該第一個目標點從已經確定出的所有目標點中剔除，且由于當前確定出的所有目標點發(fā)生了改變，所以可以根據當前的所有目標點(剔除第一個目標點之后的所有目標點)的灰度和坐標，以及重心點的灰度和坐標，再次更新當前的三個篩選條件，之后再根據更新后的當前的三個篩選條件對第二個目標點進行驗證。

示例的，區(qū)域確定裝置在檢測第一眼睛圖像中目標點的過程中，若檢測時長達到預設時長，則可以停止對第一眼睛圖像的檢測；或者，區(qū)域確定裝置在檢測第一眼睛圖像中目標點的過程中，若檢測到的目標點的個數(n)在預設時間段內均未發(fā)生改變，則可以停止對第一眼睛圖像的檢測；或者，區(qū)域確定裝置在檢測第一眼睛圖像中目標點的過程中，若被檢測過的像素點的數量達到預設數量閾值，則可以停止對第一眼睛圖像的檢測。

步驟307、將每個眼睛圖像中所有目標點和重心點所在的區(qū)域確定為瞳孔和虹膜所在的目標區(qū)域。

在檢測到第一眼睛圖像中的目標點，并確定第一眼睛圖像的重心點后，區(qū)域確定裝置可以將檢測到的所有目標點和重心點所在的區(qū)域為：第一眼睛圖像中瞳孔和虹膜所在的目標區(qū)域。

步驟308、對每個眼睛圖像依次進行圖像膨脹處理和圖像腐蝕處理，去除眼睛圖像的目標區(qū)域中的空洞。

進一步的，在確定第一眼睛圖像的目標區(qū)域后，區(qū)域確定裝置還可以首先對第一眼睛圖像進行圖像膨脹處理，然后在對圖像膨脹處理后的第一眼睛圖像進行圖像腐蝕處理，以去除第一眼睛圖像的目標區(qū)域中的空洞。

步驟309、對去除空洞之后的每個眼睛圖像，依次進行圖像腐蝕處理和圖像膨脹處理，去除眼睛圖像的目標區(qū)域中的觸角狀突出。

在去除目標區(qū)域中的空洞后，區(qū)域確定裝置還可以再次對第一眼睛圖像進行圖像腐蝕處理，然后在對第一眼睛圖像進行圖像腐蝕處理后的第一眼睛圖像進行圖像膨脹處理，以去除第一眼睛圖像的目標區(qū)域中的觸角狀突出。

相關技術中，為了準確的確定瞳孔和虹膜所在的目標區(qū)域，可以采用專業(yè)的紅外相機獲取紅外臉部圖像，并對該紅外臉部圖像進行處理，確定該紅外臉部圖像中的目標區(qū)域，但是紅外相機的造價較高。另外，相關技術中，為了準確的確定瞳孔和虹膜所在的目標區(qū)域，還可以通過機器學習算法對大量的臉部圖像進行訓練，得到適用于確定目標區(qū)域的機器學習算法，并使用該適用于確定目標區(qū)域的機器學習算法對臉部圖像進行分析，進而確定瞳孔和虹膜所在的目標區(qū)域。但是，由于機器學習算法的計算量較大，采用機器學習算法確定出臉部圖像中的目標區(qū)域所需的時間較長。

本發(fā)明實施例中提供的區(qū)域確定方法中，無需使用到造價較高的紅外相機，且在對圖像進行處理的過程中，無需采用機器學習算法，因此，確定出臉部圖像中的目標區(qū)域所需的時間較短，確定出目標區(qū)域的速度較快。

綜上所述，由于本發(fā)明實施例提供的區(qū)域確定方法中，在確定眼睛圖像的重心點后，還根據屬于瞳孔和虹膜的點的灰度值特征，在眼睛圖像中找到目標點，并根據目標點和重心點確定目標區(qū)域。也即是，本發(fā)明實施例中對眼睛圖像中的每個點均進行了驗證，保證劃入目標區(qū)域的每個點均滿足屬于瞳孔和虹膜的點的灰度值特征，有效的防止了將不滿足屬于瞳孔和虹膜的點的灰度值特征的非目標點劃入目標區(qū)域，所以，提高了確定出的目標區(qū)域的準確度。

需要說明的是，本發(fā)明實施例提供的區(qū)域確定方法步驟的先后順序可以進行適當調整，步驟也可以根據情況進行相應增減，任何熟悉本技術領域的技術人員在本發(fā)明揭露的技術范圍內，可輕易想到變化的方法，都應涵蓋在本發(fā)明的保護范圍之內，因此不再贅述。

圖4為本發(fā)明實施例提供的一種區(qū)域確定裝置的結構示意圖，如圖4所示，該區(qū)域確定裝置50可以包括：

第一獲取模塊401，用于獲取臉部圖像；

提取模塊402，用于從臉部圖像中提取至少一個眼睛圖像；

第一確定模塊403，用于確定第一眼睛圖像的重心點，第一眼睛圖像為至少一個眼睛圖像中的任一眼睛圖像；

檢測模塊404，用于對第一眼睛圖像進行檢測，以確定第一眼睛圖像中的目標點，其中，目標點中每個目標點的灰度值與ra/n的差小于預設灰度值閾值，ra為眼睛圖像中所有目標點與重心點的灰度值之和，n為第一眼睛圖像中所有目標點與重心點的個數之和；

第二確定模塊405，用于將第一眼睛圖像中所有目標點和重心點所在的區(qū)域確定為：第一眼睛圖像中的瞳孔和虹膜所在的目標區(qū)域。

綜上所述，由于本發(fā)明實施例提供的區(qū)域確定裝置中，第一確定模塊在確定眼睛圖像的重心點后，檢測模塊還根據屬于瞳孔和虹膜的點的灰度值特征，在眼睛圖像中檢測目標點，第二確定模塊根據目標點和重心點確定目標區(qū)域。也即是，本發(fā)明實施例中對眼睛圖像中的每個點均進行了驗證，保證劃入目標區(qū)域的每個點均滿足屬于瞳孔和虹膜的點的灰度值特征，有效的防止了將不滿足屬于瞳孔和虹膜的點的灰度值特征的非目標點劃入目標區(qū)域，所以，提高了確定出的目標區(qū)域的準確度。

可選的，第一眼睛圖像中，與每個目標點相鄰的像素點中存在重心點或至少一個目標點。

可選的，圖5為本發(fā)明實施例提供的另一種區(qū)域確定裝置的結構示意圖，如圖5所示，在圖4的基礎上，該區(qū)域確定裝置50還可以包括：

第一處理模塊406，用于采用五官定位法對臉部圖像進行處理，以確定目標區(qū)域的最大半徑；

每個目標點與像素點(xa/n，ya/n)的距離小于或等于最大半徑，xa為第一眼睛圖像中所有目標點與重心點的橫坐標之和，ya為第一眼睛圖像中所有目標點與重心點的縱坐標之和。

可選的，第一眼睛圖像為：臉部圖像中屬于眼睛的像素點的紅色通道所組成的圖像。

可選的，圖6為本發(fā)明實施例提供的一種第一確定模塊的結構示意圖，如圖6所示，該第一確定模塊403可以包括：

第一確定單元4031，用于確定第一眼睛圖像的多個第一累加灰度值和多個第二累加灰度值，其中，第一累加灰度值為：第一眼睛圖像中位于同一行的所有像素點的灰度值之和，第二累加灰度值為：第一眼睛圖像中位于同一列的所有像素點的灰度值之和；

第二確定單元4032，用于根據第一眼睛圖像的多個第一累加灰度值和多個第二累加灰度值，確定第一眼睛圖像中顏色最深的像素點；

第三確定單元4033，用于根據第一眼睛圖像中顏色最深的像素點，確定第一眼睛圖像的重心點。

可選的，該提取模塊402還可以用于：從臉部圖像中提取兩個眼睛圖像；

第三確定單元4033還可以用于：

獲取第一參考點的坐標，第一參考點為兩個眼睛圖像中除第一眼睛圖像外的另一個眼睛圖像中的顏色最深的像素點；

根據至少一個參考坐標對第一眼睛圖像中顏色最深的像素點進行校正，確定第一眼睛圖像的重心點，至少一個參考坐標包括第一參考點的坐標。

可選的，臉部圖像為多幀連續(xù)的臉部圖像中的第m幀臉部圖像，m為大于1的整數，圖7為本發(fā)明實施例提供的又一種區(qū)域確定裝置的結構示意圖，如圖7所示，在圖5的基礎上，該區(qū)域確定裝置還可以包括：

第二獲取模塊407，用于獲取第二參考點的坐標，第二參考點的橫坐標等于：參考眼睛圖像的目標區(qū)域內所有點的橫坐標的平均值，第二參考點的縱坐標等于：參考眼睛圖像的目標區(qū)域內所有點的縱坐標的平均值，參考眼睛圖像為：從多幀連續(xù)的臉部圖像中的第m-1幀臉部圖像中提取得到的圖像，且參考眼睛圖像與第一眼睛圖像均屬于同一只眼睛的圖像，至少一個參考坐標還包括第二參考點的坐標。

可選的，本發(fā)明實施例提供的區(qū)域確定裝置還可以包括：

第一停止模塊(圖4-圖7均未示出)，用于在檢測第一眼睛圖像中目標點的過程中，若檢測時長達到預設時長，則停止對第一眼睛圖像的檢測；

或者，第二停止模塊(圖4-圖7均未示出)，用于在檢測第一眼睛圖像中目標點的過程中，若n在預設時間段內未發(fā)生改變，則停止對第一眼睛圖像的檢測；

或者，第三停止模塊(圖4-圖7均未示出)，用于在檢測第一眼睛圖像中目標點的過程中，若被檢測過的像素點的數量達到預設數量閾值，則停止對第一眼睛圖像的檢測。

可選的，圖8為本發(fā)明實施例提供的再一種區(qū)域確定裝置的結構示意圖，如圖8所示，在圖4的基礎上，該區(qū)域確定裝置還可以包括：

第二處理模塊408，用于對第一眼睛圖像依次進行圖像腐蝕處理和圖像膨脹處理，消除第一眼睛圖像中的圖像噪聲；

第一確定模塊403還可以用于：確定消除圖像噪聲后的第一眼睛圖像的重心點；

第三處理模塊409，用于對第一眼睛圖像依次進行圖像膨脹處理和圖像腐蝕處理，去除第一眼睛圖像的目標區(qū)域中的空洞；

第四處理模塊410，用于對去除空洞之后的第一眼睛圖像依次進行圖像腐蝕處理和圖像膨脹處理，去除第一眼睛圖像的目標區(qū)域中的觸角狀突出。

綜上所述，由于本發(fā)明實施例提供的區(qū)域確定裝置中，第一確定模塊在確定眼睛圖像的重心點后，檢測模塊還根據屬于瞳孔和虹膜的點的灰度值特征，在眼睛圖像中檢測目標點，第二確定模塊根據目標點和重心點確定目標區(qū)域。也即是，本發(fā)明實施例中對眼睛圖像中的每個點均進行了驗證，保證劃入目標區(qū)域的每個點均滿足屬于瞳孔和虹膜的點的灰度值特征，有效的防止了將不滿足屬于瞳孔和虹膜的點的灰度值特征的非目標點劃入目標區(qū)域，所以，提高了確定出的目標區(qū)域的準確度。

圖9為本發(fā)明另一實施例提供的一種區(qū)域確定裝置500的結構示意圖。例如，裝置500可以是的移動電話，數字廣播終端，消息收發(fā)設備，游戲控制臺，平板設備，醫(yī)療設備，健身設備，個人數字助理等。

參照圖9，裝置500可以包括以下一個或多個組件：處理組件5002，存儲器5004，電源組件5006，多媒體組件5008，音頻組件5010，輸入/輸出(i/o)的接口5012，傳感器組件5014，以及通信組件5016。

處理組件5002通常控制裝置500的整體操作，諸如與顯示，電話呼叫，數據通信，相機操作和記錄操作相關聯(lián)的操作。處理組件5002可以包括一個或多個處理器5020來執(zhí)行指令，以完成上述的方法的全部或部分步驟。此外，處理組件5002可以包括一個或多個模塊，便于處理組件5002和其他組件之間的交互。例如，處理組件5002可以包括多媒體模塊，以方便多媒體組件5008和處理組件5002之間的交互。

存儲器5004被配置為存儲各種類型的數據以支持在裝置500的操作。這些數據的示例包括用于在裝置500上操作的任何應用程序或方法的指令，聯(lián)系人數據，電話簿數據，消息，圖片，視頻等。存儲器5004可以由任何類型的易失性或非易失性存儲設備或者它們的組合實現(xiàn)，如靜態(tài)隨機存取存儲器(sram)，電可擦除可編程只讀存儲器(eeprom)，可擦除可編程只讀存儲器(eprom)，可編程只讀存儲器(prom)，只讀存儲器(rom)，磁存儲器，快閃存儲器，磁盤或光盤。

電源組件5006為裝置500的各種組件提供電力。電源組件5006可以包括電源管理系統(tǒng)，一個或多個電源，及其他與為裝置500生成、管理和分配電力相關聯(lián)的組件。

多媒體組件5008包括在所述裝置500和用戶之間的提供一個輸出接口的屏幕。在一些實施例中，屏幕可以包括液晶顯示器(lcd)和觸摸面板(tp)。如果屏幕包括觸摸面板，屏幕可以被實現(xiàn)為觸摸屏，以接收來自用戶的輸入信號。觸摸面板包括一個或多個觸摸傳感器以感測觸摸、滑動和觸摸面板上的手勢。所述觸摸傳感器可以不僅感測觸摸或滑動動作的邊界，而且還檢測與所述觸摸或滑動操作相關的持續(xù)時間和壓力。在一些實施例中，多媒體組件5008包括一個前置攝像頭和/或后置攝像頭。當裝置500處于操作模式，如拍攝模式或視頻模式時，前置攝像頭和/或后置攝像頭可以接收外部的多媒體數據。每個前置攝像頭和后置攝像頭可以是一個固定的光學透鏡系統(tǒng)或具有焦距和光學變焦能力。

音頻組件5010被配置為輸出和/或輸入音頻信號。例如，音頻組件5010包括一個麥克風(mic)，當裝置500處于操作模式，如呼叫模式、記錄模式和語音識別模式時，麥克風被配置為接收外部音頻信號。所接收的音頻信號可以被進一步存儲在存儲器5004或經由通信組件5016發(fā)送。在一些實施例中，音頻組件5010還包括一個揚聲器，用于輸出音頻信號，該揚聲器可以被配置為接收外部音頻信號。

i/o接口5012為處理組件5002和外圍接口模塊之間提供接口，上述外圍接口模塊可以是鍵盤，點擊輪，按鈕等。這些按鈕可包括但不限于：主頁按鈕、音量按鈕、啟動按鈕和鎖定按鈕。

傳感器組件5014包括一個或多個傳感器，用于為裝置500提供各個方面的狀態(tài)評估。例如，傳感器組件5014可以檢測到裝置500的打開/關閉狀態(tài)，組件的相對定位，例如所述組件為裝置500的顯示器和小鍵盤，傳感器組件5014還可以檢測裝置500或裝置500一個組件的位置改變，用戶與裝置500接觸的存在或不存在，裝置500方位或加速/減速和裝置500的溫度變化。傳感器組件5014可以包括接近傳感器，被配置用來在沒有任何的物理接觸時檢測附近物體的存在。傳感器組件5014還可以包括光傳感器，如cmos或ccd圖像傳感器，用于在成像應用中使用。在一些實施例中，該傳感器組件5014還可以包括加速度傳感器，陀螺儀傳感器，磁傳感器，壓力傳感器或溫度傳感器。

通信組件5016被配置為便于裝置500和其他設備之間有線或無線方式的通信。裝置500可以接入基于通信標準的無線網絡，如wifi，2g或3g等，或它們的組合。在一個示例性實施例中，通信組件5016經由廣播信道接收來自外部廣播管理系統(tǒng)的廣播信號或廣播相關信息。在一個示例性實施例中，所述通信組件5016還包括近場通信(nfc)模塊，以促進短程通信。例如，在nfc模塊可基于射頻識別(rfid)技術，紅外數據協(xié)會(irda)技術，超寬帶(uwb)技術，藍牙(bt)技術和其他技術來實現(xiàn)。

在示例性實施例中，裝置500可以被一個或多個應用專用集成電路(asic)、數字信號處理器(dsp)、數字信號處理設備(dspd)、可編程邏輯器件(pld)、現(xiàn)場可編程門陣列(fpga)、控制器、微控制器、微處理器或其他電子元件實現(xiàn)，用于執(zhí)行上述方法。

在示例性實施例中，還提供了一種包括指令的非臨時性計算機可讀存儲介質，例如包括指令的存儲器5004，上述指令可由裝置500的處理器5020執(zhí)行以完成上述方法。例如，所述非臨時性計算機可讀存儲介質可以是rom、隨機存取存儲器(ram)、cd-rom、磁帶、軟盤和光數據存儲設備等。

一種非臨時性計算機可讀存儲介質，當所述存儲介質中的指令由裝置500的處理器執(zhí)行時，使得區(qū)域確定裝置500能夠執(zhí)行一種區(qū)域確定方法，該方法包括：

獲取臉部圖像；

從所述臉部圖像中提取至少一個眼睛圖像；

確定第一眼睛圖像的重心點，所述第一眼睛圖像為所述至少一個眼睛圖像中的任一眼睛圖像；

對所述第一眼睛圖像進行檢測，以確定所述第一眼睛圖像中的目標點，其中，所述目標點中每個目標點的灰度值與ra/n的差小于預設灰度值閾值，所述ra為所述眼睛圖像中所有目標點與所述重心點的灰度值之和，所述n為所述第一眼睛圖像中所有目標點與所述重心點的個數之和；

將所述第一眼睛圖像中所有目標點和重心點所在的區(qū)域確定為：所述第一眼睛圖像中的瞳孔和虹膜所在的目標區(qū)域。

可選的，所述第一眼睛圖像中，與所述每個目標點相鄰的像素點中存在所述重心點或至少一個目標點。

可選的，在所述獲取臉部圖像之后，所述方法還包括：采用五官定位法對所述臉部圖像進行處理，以確定所述目標區(qū)域的最大半徑；

所述每個目標點與像素點(xa/n，ya/n)的距離小于或等于所述最大半徑，所述xa為所述第一眼睛圖像中所有目標點與所述重心點的橫坐標之和，所述ya為所述第一眼睛圖像中所有目標點與所述重心點的縱坐標之和。

可選的，所述第一眼睛圖像為：所述臉部圖像中屬于眼睛的像素點的紅色通道所組成的圖像。

可選的，所述確定第一眼睛圖像的重心點，包括：

確定所述第一眼睛圖像的多個第一累加灰度值和多個第二累加灰度值，其中，所述第一累加灰度值為：所述第一眼睛圖像中位于同一行的所有像素點的灰度值之和，所述第二累加灰度值為：所述第一眼睛圖像中位于同一列的所有像素點的灰度值之和；

根據所述第一眼睛圖像的多個第一累加灰度值和多個第二累加灰度值，確定所述第一眼睛圖像中顏色最深的像素點；

根據所述第一眼睛圖像中顏色最深的像素點，確定所述第一眼睛圖像的重心點。

可選的，所述從所述臉部圖像中提取至少一個眼睛圖像，包括：從所述臉部圖像中提取兩個眼睛圖像；

所述根據所述第一眼睛圖像中顏色最深的像素點，確定所述第一眼睛圖像的重心點，包括：

獲取第一參考點的坐標，所述第一參考點為所述兩個眼睛圖像中除所述第一眼睛圖像外的另一個眼睛圖像中的顏色最深的像素點；

根據至少一個參考坐標對所述第一眼睛圖像中顏色最深的像素點進行校正，確定所述第一眼睛圖像的重心點，所述至少一個參考坐標包括所述第一參考點的坐標。

可選的，所述臉部圖像為多幀連續(xù)的臉部圖像中的第m幀臉部圖像，所述m為大于1的整數，在所述獲取臉部圖像之前，所述方法還包括：

獲取第二參考點的坐標，所述第二參考點的橫坐標等于：參考眼睛圖像的目標區(qū)域內所有點的橫坐標的平均值，所述第二參考點的縱坐標等于：所述參考眼睛圖像的目標區(qū)域內所有點的縱坐標的平均值，所述參考眼睛圖像為：從所述多幀連續(xù)的臉部圖像中的第m-1幀臉部圖像中提取得到的圖像，且所述參考眼睛圖像與所述第一眼睛圖像均屬于同一只眼睛的圖像，所述至少一個參考坐標還包括所述第二參考點的坐標。

可選的，所述方法還包括：

在檢測所述第一眼睛圖像中目標點的過程中，若檢測時長達到預設時長，則停止對所述第一眼睛圖像的檢測；

或者，在檢測所述第一眼睛圖像中目標點的過程中，若所述n在預設時間段內未發(fā)生改變，則停止對所述第一眼睛圖像的檢測；

或者，在檢測所述第一眼睛圖像中目標點的過程中，若被檢測過的像素點的數量達到預設數量閾值，則停止對所述第一眼睛圖像的檢測。

可選的，在所述從所述臉部圖像中提取至少一個眼睛圖像之后，所述方法還包括：對所述第一眼睛圖像依次進行圖像腐蝕處理和圖像膨脹處理，消除所述第一眼睛圖像中的圖像噪聲；

所述確定第一眼睛圖像的重心點，包括：確定消除圖像噪聲后的所述第一眼睛圖像的重心點；

在所述將所述第一眼睛圖像中所有目標點和重心點所在的區(qū)域確定為：所述第一眼睛圖像中的瞳孔和虹膜所在的目標區(qū)域之后，所述方法還包括：

對所述第一眼睛圖像依次進行圖像膨脹處理和圖像腐蝕處理，去除所述第一眼睛圖像的目標區(qū)域中的空洞；

對去除所述空洞之后的所述第一眼睛圖像依次進行圖像腐蝕處理和圖像膨脹處理，去除所述第一眼睛圖像的目標區(qū)域中的觸角狀突出。

綜上所述，由于本發(fā)明實施例提供的區(qū)域確定裝置中，在確定眼睛圖像的重心點后，還根據屬于瞳孔和虹膜的點的灰度值特征，在眼睛圖像中找到目標點，并根據目標點和重心點確定目標區(qū)域。也即是，本發(fā)明實施例中對眼睛圖像中的每個點均進行了驗證，保證劃入目標區(qū)域的每個點均滿足屬于瞳孔和虹膜的點的灰度值特征，有效的防止了將不滿足屬于瞳孔和虹膜的點的灰度值特征的非目標點劃入目標區(qū)域，所以，提高了確定出的目標區(qū)域的準確度。

上述所示的實施例，均能夠全部或部分地通過軟件、硬件、固件或者其任意組合來實現(xiàn)。當使用軟件實現(xiàn)時，能夠全部或部分地以程序產品的形式實現(xiàn)，所述程序產品包括一個或多個指令。在處理組件上加載和執(zhí)行所述指令時，全部或部分地產生按照本公開實施例所述的流程或功能。所述指令能夠存儲在處理組件的可讀存儲介質中，或者從一個可讀存儲介質向另一個可讀存儲介質傳輸。所述可用介質能夠是磁性介質、光介質，或者半導體介質等。

需要說明的是，本發(fā)明實施例提供的方法實施例能夠與相應的裝置實施例相互參考，本發(fā)明實施例對此不做限定。本發(fā)明實施例提供的方法實施例步驟的先后順序能夠進行適當調整，步驟也能夠根據情況進行相應增減，任何熟悉本技術領域的技術人員在本發(fā)明揭露的技術范圍內，可輕易想到變化的方法，都應涵蓋在本發(fā)明的保護范圍之內，因此不再贅述。

上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。

以上所述僅為本申請的可選實施例，并不用以限制本申請，凡在本申請的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本申請的保護范圍之內。