Python 如何修改此代码以改进它'；s检测眼睛注视/瞳孔的稳定性？。在光线很暗的情况下，此代码的性能非常差

我正在使用hough圆变换来检测瞳孔。如果有任何阴影或微弱的光线，它会发现眼睛周围有不寻常的圆圈。我试过几种过滤器，但效果不太好

我尝试过高斯模糊、中值模糊和模糊来减少噪声，但没有得到太多的效果

import numpy as np
import cv2
cap = cv2.VideoCapture(1)

count=0

while True:
    # Capture frame-by-frame
    _, frame = cap.read()
    roi = frame[0: 480, 0: 840]
    cv2.imshow("roi",roi)
    cimg = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
    lower_black = np.array([0, 0, 0])
    upper_black = np.array([180, 255, 50])
    mask = cv2.inRange(cimg, lower_black, upper_black)
    mask = cv2.blur(mask,(9,9),0)
    # mask = cv2.medianBlur(mask,)



#circles = cv2.HoughCircles(cimg,cv2.HOUGH_GRADIENT,1,300,param1=300,param2=20,minRadius=10,maxRadius=40)
# circles = cv2.HoughCircles(grey,cv2.HOUGH_GRADIENT,minDist=30,minRadius=0,maxRadius=0)
#circles = cv2.HoughCircles(cimg,cv2.HOUGH_GRADIENT,100,200)
circles = cv2.HoughCircles(mask,cv2.HOUGH_GRADIENT,1,300,param1=300,param2=20,minRadius=10,maxRadius=40) 


if circles is None:
    cv2.imshow("roi",mask)
    print ("Not Found")
    continue     

a =circles.tolist()

lst1=[item[0] for item in a[0]]
lst2=[item[1] for item in a[0]]

i=0
left_x=0
right_x=0

while i < len(lst1):
    if (i==0):
        left_x=lst1[i]
    if (i==1):
        right_x=lst1[i]
    i=i+1

i=0
left_y=0
right_y=0

while i < len(lst2):
    if (i==0):
        left_y=lst2[i]
    if (i==1):
        right_y=lst2[i]
    i=i+1

print("whole List")
print(a)
print("Left_X",left_x)
print("Right_X",right_x)
print("Left_y",left_y)
print("Right_y",right_y)




for i in circles[0,:]:
    cv2.circle(mask,(i[0],i[1]),i[2],(0,255,0),2)
# draw the center of the circle
    cv2.circle(mask,(i[0],i[1]),2,(0,0,255),3)


# Display the resulting frame
cv2.imshow('hsv',mask)
if cv2.waitKey(1) & 0xFF == ord('q'):
    break

# When everything done, release the capture
cap.release()
cv2.destroyAllWindows()

将numpy导入为np
进口cv2
cap=cv2.视频捕获（1）
计数=0
尽管如此：
#逐帧捕获
_，frame=cap.read（）
roi=帧[0:480,0:840]
cv2.imshow（“roi”，roi）
cimg=cv2.CVT颜色（roi，cv2.COLOR\u BGR2HSV）
下_black=np.array（[0,0,0]）
上_black=np.数组（[180,255,50]）
遮罩=cv2.inRange（cimg，下黑色，上黑色）
蒙版=cv2.模糊（蒙版，（9,9），0）
#掩码=cv2.medianBlur（掩码）
#圆=cv2.霍夫圆（cimg，cv2.霍夫梯度，1300，参数1=300，参数2=20，最小半径=10，最大半径=40）
#圆圈=cv2.霍夫圆圈（灰色，cv2.霍夫梯度，Minist=30，minRadius=0，maxRadius=0）
#圆=cv2.霍夫圆（cimg，cv2.霍夫梯度，100200）
圆=cv2.霍夫圆（遮罩，cv2.霍夫梯度，1300，参数1=300，参数2=20，最小半径=10，最大半径=40）
如果圆为无：
cv2.imshow（“roi”，面具）
打印（“未找到”）
继续
a=圆。tolist（）
lst1=[0]中项目的[0]项]
lst2=[0]中项目的[1]项]
i=0
左x=0
右x=0
而i

---

我想检测学生。圆需要稳定。

您可以使用其他算法吗？例如跟踪和检测方法。您可以使用当前的算法进行检测。如果未检测到圆，则使用KCF跟踪直到下一次hough成功。nit：看起来您仅在不需要注释时才使用注释。您可以使用其他算法吗？例如跟踪和检测方法。您可以使用当前的算法进行检测。如果未检测到圆，则使用KCF跟踪直到下一次hough成功。nit：看起来您仅在不需要注释时才使用注释。