1.一种基于三维眼球模型和Snakuscul的虹膜中心定位方法，其特征在于，所述方法包括以下步骤：S1.虹膜粗定位

在摄像头下，使用xiong提出的人脸对齐法检测人脸图像，得到脸部特征点，其中特征点包含有二维坐标，使用与眼部相关的12个特征点，包含左右眼的眼角、上眼睑和下眼睑；

根据眼部的特征点，对虹膜半径、眼球半径以及虹膜中心的粗定位点、眼球中心的粗定位点进行定义；

S2.虹膜精确定位，过程如下：

S2.1.对眼睛的状态进行判断；

眼睛在闭合和睁开状态时应该进行分步处理，当眼睛睁开时，继续下列步骤；当眼睛闭合时，直接将粗定位点判定为精确定位点；

S2.2.构建虹膜边界模型；

构建虹膜边界模型的步骤如下：

假设眼球中心是(xec,yec,zec)，虹膜中心是(xic,yic,zic)，考虑两者之间的几何关系，以眼球中心为原点，构建三维坐标系，得到以下规则：xic2+yic2+zic2＝Re2-Ri2  (1)，

又由于虹膜边界上的点一定既在虹膜上也在眼球上，所以它是虹膜平面和眼球平面相交的点，那么虹膜边界的法向量即垂直于虹膜平面也垂直于眼球平面，可以由虹膜中心和眼球中心构成，假设相交点为(xi,yi,zi)，根据点法式得到以下公式：(xic-xec)(xi-xic)+(yic-yec)(yi-yic)+(zic-zec)(zi-zic)＝0    (2)，此外，由于虹膜点在一个椭球体上，受以下公式约束：由于所使用的都是摄像头空间下的信息，因此在摄像空间坐标系下进行操作，将公式(2)代入公式(3)得到与虹膜边界点相关的公式：又因摄像头下所拍摄的图像通常用像素坐标系表示，与摄像头空间下的点坐标不一致，故进行转化：

2.2.1)将摄像头坐标系转化为图像坐标系

假设点m(X,Y,Z)是摄像头空间下的一点，将该点投影到图像坐标下的点为m(X,Y,f)，其中，f是相机焦距，是图像平面与投影中心的距离，根据三角比例关系，得到

2.2.2)将图像坐标系转化为像素坐标系

假设点(x,y)是图像坐标系中的一点，该点在像素坐标系中为(u,v)，(u0,v0)是图像的中心点，每个像素的物理尺寸为dx*dy，得根据2.2.1)、2.2.2)，将摄像头坐标系下的点转化为像素坐标系下的点，由于dx/f≈dy/f，Zic≈Zec，假设Zic·(dx/f)≈Zic·(dy/f)≈Zec·(dx/f)≈Zec·(dy/f)≈1，故公式(1)转化为：(ue-uic)2+(vic-ve)2+(zic-zec)2＝re2-ri2    (5)同理，公式(4)转化为：

其中，ue，ui，vi，ve分别是已知值，zic-zec由公式(5)得到，根据公式(6)求得所有符合模型的虹膜边界点，得到所求的虹膜边界轮廓；

S2.3.根据虹膜边界轮廓计算能量函数的值

对Snkuscule能量模型进行了改进，提出了一种具有固定半径的Snakuscule同心环形轮廓，其中内半径为ri，外半径为αri，用于捕捉眼睛内的虹膜；这种固定半径的活动轮廓能够有效跟踪低分辨率图像中的眼睛图像，并且由于不需要变换半径因此迭代次数相对相低，适合于实时应用；

该能量模型的定位准则是根据虹膜的特性决定的，即在眼睛区域内，虹膜是一个暗色调的圆形，内部像素较低，通过计算以下能量函数，以确保虹膜边界轮廓的迭代更新：其中S2为半径为ri的圆形区域，ri为S2.1.时得到的虹膜半径，理想状态下该圆形区域正好覆盖虹膜区域，S3是由S2放大一定倍数，半径为αri的圆形区域，经过实验可知，当情况α＝1/0.75时效果最好，(x,y)为S上的所有点，p(x,y)代表像素值；

增加了一个S1的圆形区域，该区域同样以S2和S3的圆心为中心缩小一定倍数形成一个半径为 的圆，从而对能量函数进行完善：结合(7)和(8)，得到最终的Snakuscule能量函数：E3＝E1+p*E2  (9)

其中，p为E1和E2的平衡函数；

S2.4.在分别得到能量模型和虹膜边界模型后，开始结合两个模型对虹膜中心位置进行迭代更新；考虑8个方向，在每个方向上都重复用S2.2步骤得到相应的虹膜边界，然后根据2.3步骤得到每个方向上的能量函数值，根据虹膜内的像素最低的特性，故当能量函数值越高时，所求的虹膜边界就越接近实际的虹膜边界，使用迭代的方法重复上述步骤直到两次相邻的更新方向恰好相反就停止迭代，最终Snakuscule模型所在的圆心就是所求的虹膜中心。