针对红外眼部视频中瞳孔直径检测精度不够高的问题,提出了一种将Hough圆变换和轮廓匹配相结合的瞳孔检测算法(Hough-Contour)。对每帧图像,首先进行灰度化并滤波去噪;然后提取边缘并利用修改后的Hough梯度法检测出初始圆作为瞳孔参数;最后在滤波后的灰度图上的瞳孔附近用位置和半径在一定范围可变的圆形轮廓去匹配瞳孔,从而计算出瞳孔中心坐标和直径。在Hough变换阶段,将Hough梯度法中的对候选圆心按累加值降序排序这一步骤改为寻找最大值,以降低该操作以及后续计算半径的时耗。通过实验寻找到圆心累加数组最大值的阈值,使其能自动排除闭眼帧且不会导致漏检。在轮廓匹配阶段,实验发现如果圆形轮廓的移动范围和半径伸缩范围取值为初始圆半径的十分之一,点对数取值为40,则可将瞳孔的精确匹配率从OpenCV圆变换检测算法的约10%提高至99.8%。对算法的时间性能作了测试,在实验所用的低端电脑上处理一帧需要60 ms,在高端电脑上可以对红外瞳孔视频做到实时检测。