針對紅外眼部視頻中瞳孔直徑檢測精度不夠高的問題，提出了一種將Hough圓變換和輪廓匹配相結合的瞳孔檢測算法（Hough-Contour）。對每幀圖像，首先進行灰度化并濾波去噪；然后提取邊緣并利用修改后的Hough梯度法檢測出初始圓作為瞳孔參數；最后在濾波后的灰度圖上的瞳孔附近用位置和半徑在一定范圍可變的圓形輪廓去匹配瞳孔，從而計算出瞳孔中心坐標和直徑。在Hough變換階段，將Hough梯度法中的對候選圓心按累加值降序排序這一步驟改為尋找最大值，以降低該操作以及后續計算半徑的時耗。通過實驗尋找到圓心累加數組最大值的閾值，使其能自動排除閉眼幀且不會導致漏檢。在輪廓匹配階段，實驗發現如果圓形輪廓的移動范圍和半徑伸縮范圍取值為初始圓半徑的十分之一，點對數取值為40，則可將瞳孔的精確匹配率從OpenCV圓變換檢測算法的約10%提高至99. 8%。對算法的時間性能作了測試，在實驗所用的低端電腦上處理一幀需要60 ms，在高端電腦上可以對紅外瞳孔視頻做到實時檢測。