تحذير: هذه الصفحة هي ترجمة آلية (آلية) ، في حالة وجود أي شكوك ، يرجى الرجوع إلى المستند الأصلي باللغة الإنجليزية. نعتذر عن أي إزعاج قد يسببه هذا الأمر.
TrackEye
TrackEye مراجعة
- اسم التكنولوجيا: TrackEye
- حلقة الوصل: http://www.codeproject.com/Articles/26897/TrackEye-Real-Time-Tracking-Of-Human-Eyes-Using-a
- السعر: مجانا
- شعبية: الفائز في مسابقة "أفضل مقالة لـ C ++ / MFC لشهر يونيو 2008".
- الحد الأدنى من المتطلبات المادية: يجب أن يكون المريض قادرًا على تحريك عينيه بحرية.
وصف مفصل:
العيون هي أهم ملامح الوجه الإنساني. إن الاستخدام الفعال لحركات العين كتقنية اتصال في واجهات المستخدم إلى الكمبيوتر يمكن أن يجد مكانًا في مجالات التطبيق المختلفة.
تتبع العين والمعلومات المقدمة من ميزات العين لديها القدرة على أن تصبح وسيلة مثيرة للاهتمام للتواصل مع الكمبيوتر في نظام التفاعل بين الإنسان والحاسوب (HCI). لذلك مع هذا الدافع ، فإن تصميم برنامج تتبع ميزات العين في الوقت الحقيقي هو الهدف من هذا المشروع.
الغرض من المشروع هو تطبيق متتبع لميزة العين في الوقت الحقيقي مع الإمكانيات التالية:
- الوقت الحقيقي تتبع الوجه مع النطاق والتناوب الثبات
- تتبع مناطق العين بشكل فردي
- تتبع ملامح العين
- اكتشاف العين نظرة الاتجاه
- التحكم عن بعد باستخدام حركات العين
تعليمات لتشغيل وإعادة بناء TrackEye
استخراج ملف TrackEye_Executable.zip. قبل تشغيل TrackEye_636.exe ، انسخ الملفين SampleHUE.jpg و SampleEye.jpg إلى المجلد C: \. يتم استخدام هذين الملفين لخوارزميات CAMSHIFT و Template-Matching.
لا توجد خطوات أخرى يتبعها المستخدم لتشغيل البرنامج. لا توجد تبعيات DLL حيث تم إنشاء البرنامج مع تضمين DLL بشكل ثابت.
الإعدادات الواجب القيام بها لتتبع جيد
إعدادات للكشف عن الوجه والعين
Under TrackEye Menu --> إعدادات تعقب.
- مصدر الإدخال: الفيديو
- انقر فوق تحديد ملف وحدد .. \ Avis \ Sample.avi
- خوارزمية اكتشاف الوجه: خوارزمية اكتشاف الوجه Haar
- تحقق "تتبع أيضا العيون" checkBox
- خوارزمية الكشف عن العين: PCA التكيفي
- قم بإلغاء تحديد "التحقق من التباين"
- عدد صور قاعدة البيانات: 8
- عدد EigenEyes: 5
- الحد الأقصى المسموح به المسافة من eyespace: 1200
- عرض الوجه / نسبة عرض قالب العين: 0.3
- نوع ColorSpace لاستخدامه أثناء PCA: CV_RGB2GRAY
- إعدادات الكشف عن تلميذ
تحقق من "تتبع العيون بالتفاصيل" ثم تحقق من "كشف تلاميذ العين أيضًا". انقر على زر "ضبط المعلمات":
- أدخل "120" كـ "قيمة العتبة"
- انقر فوق "حفظ الإعدادات" ثم انقر فوق "إغلاق"
- إعدادات الأفعى
تحقق "تشير إلى حدود العين باستخدام الثعابين النشطة". انقر على زر "إعدادات الأفعى":
- حدد ColorSpace لاستخدامه: CV_RGB2GRAY
- حدد الحد الأدنى البسيط وأدخل 100 كـ "قيمة العتبة"
- انقر فوق "حفظ الإعدادات" ثم انقر فوق "إغلاق"
- خلفية
- حتى الآن كان هناك الكثير من العمل في الكشف عن العين وقبل المشروع ، تمت دراسة الطرق السابقة بعناية لتحديد الطريقة التي تم تنفيذها. يمكننا تصنيف الدراسات المتعلقة بالعين في فئتين رئيسيتين كما هو موضح أدناه.
النهج القائمة على المعدات الخاصة
يستخدم هذا النوع من الدراسات المعدات اللازمة التي تعطي إشارة من نوع ما تتناسب مع موضع العين في المدار. الطرق المختلفة المستخدمة حاليًا هي Electrooculography، Infra-Red Oculography، Scleral search coils. هذه الطرق هي تماما خارج مشروعنا.
النهج القائمة على الصورة
تقوم الأساليب المعتمدة على الصور على اكتشاف العين على الصور. تحاول معظم الأساليب المعتمدة على الصورة اكتشاف العيون باستخدام ميزات العيون. الأساليب المستخدمة حتى الآن هي الأساليب القائمة على المعرفة ، والأساليب القائمة على الميزات (اللون ، التدرج) ، مطابقة النماذج البسيطة ، طرق المظهر. هناك طريقة أخرى مثيرة للاهتمام تتمثل في "مطابقة تشوه القوالب" التي تستند إلى مطابقة قالب عين هندسي على صورة العين عن طريق تقليل طاقة النموذج الهندسي.
تنفيذ TrackEye
المشروع المنفذ على ثلاثة مكونات:
- كشف الوجه: يؤدي مقياس كشف الوجه الثابت
- اكتشاف العين: تم الكشف عن كلتا العينين نتيجة لهذه الخطوة
- استخراج ميزة العين: يتم استخراج ملامح العيون في نهاية هذه الخطوة
- الكشف عن الوجه
تم تنفيذ طريقتين مختلفتين في المشروع. هم انهم:
- التكيف باستمرار خوارزمية وسائل التحول
- طريقة الكشف عن الوجه لهار
- باستمرار التكيف خوارزمية المتوسط التحول
- تُستخدم خوارزمية Shift Mean Shift لتتبع الوجوه البشرية وتستند إلى تقنية غير بارامترية قوية لتسلق تدرجات الكثافة للعثور على وضع (الذروة) لتوزيعات الاحتمال تسمى خوارزمية الإزاحة المتوسطة. نظرًا لتعقب الوجوه بتسلسل الفيديو ، يتم تعديل خوارزمية الإزاحة المتوسطة للتعامل مع مشكلة تغيير توزيعات احتمال اللون ديناميكيًا. ويرد أدناه مخطط كتلة الخوارزمية:
طريقة اكتشاف هار-الوجه
تعتمد خوارزمية اكتشاف الوجه الثانية على مصنف يعمل بميزات Haar-like (وهي سلسلة من المصنفات المعززة التي تعمل بميزات تشبه Haar). بادئ ذي بدء ، يتم تدريبه مع بضع مئات من المشاهدات على الوجه. بعد تدريب المصنف ، يمكن تطبيقه على منطقة ذات أهمية في صورة إدخال. يخرج المصنف "1" إذا كان من المحتمل أن تظهر المنطقة وجهها و "0" على خلاف ذلك. للبحث عن الكائن في الصورة بأكملها ، يمكن للمرء تحريك نافذة البحث عبر الصورة والتحقق من كل موقع باستخدام المصنف. تم تصميم المصنف بحيث يمكن "تغيير حجمه" بسهولة حتى يتمكن من العثور على الأشياء المثيرة للاهتمام بأحجام مختلفة ، وهو أكثر كفاءة من تغيير حجم الصورة نفسها.