Achtung: Diese Seite ist eine automatisierte (maschinelle) Übersetzung. Im Zweifelsfall beziehen Sie sich bitte auf das englische Originaldokument. Wir entschuldigen uns für etwaige Unannehmlichkeiten.
TrackEye
TrackEye Bewertung
- Name der Technologie: TrackEye
- Verknüpfung: http://www.codeproject.com/Articles/26897/TrackEye-Real-Time-Tracking-Of-Human-Eyes-Using-a
- Preis: kostenlos
- Popularität: Preisträger im Wettbewerb "Bester C ++ / MFC-Artikel vom Juni 2008".
- Minimale körperliche Anforderungen: Der Patient muss seine Augen frei bewegen können.
Detaillierte Beschreibung:
Augen sind die wichtigsten Merkmale des menschlichen Gesichts. So kann eine effektive Nutzung von Augenbewegungen als Kommunikationstechnik in Benutzer-zu-Computer-Schnittstellen in verschiedenen Anwendungsbereichen Anwendung finden.
Eye Tracking und die von den Augenmerkmalen bereitgestellten Informationen können zu einer interessanten Art der Kommunikation mit einem Computer in einem Mensch-Computer-Interaktionssystem (HCI) werden. Aus dieser Motivation heraus ist es das Ziel dieses Projekts, eine Software zur Verfolgung von Augenmerkmalen in Echtzeit zu entwickeln.
Ziel des Projekts ist die Implementierung eines Echtzeit-Eye-Feature-Trackers mit folgenden Funktionen:
- Echtzeit-Gesichtsverfolgung mit Skalierungs- und Rotationsinvarianz
- Verfolgung der Augenpartien individuell
- Verfolgung von Augenmerkmalen
- Blickrichtung finden
- Fernbedienung mit Augenbewegungen
Anweisungen zum Ausführen und Neuerstellen von TrackEye
Extrahieren Sie die Datei TrackEye_Executable.zip. Kopieren Sie vor dem Ausführen von TrackEye_636.exe die beiden Dateien SampleHUE.jpg und SampleEye.jpg in den Ordner C: \. Diese beiden Dateien werden für CAMSHIFT- und Template-Matching-Algorithmen verwendet.
Der Benutzer muss keine weiteren Schritte ausführen, um die Software auszuführen. Es gibt keine DLL-Abhängigkeiten, da die Software mit statisch enthaltenen DLLs erstellt wurde.
Einstellungen, die vorgenommen werden müssen, um ein gutes Tracking durchzuführen
Einstellungen für die Gesichts- und Augenerkennung
Under TrackEye Menu --> Tracker-Einstellungen.
- Eingangsquelle: Video
- Klicken Sie auf Datei auswählen und wählen Sie .. \ Avis \ Sample.avi
- Gesichtserkennungsalgorithmus: Haar-Gesichtserkennungsalgorithmus
- Aktivieren Sie das Kontrollkästchen "Track also Eyes"
- Augenerkennungsalgorithmus: Adaptive PCA
- Deaktivieren Sie "Varianzprüfung"
- Anzahl der Datenbankbilder: 8
- Anzahl der Eigenaugen: 5
- Maximal zulässiger Abstand zum Augenraum: 1200
- Verhältnis Gesichtsbreite / Augenschablonenbreite: 0,3
- ColorSpace-Typ für PCA: CV_RGB2GRAY
- Einstellungen für die Schülererkennung
Aktivieren Sie "Augen in Details verfolgen" und dann "Augenpupillen erkennen". Klicken Sie auf die Schaltfläche „Adjust Parameters“ (Parameter anpassen):
- Geben Sie "120" als "Schwellenwert" ein
- Klicken Sie auf "Einstellungen speichern" und dann auf "Schließen".
- Einstellungen für die Schlange
Aktivieren Sie "Augengrenze mit aktiven Schlangen anzeigen". Klicken Sie auf die Schaltfläche "Einstellungen für die Schlange":
- Wählen Sie den zu verwendenden Farbraum aus: CV_RGB2GRAY
- Wählen Sie Einfache Schwellenwertbildung und geben Sie 100 als "Schwellenwert" ein.
- Klicken Sie auf "Einstellungen speichern" und dann auf "Schließen".
- Hintergrund
- Bisher wurde viel an der Augenerkennung gearbeitet, und vor dem Projekt wurden die vorherigen Methoden sorgfältig untersucht, um die implementierte Methode zu bestimmen. Wir können augenbezogene Studien in zwei Hauptkategorien einteilen, wie unten aufgeführt.
Spezielle ausrüstungsbasierte Ansätze
Diese Art von Studien verwenden die notwendige Ausrüstung, die ein Signal erzeugt, das proportional zur Position des Auges in der Umlaufbahn ist. Verschiedene derzeit verwendete Methoden sind die Elektrookulographie, die Infrarotokulographie und die Sklerasuchspulen. Diese Methoden sind komplett aus unserem Projekt.
Bildbasierte Ansätze
Bildbasierte Ansätze führen Augenerkennungen an den Bildern durch. Die meisten bildbasierten Methoden versuchen, die Augen anhand der Augenmerkmale zu erkennen. Bisher verwendete Methoden sind wissensbasierte Methoden, merkmalsbasierte Methoden (Farbe, Verlauf), einfache Vorlagenanpassung und Darstellungsmethoden. Eine weitere interessante Methode ist das „Deformable Template Matching“, bei dem eine geometrische Augenschablone auf ein Augenbild abgestimmt wird, indem die Energie des geometrischen Modells minimiert wird.
Implementierung von TrackEye
Das umgesetzte Projekt besteht aus drei Komponenten:
- Gesichtserkennung: Führt eine skalierungsinvariante Gesichtserkennung durch
- Augenerkennung: Durch diesen Schritt werden beide Augen erkannt
- Extraktion von Augenmerkmalen: Merkmale von Augen werden am Ende dieses Schritts extrahiert
- Gesichtserkennung
Im Projekt wurden zwei verschiedene Methoden implementiert. Sie sind:
- Kontinuierlich adaptiver Means-Shift-Algorithmus
- Haar-Gesichtserkennungsmethode
- Kontinuierlich adaptiver Mean-Shift-Algorithmus
- Der adaptive Mean-Shift-Algorithmus wird zur Verfolgung menschlicher Gesichter verwendet und basiert auf einer robusten nichtparametrischen Technik zum Steigen von Dichtegradienten, um den Modus (Peak) von Wahrscheinlichkeitsverteilungen zu finden, der als Mean-Shift-Algorithmus bezeichnet wird. Da Gesichter in Videosequenzen verfolgt werden, wird der Algorithmus für die mittlere Verschiebung geändert, um das Problem der dynamischen Änderung der Farbwahrscheinlichkeitsverteilungen zu lösen. Das Blockdiagramm des Algorithmus ist unten angegeben:
Haar-Gesichtserkennungsmethode
Der zweite Gesichtserkennungsalgorithmus basiert auf einem Klassifikator, der mit Haar-ähnlichen Merkmalen arbeitet (nämlich einer Kaskade von verstärkten Klassifikatoren, die mit Haar-ähnlichen Merkmalen arbeiten). Zunächst wird es mit einigen Hundert Beispielansichten eines Gesichts trainiert. Nachdem ein Klassifikator trainiert wurde, kann er auf einen interessierenden Bereich in einem Eingabebild angewendet werden. Der Klassifikator gibt eine "1" aus, wenn die Region wahrscheinlich ein Gesicht zeigt, und ansonsten eine "0". Um im gesamten Bild nach dem Objekt zu suchen, können Sie das Suchfenster über das Bild bewegen und mit dem Klassifikator jeden Ort überprüfen. Der Klassifikator ist so konzipiert, dass seine Größe leicht geändert werden kann, um die interessierenden Objekte in verschiedenen Größen zu finden. Dies ist effizienter als die Größe des Bildes selbst zu ändern.