Pènget: kaca iki minangka terjemahan (mesin) otomatis, yen ana keraguan, waca dokumen asli Inggris. Nyuwun pangapunten amarga kesulitan sing nyebabake iki.

Bukak Warta

Mbukak Warta Review

Katrangan Detail:

Opengazer minangka aplikasi sumber terbuka sing nggunakake webcam biasa kanggo ngira arah saka pandeleng sampeyan. Informasi iki banjur bisa dikirim menyang aplikasi liyane. Contone, digunakake bareng karo Dasher, opengazer ngidini sampeyan nulis nganggo mripat. Opengazer target dadi alternatif piranti lunak murah kanggo pelacak mripat basis hardware.

Versi pertama Opengazer dikembangake dening PiotrZieliński, didhukung dening Samsung lan Gatsby Charitable Foundation. Rincian liyane babagan versi iki bisa ditemokake.

Penelitian kanggo Opengazer wis diuripake maneh dening Emli-Mari Nel, lan saiki didhukung dening Komisi Eropa ing konteks proyek AEGIS lan Gatsby Charitable Foundation.

Open Gazer

Opengazer versi sadurunge banget sensitif marang variasi gerakan sirah. Kanggo mbenerake masalah iki saiki kita fokus ing algoritma pelacak sirah kanggo mbenerake variasi pose sirah sadurunge nyuda posisi sing dideleng. Kabeh piranti lunak ditulis ing C ++ lan Python. Video conto salah sawijining algoritma pelacak kepala kita bisa didownload [ing kene]. Ing Windows, video bisa dideleng karo pamuter VLC. Ing Linux paling apik dituduhake nggunakake Mplayer Movie Player.

Versi pisanan algoritma pelacak kepala kita minangka dhasar, adhedhasar detektor wajah Viola-Jones, sing nemokake pasuryan paling gedhe ing stream video (dijupuk saka file / kamera) kanthi cepet, kanthi bingkai- pigura dhasar. Koordinat xy saka nelusuri bisa digunakake kanggo ngetik nggunakake Dasher. Iki bisa ditindakake ing mode 1D (mis., Saka mung nglacak koordinat y), utawa ing mode 2D. Sanajan asil sing luwih apik bakal bisa dingerteni sawise diluncurake piranti lunak sirah, piranti lunak iki wis migunani kanggo lokalisasi kanthi cepet. Algoritma kita ngetrapake saringan autoregrésif sing sithik kanggo koordinat xy lan skala asil deteksi saka detektor wajah Viola-Jones, lan uga mbatesi wilayah sing ditarik saka pigura kanggo pigura. Paramèter deteksi wis ditemtokake miturut aplikasi spesifik kita (i.e., pangguna tunggal sing digunakake ing PC Desktop / komputer). Algoritma paling apik ing gambar 320x240, kanthi tingkat pigura 30 fps, lan kahanan lampu sing cukup.

Open Gazer

Subprojek saka Opengazer nglibatake deteksi gerak rai kanthi otomatis kanggo nggawe program adhedhasar switch. Program iki nduweni tahap belajar sing cekak (ing sangisore 30 detik) kanggo saben sadurunge nyeret, sawise sadurunge nyeret kanthi otomatis. Akeh pasien (umpamane, pasien sing duwe penyakit cerebral) duwe gerakan sirah sing ora upaya sing bisa ngenalake positip sajrone deteksi. Pramila kita uga nglatih model latar mburi kanggo ngatasi gerakan sing ora mesthi. Kabeh piranti lunak ditulis ing C ++ lan Python lan bakal didownload kanthi cepet. Video conto algoritma switch sadurunge nyeret kita bisa diunduh [ing kene]. Ing Windows, video bisa dideleng karo pamuter VLC. Ing Linux paling apik dituduhake nggunakake Mplayer Movie Player. Elinga yen video iki duwe swara. Telung sadurunge nyeret wis dilatih ngasilake telung acara saklar: senyuman kiwa, eseman tengen, lan gerakan alis munggah kabeh cocog karo acara. Model latar mburi, ing kasus iki, ndeteksi kedip-kedip, pangowahan dadakan, lan gerakan sirah sing gedhe. Rilis resmi pisanan bakal ing akhir Juni 2012.

Versi pertama Opengazer duwe alur kerja ing ngisor iki:

Pilihan titik fitur:
Sajrone wiwitan pangguna, diajab bisa milih titik fitur ing pasuryan nggunakake mouse. Titik kasebut dilacak ing langkah-langkah sabanjure ing algoritma kasebut. Loro titik pisanan cocog karo sudhut mata, sing uga digunakake ing langkah-langkah sabanjure kanggo njupuk gambar mripat. Pangguna kudu njaga sirah nalika isih ana sajrone prosedur kasebut. Ing wektu iki pangguna luwih becik nyimpen kabeh poin fitur sing dipilih.

Kalibrasi sistem:
Sajrone langkah iki, sawetara titik abang ditampilake ing macem-macem posisi ing layar. Gambar saka mata dijupuk nalika ditampilake saben titik. Gambar mripat lan posisi titik sing cocog digunakake kanggo nglatih Proses Gaussian sing nggambarake pemetaan gambar ing mripat lan posisi ing layar. Elinga yen owah-owahan ing pose sirah asring mbutuhake recalibrated.

Nelusuri:

Sawise kabeh titik kalibrasi diproses Proses Gauss ngasilake distribusi prediksi, saengga titik fokus mata ing monitor tampilan bisa diprakirake diwenehi gambar mripat anyar. Yen pangguna mbukak poin fitur sing dipilih, detektor wajah Viola Jones digunakake sapisan kanggo nemtokake wilayah telusuran ing endi fitur-fitur fitur. Sabanjure, aliran optik digunakake kanggo nglacak saben titik fitur. Gambar mripat dijupuk (nggunakake rong pojok pojok terpilih pisanan minangka referensi), lan pandangane diprediksi nggunakake gambar mata sing dijupuk lan Proses Gaussian sing terlatih.