경고 :이 페이지는 자동 (기계) 번역입니다. 의심이가는 경우 영어 원본 문서를 참조하십시오. 불편을 드려 죄송합니다.
TrackEye
TrackEye 검토
- 기술 이름 : TrackEye
- 링크: http://www.codeproject.com/Articles/26897/TrackEye-Real-Time-Tracking-Of-Human-Eyes-Using-a
- 가격: 비어 있는
- 인기: "2008 년 6 월의 최고 C ++ / MFC 기사"경쟁에서 rize 우승자.
- 최소 물리적 요구 사항 : 환자는 눈을 자유롭게 움직일 수 있어야합니다.
상세 설명:
눈은 사람의 얼굴에서 가장 중요한 특징입니다. 따라서 사용자 대 컴퓨터 인터페이스의 통신 기술로 눈 움직임을 효과적으로 사용하면 다양한 응용 분야에서 찾을 수 있습니다.
눈 추적 및 눈 특징에 의해 제공된 정보는 인간-컴퓨터 상호 작용 (HCI) 시스템에서 컴퓨터와 통신하는 흥미로운 방법이 될 가능성이있다. 이러한 동기 부여를 통해 실시간 시선 특징 추적 소프트웨어를 설계하는 것이이 프로젝트의 목표입니다.
이 프로젝트의 목적은 다음과 같은 기능을 갖춘 실시간 눈 특징 추적기를 구현하는 것입니다.
- 스케일 및 회전 불변성을 이용한 실시간 얼굴 추적
- 눈 영역을 개별적으로 추적
- 눈 기능 추적
- 시선 방향 찾기
- 눈 움직임을 이용한 원격 제어
TrackEye 실행 및 재 구축 지침
TrackEye_Executable.zip 파일을 추출하십시오. TrackEye_636.exe를 실행하기 전에 SampleHUE.jpg 및 SampleEye.jpg 두 파일을 C : \ 폴더로 복사하십시오. 이 두 파일은 CAMSHIFT 및 템플릿 일치 알고리즘에 사용됩니다.
소프트웨어를 실행하기 위해 사용자가 따라야 할 다른 단계는 없습니다. 소프트웨어가 정적으로 포함 된 DLL로 빌드되었으므로 DLL 종속성이 없습니다.
좋은 추적을 수행하기 위해 수행 할 설정
얼굴 및 눈 감지 설정
Under TrackEye Menu --> 트래커 설정.
- 입력 소스 : 비디오
- 파일 선택을 클릭하고 .. \ Avis \ Sample.avi를 선택하십시오.
- 얼굴 인식 알고리즘 : 얼굴 인식 알고리즘
- “눈도 추적”체크 박스 체크
- 눈 감지 알고리즘 : 적응 형 PCA
- “Variance Check”의 체크를 해제하십시오
- 데이터베이스 이미지 수 : 8
- 고유 눈의 수 : 5
- 안구에서 최대 허용 거리 : 1200
- 얼굴 너비 / 눈 템플릿 너비 비율 : 0.3
- PCA 중 사용할 ColorSpace 유형 : CV_RGB2GRAY
- 동공 감지 설정
"눈을 자세히 추적"을 확인한 다음 "눈동자도 감지"를 확인하십시오. “Adjust Parameters”버튼을 클릭하십시오 :
- “임계 값”으로“120”을 입력하십시오
- "설정 저장"을 클릭 한 다음 "닫기"를 클릭하십시오.
- 뱀 설정
“활성 뱀을 사용하여 눈 경계 표시”를 확인하십시오. “뱀 설정”버튼을 클릭하십시오 :
- 사용할 ColorSpace를 선택하십시오 : CV_RGB2GRAY
- 단순 임계 값을 선택하고 "임계 값"으로 100을 입력하십시오.
- "설정 저장"을 클릭 한 다음 "닫기"를 클릭하십시오.
- 배경
- 지금까지 눈 감지에 대한 많은 작업이 있었고 프로젝트 이전에 구현 된 방법을 결정하기 위해 이전 방법을 신중하게 연구했습니다. 눈과 관련된 연구는 다음과 같이 두 가지 주요 범주로 분류 할 수 있습니다.
특수 장비 기반 접근법
이러한 유형의 연구는 궤도에서 눈의 위치에 비례하는 일종의 신호를 제공하는 필요한 장비를 사용합니다. 현재 사용되는 다양한 방법은 Electrooculography, Infra-Red Oculography, Scleral search coils입니다. 이 방법들은 우리 프로젝트에서 완전히 벗어났습니다.
이미지 기반 접근법
이미지 기반 접근 방식은 이미지에서 눈을 감지합니다. 이미지 기반 방법의 대부분은 눈의 특징을 사용하여 눈을 감지하려고 시도합니다. 지금까지 사용 된 방법은 지식 기반 방법, 기능 기반 방법 (색상, 그라디언트), 간단한 템플릿 일치, 모양 방법입니다. 또 다른 흥미로운 방법은 기하학적 모델의 에너지를 최소화하여 눈 이미지에서 기하학적 눈 템플릿을 일치시키는 것을 기반으로하는 "변형 가능한 템플릿 매칭"입니다.
TrackEye의 구현
구현 된 프로젝트는 세 가지 구성 요소에 있습니다.
- 얼굴 감지 : 스케일 불변 얼굴 감지를 수행합니다.
- 눈 감지 :이 단계의 결과로 두 눈이 감지됩니다.
- 눈 특징 추출 :이 단계의 끝에서 눈 특징이 추출됩니다.
- 얼굴 인식
두 가지 다른 방법이 프로젝트에서 구현되었습니다. 그들은:
- 지속적으로 적응하는 수단-시프트 알고리즘
- 얼굴 인식 방법
- 지속적으로 적응하는 평균 편이 알고리즘
- 적응 형 평균 이동 알고리즘은 사람의 얼굴을 추적하는 데 사용되며 밀도 변화를 등반하여 평균 이동 알고리즘이라는 확률 분포의 모드 (피크)를 찾기위한 강력한 비모수 적 기법을 기반으로합니다. 비디오 시퀀스에서 얼굴을 추적 할 때 색상 변화 분포를 동적으로 변경하는 문제를 처리하기 위해 평균 이동 알고리즘이 수정됩니다. 알고리즘의 블록 다이어그램은 다음과 같습니다.
얼굴 인식 방법
두 번째 얼굴 탐지 알고리즘은 Haar-Like 기능을 사용하는 분류기 (즉, Haar와 유사한 기능을 사용하는 일련의 부스트 분류기)를 기반으로합니다. 우선 얼굴의 수백 가지 샘플 뷰로 훈련됩니다. 분류 기가 훈련 된 후, 입력 이미지에서 관심 영역에 적용될 수있다. 영역이면을 표시 할 가능성이 있으면 분류기는 "1"을 출력하고 그렇지 않으면 "0"을 출력합니다. 전체 이미지에서 객체를 검색하기 위해 이미지를 가로 질러 검색 창을 이동하고 분류자를 사용하여 모든 위치를 확인할 수 있습니다. 분류기는 이미지의 크기를 조정하는 것보다 다른 크기로 관심있는 대상을 다른 크기로 찾을 수 있도록 쉽게 "크기 조정"할 수 있도록 설계되었습니다.