Cảnh báo: trang này là bản dịch tự động (máy), trong trường hợp có bất kỳ nghi ngờ nào, vui lòng tham khảo tài liệu tiếng Anh gốc. Chúng tôi xin lỗi vì sự bất tiện này có thể gây ra.
Theo dõi
Đánh giá theo dõi
- Tên của công nghệ: Theo dõi
- Liên kết: http://www.codeproject.com/Articles/26897/TrackEye-Real-Time-Tracking-Of-Human-Eyes-Using-a
- Giá bán: miễn phí
- Phổ biến: người chiến thắng trong cuộc thi "Bài viết C ++ / MFC hay nhất tháng 6 năm 2008".
- Yêu cầu vật lý tối thiểu: Bệnh nhân phải có thể di chuyển mắt tự do.
Miêu tả cụ thể:
Đôi mắt là đặc điểm quan trọng nhất của khuôn mặt con người. Vì vậy, việc sử dụng hiệu quả các chuyển động của mắt như một kỹ thuật giao tiếp trong giao diện người dùng với máy tính có thể tìm thấy vị trí trong các lĩnh vực ứng dụng khác nhau.
Theo dõi bằng mắt và thông tin được cung cấp bởi các tính năng của mắt có khả năng trở thành một cách giao tiếp thú vị với máy tính trong hệ thống tương tác giữa người và máy tính (HCI). Vì vậy, với động lực này, thiết kế một phần mềm theo dõi tính năng mắt thời gian thực là mục tiêu của dự án này.
Mục đích của dự án là triển khai trình theo dõi tính năng mắt thời gian thực với các khả năng sau:
- Theo dõi khuôn mặt RealTime với quy mô và xoay bất biến
- Theo dõi từng vùng mắt
- Theo dõi đặc điểm mắt
- Hướng mắt tìm kiếm
- Điều khiển từ xa bằng chuyển động mắt
Hướng dẫn chạy và xây dựng lại TrackEye
Trích xuất tệp TrackEye_Executable.zip. Trước khi chạy TrackEye_636.exe, hãy sao chép hai tệp SampleHUE.jpg và SampleEye.jpg vào thư mục C: \. Hai tệp này được sử dụng cho các thuật toán của ExpediaHift và So khớp mẫu.
Không có bước nào khác để người dùng tuân theo để chạy phần mềm. Không có phụ thuộc DLL vì phần mềm được xây dựng với các DLL được bao gồm tĩnh.
Cài đặt được thực hiện để thực hiện theo dõi tốt
Cài đặt để nhận diện khuôn mặt và mắt
Under TrackEye Menu --> Cài đặt theo dõi.
- Nguồn đầu vào: video
- Nhấp vào Chọn tệp và chọn .. \ Avis \ Sample.avi
- Thuật toán nhận diện khuôn mặt: Thuật toán nhận diện khuôn mặt Haar
- Kiểm tra theo dõi cũng mắt Eyes checkBox
- Thuật toán phát hiện mắt: PCA thích ứng
- Bỏ chọn Varice Kiểm tra phương sai
- Số lượng hình ảnh cơ sở dữ liệu: 8
- Số lượng EigenEyes: 5
- Khoảng cách tối đa cho phép từ không gian mắt: 1200
- Tỷ lệ chiều rộng khuôn mặt / mắt mẫu: 0,3
- Loại ColorSpace để sử dụng trong PCA: CV_RGB2GRAY
- Cài đặt để phát hiện học sinh
Kiểm tra mắt Theo dõi chi tiết trong các chi tiết và sau đó kiểm tra xem Detect cũng mắt đồng tử mắt. Nhấp vào điều chỉnh các thông số Nút nút:
- Nhập vào 120 120 là giá trị ngưỡng ngưỡng
- Nhấp vào Cài đặt Lưu Lưu Cài đặt và sau đó nhấp vào Đóng Đóng
- Cài đặt cho Snake
Kiểm tra ranh giới Chỉ ra mắt bằng cách sử dụng rắn hoạt động. Nhấp vào Cài đặt cho nút rắn rắn:
- Chọn ColorSpace để sử dụng: CV_RGB2GRAY
- Chọn ngưỡng đơn giản và nhập 100 làm giá trị ngưỡng Ngưỡng
- Nhấp vào Cài đặt Lưu Lưu Cài đặt và sau đó nhấp vào Đóng Đóng
- Lý lịch
- Cho đến nay đã có rất nhiều công việc về phát hiện mắt và trước dự án, các phương pháp trước đó đã được nghiên cứu cẩn thận để xác định phương pháp thực hiện. Chúng ta có thể phân loại các nghiên cứu liên quan đến mắt thành hai loại chính như được liệt kê dưới đây.
Phương pháp tiếp cận dựa trên thiết bị đặc biệt
Những loại nghiên cứu này sử dụng các thiết bị cần thiết sẽ đưa ra tín hiệu của một loại nào đó tỷ lệ thuận với vị trí của mắt trong quỹ đạo. Các phương pháp khác nhau hiện đang được sử dụng là Electrooculography, Infra-Red Oculography, Scleral cuộn. Những phương pháp này hoàn toàn nằm ngoài dự án của chúng tôi.
Phương pháp dựa trên hình ảnh
Phương pháp tiếp cận dựa trên hình ảnh thực hiện phát hiện mắt trên hình ảnh. Hầu hết các phương pháp dựa trên hình ảnh đều cố gắng phát hiện mắt bằng các tính năng của mắt. Các phương thức được sử dụng cho đến nay là phương pháp dựa trên kiến thức, phương pháp dựa trên tính năng (màu sắc, độ dốc), khớp mẫu đơn giản, phương thức xuất hiện. Một phương pháp thú vị khác là khuôn mẫu Deformable phù hợp với cơ sở dữ liệu dựa trên việc khớp mẫu mắt hình học trên hình ảnh mắt bằng cách giảm thiểu năng lượng của mô hình hình học.
Triển khai TrackEye
Dự án được thực hiện là trên ba thành phần:
- Nhận diện khuôn mặt: Thực hiện phát hiện khuôn mặt bất biến tỷ lệ
- Phát hiện mắt: Cả hai mắt được phát hiện là kết quả của bước này
- Khai thác tính năng mắt: Các tính năng của mắt được trích xuất ở cuối bước này
- Phát hiện khuôn mặt
Hai phương pháp khác nhau đã được thực hiện trong dự án. Họ đang:
- Thuật toán thay đổi phương tiện thích ứng liên tục
- Phương pháp nhận diện khuôn mặt Haar
- Thuật toán thay đổi trung bình thích ứng liên tục
- Thuật toán Shift trung bình thích nghi được sử dụng để theo dõi khuôn mặt người và dựa trên kỹ thuật phi tham số mạnh mẽ để tăng độ dốc mật độ để tìm chế độ (đỉnh) của phân phối xác suất được gọi là thuật toán dịch chuyển trung bình. Khi các khuôn mặt được theo dõi trong các chuỗi video, thuật toán dịch chuyển trung bình được sửa đổi để xử lý vấn đề phân phối xác suất màu thay đổi linh hoạt. Sơ đồ khối của thuật toán được đưa ra dưới đây:
Phương pháp phát hiện khuôn mặt Haar
Thuật toán nhận diện khuôn mặt thứ hai dựa trên bộ phân loại làm việc với các tính năng Haar-Like (cụ thể là một loạt các phân loại được tăng cường làm việc với các tính năng giống Haar). Trước hết, nó được đào tạo với một vài trăm lượt xem mẫu của một khuôn mặt. Sau khi phân loại được đào tạo, nó có thể được áp dụng cho một khu vực quan tâm trong một hình ảnh đầu vào. Trình phân loại xuất ra "1" nếu khu vực có khả năng hiển thị khuôn mặt và "0" nếu không. Để tìm kiếm đối tượng trong toàn bộ hình ảnh, người ta có thể di chuyển cửa sổ tìm kiếm trên hình ảnh và kiểm tra mọi vị trí bằng cách sử dụng trình phân loại. Trình phân loại được thiết kế sao cho có thể dễ dàng "thay đổi kích thước" để có thể tìm thấy các đối tượng quan tâm ở các kích cỡ khác nhau, hiệu quả hơn so với thay đổi kích thước hình ảnh.