ردیابی بلادرنگ خیرگی چشم انسان

در این مقاله روشی موثر برای ردیابی بلادرنگ خیرگی چشم انسان ارائه می شود. پس به پایگاه داده ای از انواع چشم در حالات مختلف نیاز بود. ابتدا پایگاه داده ای در 9 حالت خیرگی چشم ایجاد شد. هر گروه از چشم ها به عنوان ستونی از ماتریس ورودی شبکه عصبی ذخیره و شبکه عصبی مصنوعی پرسپترون با یک لایه پنهان ایجاد و با استفاده از الگوریتم پس انتشار خطا که الگوریتمی با سرپرست در شبکه های پیش خورانی است آموزش داده شد. برای شناسایی ناحیه صورت از روش تبدیل چندی سازی میانگین متوالی که بر اساس تقسیم بندی اتوماتیک ساختاری اطلاعات و مجموعه مقادیر پیکس های تصویر کار م کند و با استخراج خصوصیات ، شی هدف را شناسایی می کند، استفاده شد. برای شناسایی ناحیه چشم ابتدا بر اساس ویژگی های ساختاری و هندسه ناحیه صورت، قستمی به عنوان ناحیه چشم انتخاب و سپس با استفاده از الگوریتم بر چسب گذاری اجزائ متصل ، و انتخاب شی با مختصات پایین تر، ابرو از این ناحیه حذف شده و د رانتها با استفاده از ناحیه به دست آمده ، خیرگی چشم با استفاده از شبکه آموزش داده شده، ردیابی شد. در حالاتی که ناحیه چشم به هر دلیلی مثل بسته بودن پلک شناسایی نشود از رویکرد شناسایی پوست و الگوریتم اوتسو برای شناسایی مرکز صورت و حرکت دوباره سربرای ردیابی خیرگی استفاده شده است . جهت پیاده سازی رویکرد از نرم افزار متلب استفاده شد. رویکرد بر روی 581 تصویر و بر روی فریم هایی از فیلم آزمایش شد. نتایج نشان می دهد که در بیش از 95% حالات خیرگی چشم درست تشخیص داده می شود.

Keywords:

پردازش تصویر , شبکه عصبی مصنوعی , ردیابی خیرگی چشم , الگوریتم اوتسو , تبدیل چندی سازی میانگین متوالی