Judul Paper: Calibration-Free Eye Gaze Direction Detection With Gaussian Processes
Basilio Noris, Karim Benmachiche, Aude G. Billard
LASA Laboratory - EPFL, Station 9, CH-1015 Lausanne, Switzerland
Abstract: In this paper we present a solution for eye gaze detection from a wireless head mounted camera designed for children aged between 6 months and 18 months. Due to the constraints of working with very young children, the system does not seek to be as accurate as other state-of-the-art eye trackers, however it requires no calibration process from the wearer. Gaussian Process Regression and Support Vector Machines are used to analyse the raw pixel data from the video input and return an estimate of the child’s gaze direction. A confidence map is used to determine the accuracy the system can expect for each coordinate on the image. The best accuracy so far obtained by the system is 2.34 on adult subjects, tests with children remain to be done.
Dalam makalah ini, disajikan sebuah sistem deteksi dari pandangan mata dengan kepala dipasang kamera nirkabel yang dirancang untuk anak usia antara 6 bulan dan 18 bulan. Karena keterbatasan bekerja dengan anak-anak yang sangat muda, sistem tidak berusaha seakurat dengan sistem deteksi lain, namun sistem ini tidak memerlukan proses kalibrasi dari pemakainya. Proses Gaussian Vector Regresi dan Dukungan Mesin digunakan untuk menganalisis data pixel mentah dari input video dan mengsetimasi arah tatapan mata. Peta tingkar ketepatan digunakan untuk menentukan akurasi sistem untuk setiap koordinat pada gambar. Akurasi terbaik sejauh ini diperoleh sistem ini 2,34 pada mata orang dewasa, dan dilakukan tes pada anak-anak.
Basilio Noris, Karim Benmachiche, Aude G. Billard
LASA Laboratory - EPFL, Station 9, CH-1015 Lausanne, Switzerland
Abstract: In this paper we present a solution for eye gaze detection from a wireless head mounted camera designed for children aged between 6 months and 18 months. Due to the constraints of working with very young children, the system does not seek to be as accurate as other state-of-the-art eye trackers, however it requires no calibration process from the wearer. Gaussian Process Regression and Support Vector Machines are used to analyse the raw pixel data from the video input and return an estimate of the child’s gaze direction. A confidence map is used to determine the accuracy the system can expect for each coordinate on the image. The best accuracy so far obtained by the system is 2.34 on adult subjects, tests with children remain to be done.
Dalam makalah ini, disajikan sebuah sistem deteksi dari pandangan mata dengan kepala dipasang kamera nirkabel yang dirancang untuk anak usia antara 6 bulan dan 18 bulan. Karena keterbatasan bekerja dengan anak-anak yang sangat muda, sistem tidak berusaha seakurat dengan sistem deteksi lain, namun sistem ini tidak memerlukan proses kalibrasi dari pemakainya. Proses Gaussian Vector Regresi dan Dukungan Mesin digunakan untuk menganalisis data pixel mentah dari input video dan mengsetimasi arah tatapan mata. Peta tingkar ketepatan digunakan untuk menentukan akurasi sistem untuk setiap koordinat pada gambar. Akurasi terbaik sejauh ini diperoleh sistem ini 2,34 pada mata orang dewasa, dan dilakukan tes pada anak-anak.
Sistem ini bertujuan untuk mempelajari perilaku visual anak-anak untuk membantu dalam diagnosis gangguan perkembangan. Anak-anak dengan gangguan perkembangan seperti Autism Spectrum Disorder (ASD) memiliki kecenderungan yang kuat untuk menghindari kontak mata atau untuk menghindari melihat orang sama sekali. Perilaku ini sering hadir dalam anak-anak yang sangat muda sudah, tetapi sulit untuk mengukur dan menganalisa. Dalam penelitian ini peneliti menggunakan WearCam (Piccardi et al., 2007), kamera nirkabel yang cukup ringan dipasang di atas kepala, fungsinya untuk merekam area tatapan. Rekaman kemudian dapat dianalisis untuk memverifikasi dan mempelajari bakat interaksi sosial anak-anak. Namun, asumsi awal bahwa arah kepala cukup untuk memperkirakan arah fokus anak perhatian (yaitu objek kepentingan selalu di tengah bidang pandang) terbukti tidak memuaskan dan peneliti menambahkan analisi deteksi arah tatapan.
Gambar 1: Diagram Alir dari sistem deteksi tatapan. Frame video dari kamera pertama diproyeksikan ke dimensi yang lebih rendah dengan PCA dan hasilnya digunakan untuk lokalisasi daerah mata kanan dan kiri. Saat ini diketahui, pixel sesuai dari sumber gambar yang diambil dan diproyeksikan sekali lagi menjadi sebuah ruang dimensi yang lebih rendah untuk tatapan arah proses deteksi. Tatapan yang dihasilkan koordinat arah kemudian dimodifikasi untuk mendapatkan koordinat sebenarnya dalam gambar. Selain itu, tatapan koordinat digunakan untuk membaca sistem kepercayaan hasil-hasilnya. Informasi ini dikombinasikan untuk memberikan hasil akhir.
Gambar 1. Diagram Alir dari sistem deteksi tatapan
0 comments:
Post a Comment