Judul : Eye Detection and Tracking Using Genetic Algorithm
G.Saravana Kumar and S.Ravi
MASAUM Journal of Computing Vol.1 No.1 August 2009
Abstract—In this work a high-speed size and orientation invariant eye-tracking method, which can acquire numerical parameters to represent the size and orientation of the eye is presented. In this paper the concept of high tolerance in human head movement and real-time processing that are needed for many applications, such as eye-gaze tracking is explored. In order to overcome these problems, template matching is used with genetic algorithm. A high speed and accuracy tracking scheme using evolutionary image processing for eye detection and tracking is proposed. Usually, a genetic algorithm is unsuitable for real-time processing. However this limitation is overcome in this real-time processing. The generality of this proposed method is provided by the artificial iris template used. Simulation results report eye-tracking accuracy of 97.9% and an average processing time suited for real-time application.
Review:
Dalam paper ini disajikan metode pelacakan mata dalam ukuran kecepatan tinggi dan orientasi mata, dengan metode ini dapat memperoleh parameter numerik untuk mewakili ukuran dan orientasi mata. Dalam tulisan ini, konsep toleransi yang tinggi dalam gerakan kepala manusia dan proses real-time, dibutuhkan dalam pelacakan tatapan mata. Untuk mengatasi masalah ini, template matching digunakan dengan algoritma genetika. skema pelacakan dengan kecepatan tinggi dan akurat menggunakan pengolahan citra untuk deteksi posisi dan gerakan mata. Biasanya, algoritma genetika tidak cocok untuk pemrosesan real-time. Namun keterbatasan ini diatasi dalam pemrosesan real-time pada penelitian ini. Sifat umum dari metode yang diusulkan ini disediakan oleh template iris buatan yang digunakan. Simulasi hasil laporan mata-pelacakan akurasi 97,9% dan waktu proses rata-rata cocok untuk aplikasi real-time.
Dalam makalah ini dibahas empat hal dalam pelacakan dan pendeteksian mata. Pertama, gerakan tiga dimensi kepala manusia, Kedua, antarmuka Umum, Ketiga, pemrosesan real time, dan Keempat, fitur ekstraksi-parameter penampilan mata. Dalam studi ini, deteksi mata dan metode pelacakan sebagai antarmuka manusia-mesin, seperti robot mobile dan komputasi dikembangkan di mana-mana. Oleh karena itu tidak hanya akurasi, tetapi juga antarmuka umum realtime dan pengolahan harus diperhitungkan dan diharapkan pengolahan real time. Dan diharapkan Metode template matching dengan algoritma genetik dapat memenuhi hal tersebut.
Gambar 1. Template iris
Gambar 2. Anatomi Mata
Iris yang menunjukkan arah tatapan mata, memiliki beberapa fitur yang signifikan. Yang pertama adalah kontras warna antara iris dan sclera yang wilayah putih di bagian depan mata dan lapisan luar bola mata. Kedua, lokalisasi lingkaran-iris. Menggunakan fitur ini berguna dalam mencapai tujuan penelitian ini. Oleh karena itu untuk menemukan iris oleh warna dan bentuk informasi, template matching menggunakan iris template. Tingkat kontras warna digunakan sebagai fitur dari iris, oleh karena itu digunakan warna gray scale.
Gambar 3. Iris template images
Daerah hitam adalah iris mata, Ukuran area putih adalah sama dalam template (a), (c), dan lebih kecil dalam template (b). Ukuran kelopak mata atas adalah sama di semua template. kelopak mata bawah template (d) lebih besar daripada yang lain. Daerah iris memiliki nilai skala abu-abu dari 0, dan di kelopak mata itu 154. Dalam sclera yang itu adalah 255 dalam template (a) dan (b) dan 230 pada (c) dan (d). Ukuran dari semua template gambar adalah 16 x 16 piksel.
Gambar 4. Struktur Chromosome
tx, ty, adalah koordinat setelah translasi paralel, 'm' adalah tingkat scaling, dan 'angel' adalah sudut rotasi dari iris template. Piksel template, yang berubah pada citra target dibandingkan dengan piksel pada citra target dalam fungsi pelatihan(fitness function)
Gambar 5. Flowchart sistem
Setelah populasi awal dihasilkan dengan nomor acak, GA dimulai. Proses pencocokan dieksekusi antara template gambar dan bingkai target dalam fungsi fitness. Generasi meningkat, sampai kondisi penghentian GA memuaskan. Dalam makalah ini jumlah generasi dipilih sebagai 100. Jika kriteria berakhir tidak memuaskan, populasi baru generasi berikutnya yang dihasilkan. [Gambar 5.(c)]
Setelah GA proses selesai, hasilnya diperoleh sebagai gambar dan data numerik. Kemudian proses baru dimulai untuk frame berikutnya. Dalam Gambar 5.(a), perhatian khusus harus diberikan untuk inisialisasi populasi GA hanya ketika = frame 0. Pada saat ini, beberapa informasi genetik terakhir GA diwarisi untuk proses GA baru. Pada pengolahan citra evolusi, adalah mungkin untuk mendeteksi dan melacak dan juga ekstrak informasi geometris dengan akurasi yang tinggi secara realtime. Proses di atas dilanjutkan sampai diperoleh hasil yang diharapkan.
Kesimpulan
Dalam makalah ini, disimpulkan bahwa toleransi yang tinggi untuk gerakan kepala manusia dan proses real time dibutuhkan untuk berbagai aplikasi seperti pelacakan tatapan mata. Sebuah skema pelacakan dengan kecepatan tinggi dan akurasi dicapai oleh pengolahan citra untuk deteksi mata. Selanjutnya, sebuah iris template buatan digunakan untuk umum metode ini. Efektivitas skema ini, tercermin dalam deteksi akurasi 76%. Sebagai sebuah karya masa depan, sistem dapat dirancang untuk mempelajari parameter yang berpengaruh pada efektivitas, seperti tempat yang gelap dan membandingkan hasilnya dengan dataset lainnya.
0 comments:
Post a Comment