Eye Detection Using Morphological and Color Image Processing
Tanmay Rajpathaka, Ratnesh Kumar, Eric Schwartz
2009 Florida Conference on Recent Advances in Robotics, FCRAR 2009
Abstrak
Eye detection is required in many applications like eye-gaze tracking, iris detection, video conferencing, auto-stereoscopic displays, face detection and face recognition. This paper proposes a novel technique for eye detection using color and morphological image processing. It is observed that eye regions in an image are characterized by low illumination, high density edges and high contrast as compared to other parts of the face. The method proposed is based on assumption that a frontal face image (full frontal) is available. Firstly, the skin region is detected using a color based training algorithm and six-sigma technique operated on RGB, HSV and NTSC scales. Further analysis involves morphological processing using boundary region detection and detection of light source reflection by an eye, commonly known as an eye dot. This gives a finite number of eye candidates from which noise is subsequently removed. This technique is found to be highly efficient and accurate for detecting eyes in frontal face images.
Review
Paper ini membahas teknik baru dalam pendeteksian mata dengan menggunakan warna dan pengolahan citra morpologi. Penelitian mengamati bahwa daerah mata dalam citra ditandai oleh pencahayaan yang rendah, tingkat kepadatan yang tinggi pada bagian tepi dan kontras yang tinggi sebagai perbandingan terhadap bagian lain pada wajah. Metode yang diusulkan didasarkan pada asumsi bahwa citra wajah frontal (frontal penuh) telah tersedia.
Tanmay Rajpathaka, Ratnesh Kumar, Eric Schwartz
2009 Florida Conference on Recent Advances in Robotics, FCRAR 2009
Eye detection is required in many applications like eye-gaze tracking, iris detection, video conferencing, auto-stereoscopic displays, face detection and face recognition. This paper proposes a novel technique for eye detection using color and morphological image processing. It is observed that eye regions in an image are characterized by low illumination, high density edges and high contrast as compared to other parts of the face. The method proposed is based on assumption that a frontal face image (full frontal) is available. Firstly, the skin region is detected using a color based training algorithm and six-sigma technique operated on RGB, HSV and NTSC scales. Further analysis involves morphological processing using boundary region detection and detection of light source reflection by an eye, commonly known as an eye dot. This gives a finite number of eye candidates from which noise is subsequently removed. This technique is found to be highly efficient and accurate for detecting eyes in frontal face images.
Review
Paper ini membahas teknik baru dalam pendeteksian mata dengan menggunakan warna dan pengolahan citra morpologi. Penelitian mengamati bahwa daerah mata dalam citra ditandai oleh pencahayaan yang rendah, tingkat kepadatan yang tinggi pada bagian tepi dan kontras yang tinggi sebagai perbandingan terhadap bagian lain pada wajah. Metode yang diusulkan didasarkan pada asumsi bahwa citra wajah frontal (frontal penuh) telah tersedia.
Wilayah kulit dideteksi dengan menggunakan warna berdasarkan algoritma pelatihan dan teknik enam-sigma yang dioperasikan pada RGB, HSV dan skala NTSC. Analisis lebih lanjut melibatkan proses morfologi menggunakan deteksi batas wilayah dan deteksi refleksi sumber cahaya oleh mata, yang umum dikenal sebagai titik mata. Teknik ini sangat efisien dan akurat untuk mendeteksi mata pada citra wajah frontal.
Pendekatan yang pernah digunakan sebelumnya pada bidang penelitian sejenis adalah dengan menggunakan metode pencocokan template(template matching methode, eigenspace dan Hough transform-bases method.
Meskipun banyak usaha telah habis dan beberapa kemajuan telah dibuat, masalah deteksi otomatis mata masih jauh dari sepenuhnya diselesaikan karena kompleksitas. Faktor-faktor termasuk ekspresi wajah, wajah rotasi pesawat dan mendalam, oklusi dan kondisi pencahayaan, semua pasti mempengaruhi kinerja algoritma deteksi mata. Metode yang diusulkan dalam makalah ini melibatkan deteksi kulit untuk menghilangkan latar belakang diikuti oleh komponen deteksi mata.
Deteksi kulit wajah
Deteksi dari daerah kulit sangat penting dalam sistem pendeteksian mata. Daerah kulit membantu menentukan perkiraan mata posisi dan menghilangkan sejumlah besar faktor yang mengganggu pencitraan mata. Peneliti menggunakan kombinasi HSV, RGB dan NTSC ruang untuk meningkatkan efisiensi deteksi mata.
Deteksi mata
Teknik deteksi mata digunakan di sini adalah berdasarkan kenyataan bahwa setiap kali suatu mata diterangi dengan benar, ia memiliki titik yang tajam refleksi. Hal ini akan disebut sebagai titik terang. NTSC format yang paling efisien dalam pemanfaatan titik pencahayaan. Oleh karena itu, gambar pertama diubah menjadi gambar NTSC dan chrominance nilai piksel yang digunakan untuk pengolahan lebih lanjut. Langkah berikutnya dalam deteksi tepi melibatkan deteksi bagian tepi. Teknik morfologi adalah digunakan untuk deteksi batas. Pelebaran, diikuti oleh pengecilan dan perhitungan perbedaan antara keduanya menghasilkan gambar berbatas.
Pendekatan yang pernah digunakan sebelumnya pada bidang penelitian sejenis adalah dengan menggunakan metode pencocokan template(template matching methode, eigenspace dan Hough transform-bases method.
Meskipun banyak usaha telah habis dan beberapa kemajuan telah dibuat, masalah deteksi otomatis mata masih jauh dari sepenuhnya diselesaikan karena kompleksitas. Faktor-faktor termasuk ekspresi wajah, wajah rotasi pesawat dan mendalam, oklusi dan kondisi pencahayaan, semua pasti mempengaruhi kinerja algoritma deteksi mata. Metode yang diusulkan dalam makalah ini melibatkan deteksi kulit untuk menghilangkan latar belakang diikuti oleh komponen deteksi mata.
Deteksi kulit wajah
Deteksi dari daerah kulit sangat penting dalam sistem pendeteksian mata. Daerah kulit membantu menentukan perkiraan mata posisi dan menghilangkan sejumlah besar faktor yang mengganggu pencitraan mata. Peneliti menggunakan kombinasi HSV, RGB dan NTSC ruang untuk meningkatkan efisiensi deteksi mata.
Deteksi mata
Teknik deteksi mata digunakan di sini adalah berdasarkan kenyataan bahwa setiap kali suatu mata diterangi dengan benar, ia memiliki titik yang tajam refleksi. Hal ini akan disebut sebagai titik terang. NTSC format yang paling efisien dalam pemanfaatan titik pencahayaan. Oleh karena itu, gambar pertama diubah menjadi gambar NTSC dan chrominance nilai piksel yang digunakan untuk pengolahan lebih lanjut. Langkah berikutnya dalam deteksi tepi melibatkan deteksi bagian tepi. Teknik morfologi adalah digunakan untuk deteksi batas. Pelebaran, diikuti oleh pengecilan dan perhitungan perbedaan antara keduanya menghasilkan gambar berbatas.
Hasil dan Kesimpulan Paper
Hasil yang diperoleh dari pengujian berhasil untuk 90% bagian frontal wajah. Namun, teknik ini tidak bekerja untuk semua citra. Metode juga gagal ketika salah satu atau kedua mata tertutup. Penelitian ini dengan menggunakan MATLAB dan membutuhkan 15-20 detik run-time pada prosesor 2GHz.
Peneliti pada paper ini berharap bahwa jika menggunakan C dapat menghasilkan waktu run-time kurang dari 1 detik. Webcam untuk mendeteksi mata dapat sangat berguna dan user friendly, dan pengguna dapat memberikan masukan kepada komputer dengan menggunakan gerakan mata, misalnya, gerakan kursor menggunakan deteksi pandangan mata.
Click Here to Download Paper
0 comments:
Post a Comment