ردیابی دقیق خیرگی چشم در فریم های تصاویر ویدیویی از طریق ترکیب روش فیلترهای ذرهای با الگوریتم ژنتیک

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشگاه آزاد اسلامی واحد اسلامشهر - آموزشکده فنی و حرفه ای سما

چکیده

ردیابی خیرگی چشم پردازشی کلیدی در تعامل‌های انسان - کامپیوتر است. یک رویکرد پایه در این حوزه، پیش‌بینی موقعیت مردمک چشم در فریم‌های متوالی ویدئویی است. فیلتر ذره‌ای، مهم‌ترین روش مبتنی بر رویکرد مذکور، با وجود تضمین سرعت مطلوب دقت کمی در پیش‌بینی موقعیت مردمک دارد. جهت حل این مشکل، در این مقاله از الگوریتم ژنتیک در گام نمونه‌برداری روش فیلتر ذره‌ای استفاده می‌شود. درنتیجه، در هر فریم، تنوع ذرات مورد نیاز برای پیش‌بینی موقعیت مردمک در فرم ویدئویی بعدی حفظ می‌گردد و همزمان، یکنواختی آن‌ها کاهش می‌یابد. جهت ارزیابی کارایی، به‌ازای جمعیت‌های مختلف ذرات، سرعت و دقت روش پیشنهادی و روش فیلتر ذره‌ای پایه در پیش‌بینی موقعیت مردمک در فریم‌های ویدئویی تصویر چشم محاسبه و با هم مقایسه می‌شود. نتایج نشان می‌دهد که الگوریتم پیشنهادی نسبت به الگوریتم پایه فیلتر ذره‌ای، خیرگی چشم را با دقتی بالاتر در زمانی کمتر ردیابی می‌کند.

کلیدواژه‌ها


عنوان مقاله [English]

Precise Eye Gaze Tracking in Video Frames via Combining Particle Filters Method with Genetic Algorithm

چکیده [English]

Gaze tracking is a key process in human-computer interactions. A basic approach in this field is to predict the position of the pupil in sequential video frames. Particle filter, the most important method which is based on aforementioned approach, has a low precision in predicting the pupil position though guaranteeing expected speed. To solve this problem, in this paper, genetic algorithm (GA) is used in the sampling step of the particle filter method. As a result, in each frame, diversity of the particles required for predicting the pupil position in the next video frame is preserved and at the same time the monotony of them is reduced. To evaluate performance, corresponding to different particle populations, speed and precision of the proposed method and the basic particle filter method in predicting pupil positions in video frames of eye were computed and compared.  Results show that the proposed method, compared to the basic particle filter method, tracks the gaze more precisely in a lower time.

کلیدواژه‌ها [English]

  • Eye gaze tracking
  • pupil
  • particle filter
  • genetic algorithm