21249

۲۱۲۴۹

بهبود عملكرد يك روش برآورد جهت نگاه با استفاده از الگوريتم‌هاي هوشمند

كارشناسي ارشد

الكترونيك ديجيتال

۱۳۹۴-۱۳۹۷

۱۳۹۷/۸/۲۸

دكتر جمشيد فريبرز

برق

چكيده رديابي چشم و برآورد جهت نگاه بطور گسترده‌ توسط محققين بينايي ماشين و جامعه روانشناسي در طول چند دهه‌ي اخير مورد تحقيق و بررسي قرار گرفته است. هنوز هم بدليل منحصر به فرد بودن چشم، تنوع در ابعاد، مقياس، مكان و شرايط نوري مختلف برآورد جهت نگاه يك مشكل چالش برانگيزي باقي مانده است. رديابي چشم در حوزه‌هاي علوم اعصاب، روانشناسي و تعامل بين انسان و كامپيوتر كاربردهاي فراواني دارد. برآورد جهت نگاه در تجزيه و تحليل توجه انسان، عوامل انساني در مهندسي صنايع، بازاريابي و تبليغات، رابط كاربري مبتني بر نگاه و سيستم‌هاي رانندگي مراقبت نگاه نقش اساسي را ايفا مي‌كند. در گذشته سيستم‌هاي اوليه‌ي برآورد جهت نگاه نيازمند سخت افزارهاي مانند لنزهاي تخصصي يا الكترودهاي متصل به پوست بود، كه علاوه بر هزينه زياد، مراحل نصب بسيار دشواري داشت. اين عوامل باعث شدند كه اين فناوري در هر كاربردي قابل استفاده نباشد. در حال حاضر سيستم‌هاي ردياب چشم و برآورد كننده‌هاي جهت نگاه، با استفاده از بينايي ماشين در تصاوير ويديويي چشم با سخت‌افزارهاي اضافه‌اي مانند حسگرهاي مادون قرمز استفاده مي‌كنند. در اين پايان نامه يك سيستم ارزان قيمت با رويكرد يادگيري عميق پياده سازي شده است. هدف سيستم پيشنهاد شده اين است كه ابتدا بتوان بطور گسترده مورد استفاده قرار بگيرد. همچنين نسبت به تنوع ظاهري چشم افراد، تنوع نور محيط، حالت‌هاي گوناگون سر و تصاوير گوناگون پس زمينه مقاوم باشد. واژه‌هاي كليدي: رديابي چشم، برآورد جهت نگاه، بينايي ماشين، يادگيري عميق

1398/03/11

Performance Improvement An Eye Gaze Estimation Approach Using Intelligent Algorithms

11/19/2018 12:00:00 AM

Abstract: Eye tracking and eye-gaze estimation have been extensively investigated by machine vision researchers and psychology community over the past few decades. Still, because of the uniqueness of the eye, the variation in the size, scale, location, and different lighting conditions remains to be seen as a challenging problem. Eye tracking in the fields of neuroscience, psychology, and interaction between man and computer are many uses. Estimates to look at in the analysis of human attention, human factors in industrial engineering, marketing and advertising, look-up interface and car care systems play a vital role. In the past, early estimation systems required hardware such as specialized lenses or skin-mounted electrodes, which, in addition to costing, had a very difficult installation process. These factors made the technology inefficient in any application. At the moment, eye tracking systems and eye-gaze estimation systems are using additional hardware such as infrared sensors. In this thesis, a low-cost system with a deep learning approach has been implemented. The purpose of the proposed system is to be widely used first. It is also resistant to the appearance of the eyes of the people, the variation in ambient light, various head conditions and background images. Keywords: Eye tracking, Estimation of vision, Machine vision, Deep learning