رديابي دقيق خيرگي چشم در فريم هاي تصاوير ويديويي از طريق تركيب روش فيلترهاي ذرهاي با الگوريتم ژنتيك

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

رديابي خيرگي چشم پردازشي كليدي در تعامل‌هاي انسان - كامپيوتر است. يك رويكرد پايه در اين حوزه، پيش‌بيني موقعيت مردمك چشم در فريم‌هاي متوالي ويدئويي است. فيلتر ذره‌اي، مهم‌ترين روش مبتني بر رويكرد مذكور، با وجود تضمين سرعت مطلوب دقت كمي در پيش‌بيني موقعيت مردمك دارد. جهت حل اين مشكل، در اين مقاله از الگوريتم ژنتيك در گام نمونه‌برداري روش فيلتر ذره‌اي استفاده مي‌شود. درنتيجه، در هر فريم، تنوع ذرات مورد نياز براي پيش‌بيني موقعيت مردمك در فرم ويدئويي بعدي حفظ مي‌گردد و همزمان، يكنواختي آن‌ها كاهش مي‌يابد. جهت ارزيابي كارايي، به‌ازاي جمعيت‌هاي مختلف ذرات، سرعت و دقت روش پيشنهادي و روش فيلتر ذره‌اي پايه در پيش‌بيني موقعيت مردمك در فريم‌هاي ويدئويي تصوير چشم محاسبه و با هم مقايسه مي‌شود. نتايج نشان مي‌دهد كه الگوريتم پيشنهادي نسبت به الگوريتم پايه فيلتر ذره‌اي، خيرگي چشم را با دقتي بالاتر در زماني كمتر رديابي مي‌كند.

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.