Gerçek Zamanlı Göz Bebeği Hareket Tespiti için Bilgisayar Destekli Arayüz Tasarımı ve Fiziksel Engelli Bireyler için Bir Uygulama

Öz

Bu çalışmada, ALS hastalığı gibi fiziksel hareket engeline sahip bireylerin isteklerini ifade edebilmeleri için C# dilinde bir insan-bilgisayar arayüzü oluşturulmuştur. Oluşturulan bu sistemde göz bebeği hareketleri analiz edilerek hasta bireyin isteklerini hem görsel hem de sesli olarak ifade etmesi sağlanmıştır. Göz bebeği hareket takibi için oluşturulan sistemde kamera ile algılanan hasta bireyin yüzü, ten rengi filtresi kullanılarak seçilmiştir. Hasta bireyin yüzü seçildikten sonra göz çerçevesi, sistem tarafından otonom olarak tespit edilmiştir. Kullanıcının göz çevresinin aydınlatılması için adaptif IR led ışık kaynağı tasarımı yapılmıştır. Geliştirilen görüntü işleme algoritmaları ile göz bebeği tespiti yapılmıştır. Tespit edilen göz bebeğinin hareketlerine göre, kullanıcı arayüzü üzerinde hasta bireyin baktığı konum bilgisi kullanılarak isteklerini ifade edebilecekleri komutlar oluşturulmuştur. Kontrol edilen hasta yatağının prototipi 3D yazıcı ile oluşturularak bir uygulama çalışması yapılmıştır.

Yapılan bu çalışma sonucunda göz bebeği hareket tespiti kamera kullanılarak kullanıcıya herhangi bir temas olmadan gerçekleştirilmiştir. Göz bebeği hareket tespiti için oluşturulan algoritma ile hasta bireyin, isteklerini göz bebeği hareketi dışında herhangi bir harekete ihtiyaç duymadan ifade edebilmesi sağlanmıştır. Bu çalışma ile ALS hastalığı gibi fiziksel hareket engeli olan bireylerin göz bebeği hareketi takip sistemlerinde kullanılabilecek özgün olarak geliştirilmiş bir algoritma kazandırılmıştır.

Anahtar Kelimeler

• Göz bebeği hareket tespiti
• görüntü işleme
• engelli birey.
• Adaptif IR-LED ışık

Computer-Aided Interface Design for Real-Time Pupil Motion Detection and an Application for Physically Disabled Persons

Öz

In this study, a human-computer interface was created in C# so that individuals with physical mobility disabilities such as ALS can express their wishes. In this system created, pupil movements were analyzed and the patient's wishes were expressed both visually and audibly. In the system created for the tracking of the pupil, the face of the patient, which was detected by the camera, was detected autonomously by the system. An adaptive IR LED light source has been designed to illuminate the eye area of the user. Pupil motion detection was performed with the developed image processing algorithms. According to the movements of the detected pupil, commands were created on the user interface to express the wishes of the patient by using the location information of the patient. An application study was carried out by creating the prototype of the controlled patient bed with a 3D printer.

At the end of this study, pupil motion detection was carried out using a camera without any contact with the user. With the algorithm created for pupil motion detection, it is ensured that the patient can express his wishes without the need for any movement other than eye movement. With this study, a uniquely developed algorithm that can be used in pupil tracking systems of individuals with physical movement disabilities such as ALS has been acquired.  

Anahtar Kelimeler

• Pupil motion detection
• image processing
• Adaptive IR-LED light
• Disabled person

Kaynakça

1. Akıncı, G. (2011). Video görüntülerine dayalı nöropsikolojik testler için pupil (göz bebeği) hareketleri izleme sistemi, Yüksek Lisans Tezi, Kırıkkale Üniversitesi, Fen Bilimleri Enstitüsü.
2. Nilay Yıldırım, A. V. (2016). Göz Takibi Ve Göz Takip Sistemleri Üzerine Bir Araştırma. INESEC, 897-206.
3. Joseph M.Furman, F. L. (2012). Vestibular Laboratory Testing. M. J. Aminoff içinde, Aminoff's Electrodiagnosis in Clinical Neurology (s. 699-723). Saunders.
4. Yıldız, H. Ö. (2015). Eog’nin Kodlanmasına Dayanan Bilgisayar Tabanlı Gözle Yazı Yazma Sistemi. Tıptekno'15, (S. 296-299). Muğla
5. Yavuz, O. İ. (2017). EOG (Elektrookülografi) Kullanarak Göz Hareketleri ile Robot Kontrolü Yüksek Lisans Tezi, İstanbul Gelişim Üniversitesi Fen Bilimleri Enstitüsü.
6. Durna, Y., & Arı, F. (2015). Real time pupil-corneal reflection following with Labview. In 2015 23nd Signal Processing and Communications Applications Conference (SIU) (pp. 2286-2289). IEEE.
7. Cihan Topal, A. D. (2008). An eye-glasses-like wearable eye gaze tracking system. 2008 IEEE 16th Signal Processing, Communication and Applications Conference. Aydın: IEEE.
8. İren, M. (2018). Akıllı Telefonlarda Kullanıcıların Tercih Ettikleri Kimlik Doğrulama Yöntemleri. Yüksek Lisans Tezi, Beykent Üniversitesi, Fen Bilimleri Enstitüsü.

9. Bozkurt, F. (2019). Göz Kırpma Hareketleri İle Tarayıcı Kontrolü, Yüksek Lisans Tezi, Gazi Üniversitesi, Bilişim Enstitüsü.
10. Fatimah A. Alrubaish, G. A. (2019). Automated Detection for Student Cheating During Written Exams: An Updated Algorithm Supported by Biometric of Intent. International Conference on Computing (s. 303-311). Riyadh: Springer Link
11. Çolak, M. E. (2020). Uzaktan Eğitim Sınavlarında Bakış Algılaması İle Kopya Tespitinin Modellenmesi, Doktora Tezi, Fırat Üniversitesi, Fen Bilimleri Enstitüsü.
12. Yuan-Pao Hsu, H.-C. M.-C. (2010). FPGA implementation of a real-time image tracking system. SICE Annual Conference (s. 2778-2884). Taipei: IEEE
13. Paul Viola, M. J. (2001). Rapid Object Detection using a Boosted Cascade of Simple Features. Computer Vısıon And Pattern Recognıtıon, (s. 1-9).
14. Kısa, M. (2019). Grafik Tasarım ve Baskı Ortamında Kullanılan Görsellerin RGB Renk Uzayından CMYK Renk Uzayına Dönüşümü Esnasında Oluşan Renk ve Ton Kayıplarının Önlenmesi. Humanities Sciences, 25-30. (Kısa, 2019).
15. Çavdaroğlu, G. Ç. (2013). Sanal gerçeklikte ilinti operatörleri geliştirilerek yüz tanıma analizi, Doktora Tezi, Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü.
16. Shaika, K. B. (2015). Comparative Study of Skin Color Detection and Segmentation in HSV and YCbCr Color Space. ELSEVIER, 41-48.
17. Amit Kumar, S. M. (2015). Real-time Human Skin Color Detection Algorithm using Skin Color Map. Computing for Sustainable Global Development. New Delhi: INDIACom.
18. Yılmaz, H. (2017). İnsan kromozom preparatlarinin bilgisayar destekli sitogenetik analizleri ve düşük maliyetli sistem tasarimi, Doktora Tezi, Karabük Üniversitesi, Fen Bilimleri Enstitüsü. YÖK tez.
19. Gonzalez, R. C. (2008). PD and Woods, RE. Digital Image Processing, Third Edition], Prentice Hall International,
20. Muhammet Üsame Öziç, N. Ç. (2020). Görüntü İşlemede Nesne Koordinat Özelliklerini Kullanarak Bakliyat Sayma İşlemine Bir Yaklaşım. Konya Mühendislik Bilimleri Dergisi, 28-37.
21. Öztürk, S., & Öztürk, N. (2016). Yapay Ari Koloni Algoritmasi Kullanilarak Görüntü İyileştirme Yönteminin Geliştirilmesi. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, 4(4), 173-183.
22. Dipova, N. (2018). Görüntü Analizi Yöntemlerinin Geoteknik Mühendisliğinde Kullanımı. Mehmet Akif Ersoy Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 33-44.
23. Z. Zhu, Q. Ji (2005). Robust real-time eye detection and tracking under variable lighting conditions and various face orientations, Computer Vision and Image Understanding 98 124–154.
24. Boyraz,Ö. F., M. Z. (2016). Mobil Damar Görüntüleme Cihazı Tasarımı. Innovative Technologies (s.159-168). Antalya: Akademik Platform.
25. Irmak, E. (2021). COVID-19 disease severity assessment using CNN model. IET Image Processing, 15(8), 1814-1824.
26. Stehman, S. V. (1997). Selecting and interpreting measures of thematic classification accuracy. Remote sensing of Environment, 62(1), 77-89.
27. Fawcett, T. (2006). An introduction to ROC analysis. Pattern recognition letters, 27(8), 861-874.