Lucrare de licență [615138]

Universitatea Tehnică ,,Gheorghe Asachi” din Iași
Facultatea de Inginerie Electrică, Energetică și Informatică Aplicată

Lucrare de licență
Sisteme portabile de preluare si tratare a
imaginilor

Domeniul: Științe inginerești aplicate
Specializarea: Informatică aplicată în ingineria electrică

Îndrumător, Absolvent: [anonimizat].Dr.Ing. Poboroniuc Marian -Silviu Filip Tudor – Alexandru

IAȘI
IULIE, 2018

Universitatea Tehnică ,,Gheorghe Asachi” din Iași
Facultatea de Inginerie Electrică, Energetică și Informatică Aplicată

Sisteme portabile de preluare
si tratare a imaginilor

Domeniul: Științe inginerești aplicate
Specializarea: Informatică aplicată în ingineria electrică

Îndrumător, Absolvent: [anonimizat].Dr.Ing. Poboroniuc Marian -Silviu Filip Tudor – Alexandru

IAȘI
IULIE, 2018

DECLARAȚIE DE ASUMARE A AUTENTICITĂȚII
LUCRĂRII DE LICENȚĂ

Subsemnatul Filip Tudor -Alexandru , legitimat cu C.I. seria MZ nr. 164046 , autorul
lucrării Sisteme portabile de preluare și tratare a imaginilor, elaborată în vederea susținerii
examenului de finalizare a studiilor de licență organizat de către Facultatea de Inginerie
Electric ă, Energetic ă și Informatic ă Aplicat ă din cadrul Univ ersității Tehnice „Gheorghe
Asachi ” din Iași, sesiunea IULIE a anului universitar 2018 , luând în considerare conținutul Art.
34 din Codul de etică universitară al Universității Tehnice „Gheorghe Asachi ” din Iași
(Manualul Procedurilor, UTI.POM.02 – Funcțio narea Comisiei de etică universitară), declar pe
proprie răspundere, că această lucrare este rezultatul propriei activități intelectuale, nu conține
porțiuni plagiate, iar sursele bibliografice au fost folosite cu respectarea legislației române
(legea 8/19 96) și a convențiilor internaționale privind drepturile de autor.

Data Semnatura
Filip Tudor -Alexandru

Cuprins
Capitolul 1: Viziunea artificială ………………………….. ………………………….. ………………………… 5
1.1 Scurt istoric al roboticii ………………………….. ………………………….. ………………………….. ….. 5
1.2 Inteligența artificială ………………………….. ………………………….. ………………………….. ……… 5
1.3 Viziunea artificială ………………………….. ………………………….. ………………………….. ………. 11
1.4 Concluzii ………………………….. ………………………….. ………………………….. ……………………. 31
Capitolul 2: Prezentare generală a dispozitivului de urmărire a mișcării ochilor Arrington
Research ………………………….. ………………………….. ………………………….. ………………………….. .. 32
2.1 Prezentare generală ………………………….. ………………………….. ………………………….. ……… 32
2.2 Lumina infraroșie ………………………….. ………………………….. ………………………….. ………… 40
2.3 Maparea în GazePoint ………………………….. ………………………….. ………………………….. ….. 40
2.4 Interfețe ………………………….. ………………………….. ………………………….. ……………………… 41
2.5 Prezentare ecran principal ………………………….. ………………………….. …………………………. 44
2.6 Poziționarea camerelor ………………………….. ………………………….. ………………………….. …. 51
2.6.1 Poziționarea camerelor QuickClamp ………………………….. ………………………….. ……. 52
2.6.2 Poziționarea camerelor EyeFrame ………………………….. ………………………….. ……….. 52
2.7 Calibrarea ………………………….. ………………………….. ………………………….. …………………… 53
2.7.1 Calibrarea camerelor fixate pe cap ………………………….. ………………………….. ……….. 53
2.7.2 Calibrarea camerei de poziție ………………………….. ………………………….. ………………. 54
2.9 Concluzii ………………………….. ………………………….. ………………………….. ……………………. 58
Bibliografie ………………………….. ………………………….. ………………………….. ………………………… 65

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
5
Capitolul 1: Viziunea artificial ă

1.1 Scurt istoric al roboticii
Termenul de robot a fost introdus pentru prima dată de scriitorul de origine cehă Karel
Capek în anul 1920 într -o lucrare numită ,, Roboții universali ai lui Rossum” . În limba cehă
termenul robot înseamnă muncă, muncă silnică. [ 1]
Conform Institutului de Robotică din America definiția termenului de robot,
introdusă în anul 1979, este dată astfel: ,, Un robot este un manipulator reprogramabil și
multifuncțional realizat în scopul manipulării materia lelor, pieselor, sculelor sau dispozitivelor
specializate, într -un mod specific diferitelor mișcări programate, pentru a realiza o varietate
de sarcini.” [2]
Știința a cărei principală activitate este proiectarea și utilizarea roboților este Robotica.
Acest termen a fost folosit pentru prima dată de omul de știință Isaac Asimov, introducând
regulile care guvernează această știință, cunoscute drept legile roboticii.
Legile roboticii sunt:[ 3]
– Legea ZERO: ,, Un robot nu trebuie să producă nici un rău umanit ății, sau, prin lipsa
de acțiune, să permită producerea unui rău asupra umanității.”;
– Legea 1: ,, Un robot nu trebuie să producă nici un rău unei ființe umane, sau, prin lipsa
de acțiune, să permită aceasta, dar în condițiile respectării legilor de ordin su perior.”;
– Legea 2: ,, Un robot trebuie să execute ordinele primite de la o ființă umană, excepție
făcând acele ordine care intră în conflict cu o lege de ordin superior.”;
– Legea 3:,, Un robot trebuie să se protejeze pe sine însuși, atâta timp cât această pro tecție
nu intră în conflict cu legi de ordin superior.”.

1.2 Inteligența artificială
Termenul ,,inteligență artificială” (eng. Artificial Intelligence) a fost propus de John
McCarthy, considerat părintele acestui domeniu, în anul 1956 când el a ținut pri ma conferință
academică legată de acest subiect, dar aventura de a înțelege dacă calculatoarele pot cu adevărat
să gândească a început cu mult înainte.
Inteligența artificială a fost studiată decade la rând și este una dintre cele mai noi ramuri
din Știin ța Calculatoarelor, Informatică, Tehnologia Informației, Automatică sau Cibernetică.
Nu pot fi trecute cu vederea legăturile sale puternice cu alte științe, cum ar fi: Psihologia

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
6
(inteligența umană, teoria învățării), Medicina (neuropsihologia, nerologia, neuropsihiatria,
neurobiologia), Matematica (logica, teoria probabilităților, grafuri, limbaje formale,
combinatorică), Biologia(teoria evoluției, teoria emergenței), Filozofia, Gnoseologia (teoria
cunoașterii).
În literatura de specialitate există numeroase definiții, sau încercări de a defini,
inteligența artificială. Numărul mare de definții este strict legat de faptul că domeniul, fiind in
legătură cu esența naturii umane, este deosebit de provocator. O definiție completă și corectă a
inteligențe i artificiale ar trebui să pornească de la definiția inteligenței umane, care este departe
de a fi ușor de formulat.
Inteligența artificială este domeniul științei calculatoarelor care se ocupă de studiul și
crearea sistemelor de calcul și a programelor care prezintă o formă inteligentă: sisteme care
învață noi concepte, care pot raționa și deduce concepte utile într -un domeniu al lumii
înconjurătoare, sisteme care pot înțelege limbajul natural sau percepe și înțelege un peisaj, într –
un cuvânt sisteme car e necesită capacități inteligente specifice omului.
Scopul inteligenței artificiale(eng. Artificial intelligence), cunoscută și sub denumirea
de IA(respectiv, eng. AI), ca știință este de a realiza mașini care să facă lucruri care, dacă ar fi
făcute de oa meni ar necesita inteligență. Cu alte cuvinte, scopul inteligenței artificiale este de a
crea sisteme expert care expun comportament inteligent, învață, demonstrează, explică,
îndrumă utilizatorii, și de a implementa inteligența umană în mașini, prin crear ea de sisteme
care înțeleg, gândesc, învață și se comportă ca oamenii.
Nu contează câtă informație sau putere de calcul este disponibilă pe o mașină, există
activități care , încă, sunt dificile de realizat pentru mașini, dar care rămân foarte ușor de real izat
pentru oameni. În tabelul 1.2.1 se va prezenta o comparație între creierul uman si calculator, în
funcție de mai multe criterii. [1 8]

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
7
Criteriu Creier Calculator
Stocare informație Capacitate limitată
Uitare
Recuperarea se face cu
distorsiuni
Accesul poate necesita un
timp relativ lung Capacitate mare
Recuperare fără erori
Acces rapid la informații
Calcule matematice Dificil de realizat calcule
complexe
Timp de calucul mare
Posibile erori Ușor de realizat calcule
complexe, cu numere oricât
de mari
Rapid
Fără erori
Viteză semnale 10 impulsuri/secundă 3*10^8 impulsuri/secundă
Model calcul Masiv paralel Secvențial
Îndeplinire sarcini
elementare Foarte bună
Simțurile, percepția
obiectelor din jur
funcționează în timp real Redusă
Recunoașterea formelor este
dificil de realizat cu algoritmi
clasici
Îndeplinire sarcini
complexe Foarte bună și în scurt timp Limitată de complexitatea
sarcinii
Toleranță la erori Poate funcționa și cu date
eronate Nu tolerează erori, se poate
bloca
Toleranță la incertitudine Poate funcționa/lua decizii și
cu date incerte, insuficiente Nu tolerează incertitudinile,
procesul se poate opri
Dintre ariile de aplicație ale inteligenței artificiale se amintesc următoarele:
– Înțelegerea limbajului reprezintă abilitatea de a înțelege și de a răspunde la limbajul
natural. De asemenea se referă la abilitatea de a transfera din limbajul vorbit într -o formă scrisă
și de a traduce dintr -un limbaj natural în alt limbaj natural. [17][19]
– Sisteme adaptive și de învățare care studiază abilitatea de a adapta comportamentul
bazându -se pe experiența anterioară și de a dezvolta reguli generale bazate pe acea e xperiență.
Un sistem înzestrat cu inteligență este capabil să învețe pentru a -și îmbunătăți interacțiunea cu
mediul.În această arie se remarcă studiile care privesc formarea de concepte și cibernetica.
– Rezolvarea de probleme se referă la abilitatea de a fo rmula o problemă într -o
reprezentare proprie, a planifica activități pentru găsirea de soluții și de a ști când sunt necesare
noi informații. Ideal, rezolvarea unei probleme arată ca in figura 1.2.1.
Tabelul 1.2.1 Comparație între creierul uman și calculatorul care efectuează aceleași funcții
[18]

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
8

Problema Soluția Rezolvarea
Figură 1.2.1 Schema ideală de rezolvare a unei probleme
În practică rezolvarea unei probleme nu este atât de simplă. În figura 1.2.2 este
prezentată schematic rezolvarea practică a unei probleme.[2 0]

Problema
Ieșirea Reprezentarea Soluția Rezolvarea
Formal Informal Abstractizare
Calcul Interpretare

Figură 1.2.2 Schema practică de rezolvare a unei probleme
Dintre cercetările desfășurate în această arie se remarcă rezolvarea interactivă a
problemelor, scrierea automată a programelor și demonstrarea de teoreme.
– Percepția reprezintă abilitatea de a analiza o scenă simțită prin relatarea ei într -un model
intern care reprezintă percepția organismului. Rezultatul acestei analize este un set s tructurat
de relații între entitățile din scenă.
Cinci simțuri (vederea, auzul, simțul tactil, mirosul și gustul) ne stau la dispoziție pentru
a interacționa cu mediul. Modelarea acestor simțuri pe sisteme automate reprezintă, cu
certitudine, o preocupare de mare însemnătate a domeniului inteligenței artificiale. Dintre cele
cinci simțuri, vederea ocupă un loc special. Sistemele de vedere artificială încearcă să descifreze
mecanismele vederii și ale interpretării imaginilor statice și în mișcare.[1 7]
Lucr area de față se încadrează în această categorie, iar în capitolele următoare se vor
aborda mai în detaliu aspectele legate de viziunea artificială și aplicațiile ei.
– Modelarea reprezintă abilitatea de a dezvolta o reprezentare internă și un set de reguli
de transformare care pot fi utilizate pentru a prezice comportamentul și relația dintre obiecte
din lumea reală sau alte entități.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1

9
– Roboții se referă la o combinație dintre multe sau, uneori, toate, abilitățile prezentate
mai sus cu scopul de a se mișca pe teren și de a manipula obiecte. Încercând a modela procesele
cognitive care se desfășoară în sistemele vii, planificarea roboților este un câmp de cercetare
care urmărește a îmbunătăți comportamentul roboților atunci când sunt puși să execute diferite
sarcini. Pentru exemplificare se vor prezenta cateva domenii, cum ar fi: transport, navigație,
automatizări industriale, securitate, sectorul militar, agricultură, construcții, etc.

Figură 1.2.3 Utilizarea roboților în automatizări industriale [41]

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1

10

Figură 1.2.4 Utilizarea roboților în construcția de mașini [42]

– Jocuri [21]– în acest domeniu se face referire la abilitatea de a accepta un set formal de
reguli pentru jocuri ca Șah, Go, Kalah, etc., și de a traduce aceste reguli într -o structură sau
reprezentare care permite abilităților de învățare și de rezolvare a problemelor să fie folosite în
obținerea unui anumit nivel de performanț ă.

Figură 1.2.5 Roboți jucând șah [43]

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
11
1.3 Viziunea artificială
Fundamentul pe care se bazează inteligența artificială este reprezentat de cantitatea
enormă de informații disponibil ă în zilele noastre, care, datorită progreselor tehnologice din
ultimii ani, poate fi stocată și analizată. În co ntinuare se va face referire doar la datele sub formă
de imagini , care fac obiectul viziunii artificiale.
Procesarea liniară într -o singură dimensiune a semnalelor și teoria sistemelor sunt
subiecte importante în ingineria electrică. Există o orientare clară către care comunitatea clasică
de procesare a semnalelor se îndreaptă, și anume semnalele multidimensionale. Granlund și
Knutsson au fost primii care au publicat o monografie despre procesarea semnalelor pentru
viziunea artificială elaborată pe mai m ulte idei, cum ar fi procesarea tensorială a imaginii și
convoluția normalizată, care nu își au originile în procesarea clasică a semnalelor.
Scopul procesării semnalelor în viziunea artificială este de a extrage caracteristici
reprezentative pentru recun oașterea și clasificarea obiectelor.[2 2]
În urmă cu câțiva ani era un vis ca abilitatea de a vedea și de a gândi să fie atribuită
calculatoarelor de la vremea respectivă. Tehnologia a avansat, calculatoarele au devenit din ce
în ce mai rapide și mai puter nice, iar comunitatea internațională care realizează cercetări în
domeniu și -a concentrat atenția spre a face ca acest vis să devină realitate.[2 3]
Lumea în care trăim este tridimensională, ceea ce înseamnă că orice punct din spațiu
poate fi specificat pr in trei coordonate (X, Y, Z). O imagine este un plan în două dimensiuni,
ceea ce înseamnă că este nevoie de două coordonate (X, Y) pentru a reprezenta un punct în
imagine. O dimensiune este pierdută în procesul de proi ecție. Unul dintre scopurile important e
ale viziunii artificiale este de a recupera această dimensiune pierdută.[2 4]
Viziunea artificială (eng. Computer Vision) este în corelație cu următoarele domenii:
procesarea imaginilor și recunoașterea modelelor. Procesarea imaginilor studiază transform area
din imagine în imagine. Intrarea și ieșirea procesării imaginilor sunt ambele imagini. Operațiile
tipice ale procesării de imagini sunt compresia imaginilor, restaurarea imaginilor, îmbunătățirea
imaginilor.
De cealaltă parte, recunoașterea modelelor ( de asemenea cunoscută și sub numele de
învățare automată) studiază tehnici matematice variate( cum ar fi tehnici statistice, rețele
neuronale, etc.) pentru clasificarea diferitelor modele. Datele de intrare pentru recunoașterea de

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
12
modele pot fi de orice tip. Tehnicile de recunoaștere a modelelor sunt utilizate la scară largă în
viziunea artificială.
Viziunea artificială reprezintă construcția de descrieri clare și semnificative ale
obiectelor fizice pornind de la imaginile lor. Ieșirile viziunii artific iale sunt o descriere sau o
interpretare sau o măsurăre cantitativă a structurilor în format tridimensional.
Viziunea artificială este o ramură a automatizării care permite percepția viziunii mașinii
și dezvoltarea de metode pentru crearea sistemelor pe ntru obținerea de informații din imagini.
Viziunea artificială are scop dublu. Din punct de vedere al biologiei ca știință, viziunea
artificială presupune apropierea cu modelele de calcul cât mai aproape de sistemul vizual uman.
Din punct de vedere al ing ineriei, viziunea artificială presupune construirea de sisteme
autonome care pot realiza câteva activități pe care și sitemul vizual uman le poate realiza. După
cum se poate observa, viziunea artificială necesită cunoștințe în știința calculatoarelor, ingi nerie
electrică, matematică, psihologie, biologie și științe cognitive.
Viziunea artificială este în general definită ca disciplina care se ocupă cu construirea de
descrieri explicite și expresive a structurii și proprietăților lumii tridimensionale din i magini
bidimensionale. De asemenea, reprezintă un subdomeniu al inteligenței artificiale care se ocupă
cu analiza și interpretarea informației vizuale.

Reconstruc ția
Viziunea
artifici ală
Recunoașterea Înregistrarea

Figura 1.3.1 Domeniile viziunii artificiale

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
13
Un grup de cercetători de la Universitatea din Cambridge au identificat un număr de
posibile aplicații și sunt acum pionierii nucleului de tehnologie din cele trei domenii ale
viziunii:[2 7]
– Reconstrucția – recuperarea formei 3D din imagini necalibrate.
– Înregistrarea – detectarea corpului uman și urmărirea acestuia pentru utilizarea în noi
interfețe.
– Recunoașterea – detectarea obiectelor, segmentarea și recunoașterea în video.
O structură aproximativă a viziunii artificiale poate fi ilustrată în figura
1.3.2.[23][24][25] În această figură s -a evidențiat cu roșu traseul pentru atingerea segmentului
de urmărire a vederii.
Formarea imaginii sudiază procesul de dinaintea producerii imaginilor și a videourilor.
Acesta constituie un subiect important atât pentru viziunea a rtificială, cât și pentru grafica
computerizată. Pentru a produce o imagine reală, natura senzorului vizual, de exemplu camera,
ar trebui studiată. Pe lângă dispozitivul de surprindere a imaginii, este de asemenea important
să studiem factorii care provin de la obiecte și de la scene, cum ar fi lumina, culoarea, textura,
mișcarea și forma, care afectează în limite largi calitatea imaginilor și a videourilor. Lumina
este aproape întotdeauna un factor critic și trebuie să fie foarte atent organizată.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
14

Animații Interacțiunea
om-calculator Robotică Multimedia
Înțelegerea
imaginilor Înțelegerea
video
Recunoașterea
obiectelor
Captarea
mișcării
Urmărirea vederii
Segmentarea Modelarea
geometrică
Geometrie
multidimensională Reconstrucție 3D Sisteme biologice
integrate
Stereo
Structura din
mișcare(SfM)
Corespondența
imaginii Fluxul optic Analiza
mișcării
Procesarea de nivel
scăzut a imaginii
Analiza
culorilor Radiometrie Analiza
textului
Imagini & Video
Formarea imaginii
Modelul
camerei Lumină Culoare Textură Mișcare Formă
Obiect Dinamica Geometrie

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
15
Figură 1.3. 2 Reprezentare schematică a viziunii artificiale cu evidențierea traseului de la
obiect spre urmărirea vederii
Procesarea de nivel scăzut a imaginii nu reprezintă , neapărat, viziunea artificială, dar
corespunde pa șilor de preprocesare pentru aceasta. Sarcina principală este să extragă informații
fundamentale pentru procesarea ulterioară, incluzând detecția marginilor, colțurilor, filtrarea,
etc. Detecția marginilor, care a atras atenția a numeroși cercetători, este una dintre cele mai
importante arii din procesarea de nivel scăzut a imaginii, prezente în sistemele cu viziune
artificială. Detecția marginilor este importantă deoarece succesul procesării de nivel înalt se
bazează pe o bună identificare a marginilor. Multe dintre schemele de detecție a marginilor sunt
compuse din trei faze: filtrarea, diferențierea și detecția. [24]
În faza de filtrare imaginea este trecută printr -un filtru, pentru îndepărtarea zgomotului.
Zgomotul poate conduce la efecte nedorite introduse în prelevarea, cuantizarea, estomparea și
defocalizarea camerei, și la iregularități ale structurii suprafeței obiectelor.
Faza de diferențiere accentuează locațiile din imagine unde schimbările de inten sitate
sunt semnificative. În final, în faza de detecție, acele puncte unde schimbările de intensitate
sunt semnificative sunt localizate.[2 4]
Sarcinile de nivel scăzut ale viziunii artificiale , cum ar fi corespondența între imagini și
analiza mișcării, pot fi realizate pe baza procesării de nivel scăzut. Imagini le pot reprezenta
aceeași scen ă luată din diferite puncte de vedere, sau o scenă în mișcare preluată de o cameră
fixă, sau chiar ambele. Fără nici o exagerare corespondența între imagini este o par te de bază
pentru viziunea artificială.
Există două aspecte majore în procesarea de nivel mediu a viziunii artificiale , și anume:
deducerea geometriei și deducerea mișcării. Aceste două aspecte nu sunt independente, dar sunt
bine înrudite. Câteva elemente fundamentale ale viziunii geometrice includ geometria
multidimensională, structura din mișcare, care îndeplinesc pasul trecerii de la două dimensiuni(
2D) la trei dimensiuni( 3D), prin deducerea de informații de scene 3D din imagini 2D.
Mișcarea obiectelo r in 3D induce mișcarea în 2D în planul imaginii. Mișcarea este
numită flux optic. Fluxul optic poate fi utilizat pentru a calcula mișcarea în 3D, de exemplu
mișcarea de translație și mișcarea de rotație, și forma în 3D. Dintre metodele de calcul a fluxulu i
optic se amintesc: metoda Horn și Schunck, metoda Barnard și Thompson, corespondența
mișcării utilizând cadre multiple.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
16
Lumea este tridimensională, dar imaginile sunt bidimensionale, așadar o dimensiune se
pierde în procesul de proiecție. O sarcină impo rtantă în viziunea artificială este să se recupereze
a treia dimensiune de la o singură sau de la mai multe imagini.
Segmentarea poate fi bazată pe similarități spațiale și continuități. Totuși, incertitudinea
nu poate acoperi imaginea statică. Când consi derăm mișcarea continuă, sperăm ca
incertitudinea segmentării să poată fi diminuată. În vârful acesteia este urmărirea vederii și
capturarea mișcării vederii, care estimează mișcări 2D și 3D, incluzând mișcări deformante și
mișcări articulate.

Figura 1.3.3 Segmentarea imaginii [6 1]
În cazurile simple unde 𝑓(𝑥,𝑦) care conțin un singur obiect, imaginea cu nivel de gri
poate fi convertită într -o imagine binară corespondentă 𝐵(𝑥,𝑦). În această imagine binară
pixelii obiectului vor fi 1, iar pixelii corespunzători fundalului vor fi 0. Pentru a determina
imaginea binară trebuie să se utilizeze un prag P, după cum urmează:
𝐵(𝑥,𝑦)={1,𝑑𝑎𝑐ă 𝑓(𝑥,𝑦)<𝑃
0,î𝑛 𝑟𝑒𝑠𝑡. (1.1)
Câteva variații ale cazului de mai sus includ utilizarea a două praguri, 𝑃1 și 𝑃2, sau chiar
un interval de praguri, 𝑍= {𝑃1,𝑃2,…,𝑃𝑘}.
𝐵(𝑥,𝑦)= {1,𝑑𝑎𝑐ă 𝑃1<𝑓(𝑥,𝑦)< 𝑃2
0,î𝑛 𝑟𝑒𝑠𝑡 , (1.2)
𝐵(𝑥,𝑦)= {1,𝑑𝑎𝑐ă 𝑓(𝑥,𝑦)∈𝑍
0,î𝑛 𝑟𝑒𝑠𝑡. (1.3) [2 4]

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
17
Viziunea de nivel înalt se referă la deducerea semanticii, de exemplu, din recunoașterea
obiectelor și înțelegerea scenelor.
Există două părți legate de procesul de formare a imaginii:
– Geometria formării imaginii : determină unde este localizat un punct în planul de
proiecție.
– Fizica luminii : determină luminozitatea punctului in planul imaginii ca o funcție de
iluminarea scenei și de proprietățile suprafeței. Iluminarea scenei și a obiectului joacă un rol
important în procesul viziunii artificiale. Ținta ce ntrală este de a scoate vizual în evidență părțile
care sunt reprezentate încât imperfecțiunile, defectele și caracteristicile sunt accentuate. Dacă
deciziile de procesare și analiză a imaginii au fost făcute pe baza unui prag fix al intensității
luminoase atunci vor apărea probleme în situația în care iliminarea, și deci lumina reflectată, se
schimbă. De aici rezultă că sistemele de viziune artificială trebuie să fie capabile să se adapteze
la aceste schimbări. [31] În caz contrar, o alternativă la această metodă este asigurarea că gradul
de iluminare nu se schimbă( rămâne constant) pe parcusul întregului proces. ( Figura 1.3. 4)

Observator Raze de lumin ă incidente
Observatorul vede o reflexie a
unui singur punct Reflexia speculară

(a)

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
18

Observator Raze de lumină incidente
Observatorul vede lumina din
toate punctlee de pe suprafață Reflexia difuză
(b)
Figura 1.3. 4 Procesul de reflexie a luminii, reflexia speculară ( a), reflexia difuză( b)[49]

Tehnologia viziunii artificiale poate fi împărțită în șase etape:[2 5]
– Achiziția imaginii este primul pas în viziunea artificială, care realizează captarea
imaginii printr -un dispozitiv sau senzor și transformarea informației vizuale în informație
digitală. Pentru realizarea acestei sarcini două elemente sunt indispensabile: un dispozitiv fizi c
care este sensibil la o cantitate fizică și produce un semnal electric ca ieșire proporțional cu
nivelul de energie perceput, și un convertor analog numeric care să convertească ieșirea
electrică a senzorului într -o formă digitală. (Figura 1.3.5)

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
19

Imagine
Lentile
Filtru de culoare Senzor de
zgomot Senzor de
imagine Interpolarea
filtrulu de
culoare
Postprocesa re
Imagine digitală Memorie
Stocare
Artefact e de procesare și stoca re Artefacte de achiziț ie
Figură 1.3.5 Etapa de achiziție a imaginii [44]
– Preprocesarea – După ce s -au achiziționat imaginile, a doua etapă care trebuie realizată
este preprocesarea. Această procedură este responsabilă de prepararea imaginii astfel încât în
etapele următoare să se poată menține elementele conținute. Datele convertite de senz or au, de
cele mai multe ori, mult zgomot sau distorsiuni. Datele convertite sunt analizate pentru a realiza
corecția geometrică a distorsiunilor, calibrarea radiometrică și îndepărtarea zgomotului din
imaginea obținută. Aceste probleme sunt cauzate de dis torsiunea lentilelor, iluminare
inadecvată sau insuficientă, captarea improprie a senzorului sau de calitatea scăzută.În timpul
preprocesării poate fi realizată o clasificare inițială a obiectelor conținute, separându -le în clase
pentru a fi tratate mai tâ rziu. (Figura 1.3. 6)

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
20

Achiziția imaginii
Definirea
criteriilor de
calitate Preprocesarea
RGB YIQ
Baza de cunoț ințe
Criterii Formă
Dimensiune Culoare
Textur ă Suprafață Segmentare a
Defecte
Form ă
Culoare
Extragerea și selecția caracteristicilor Recunoașterea
Compararea
criteriilor Culoare Textur ă Valoarea medie
Extragerea
caract eristicilor Rotație
Scala
Translație

Figură 1.3.6 Etapa de preprocesare [45]
– Extragerea caracteristicilor – În timpul extragerii caracteristicilor sunt îndepărtate
informațiile redundante, reducând astfel cantitatea de date ce vor fi analizate. Cele mai utilizate
metode în această p rocesare sunt detecția marginilor, punctelor, culorilor, formelor și mișcării .
Faza de analiză a imaginii se ocupă cu extragerea de informații cu privire la conținutul imaginii,
de exemplu poziția obiectului, mărimiea, orientarea, etc.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1

21

Obiect
Achiziția imaginii
Procesarea imaginii
Analiza statistică
Ieșire
Calculator Camera
Iluminare
Model 1.Preprocesarea: înlăturarea zgomotului,
îmbunătățirea contrastului
2.Segmentarea
3. Etragerea caracteristicilor:
• Dimensiune: lungime, lățime, arie,
perimetru
• Formă: dependentă/independentă față
de dimensiuni
• Culoare: Variația culorii
• Combinații ale caracteristicilor de mai
sus.
Figură 1.3.7 Etapa de extragere a caracteristicilor [46]

Există o diferență fundamentală între procesarea imaginii și analiza imaginii. Procesarea
imaginii facilitează transformarea imaginilor în alte imagini ( mult mai calitative). De cealaltă
parte, analiza imaginii facilitează transformarea dintr -o imagine într -un set explicit de
informații.[3 0]
– Segmentarea este separarea unei imagini în mai multe regiuni utilizând una sau mai
multe caracteristici ale imaginii. În general, segmentarea automat ă este unul dintre cele mai
dificile sarcini ale procesării numerice a imaginilor. O procedură de segmentare a imaginii
realizată cu succes crește șansa de succes în rezolvarea problemelor care necesită obiecte sau
identificatori individuali. Cele mai util izate caracteristici în timpul procesului sunt segmentarea
prin regiuni și segmentarea prin contur.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
22

Figură 1.3.8 Etapa de segmentare a imaginii [47]
– Procesare de nivel înalt – Viziunea artificială permite luarea de decizii pe baza
informației extrase utilizând imaginile achiziționate. Aceste decizii sunt luate în timpul
procesării de nivel înalt, bazată pe un set de cunoștințe despre obiectele ce vor fi detectate.
Aceste deci zii pot fi luate doar cu caracteristicile găsite sau utilizând tehnici mult mai
complexe ale inteligentei artificiale pentru o implementare mult mai eficientă.
– Zgomotul este prezent în aproape toate imaginile obținute, variind în general în
intensitate. Originile sunt distincte, în principal: calitatea și senzitivitatea senzorului utilizat,
claritatea lentilei, condițiile de mediu, luminozitatea locală și poziția de capt are a imaginii.
Filtrele sunt utilizate pentru a îndepărta sau atenua zgomotul în achiziție și în dispozitivul
software. Intenția este să se ,,șteargă” imaginea astfel încât să semene cât de mult posibil cu
imaginea dorită, pierzând cât mai puțină informaț ie posibilă.
În viitorul apropiat se prevede un progres important al viziunii artificiale in domenii
precum interactiunea inteligenta om -calculator, robotică, medii virtuale, medii inteligente,
multimedia. Această perspectivă este prezentat ă schematic în f igura 1.3. 9.[23]
Cercetările în domeniul interacțiunii om -calculator nu sunt legate doar de proiectarea
dispozitivelor și experimentele psihologice asupra rezultatelor, ci evoluează către o nouă
țintă:interacțiunea inteligentă. Calculatoarele trebuie să fie capabile să acc epte intrări video și
audio, și apoi să facă anumite analize și interpretări, iar în final să furnizeze o reacție prin
vorbire sintetizată, video sau prin acțiuni. Ideea de bază este că în spatele recunoașterii vorbirii

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
23
calculatoarele ar trebui să fie capa bile să recunoască, să interpreteze și să înțeleagă acțiunile
umane și comportamentele prin intrările vizuale.
Mediile inteligente se referă la câteva spații fizice care ar putea automat sau inteligent
să reacționeze în concordanță cu activitățile omului. De exemplu, când o persoană intră într -o
încăpere sistemul ar putea să spună că o persoană a intrat și chiar să identifice cine este, și apoi
să aprindă luminile.

Învățare automată
Modelarea
recunoa șterii Inteligența
artificială Procesarea
limbajului Procesarea
imaginilor Viziunea
artificială
Grafica
computerizată Multimedia Interacțiunea
om-calculator Robotică Medii
virtuale Biomecanică Psihologie

Figură 1.3. 9 Prezentare schematică a interacțiunii dintr e viziunea artificială și alte domenii de
studiu [23]

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
24
Roboții au primit o bună abilitate matematică, dar ei sunt încă mașinării pentru că ei
încă nu sunt capabili să vadă , nici să gândească. De exemplu, Honda a construit un robot
umanoid, ASIMO, care poate merge la fel cum oamenii o fac. Așteptările sunt ca acest robot să
fie dezvoltat spre a fi văzut mergând singur.
În zilele noastre viziunea artificială este prezentă înt r-o mare varietate de aplicații din
lumea reală, cum ar fi:[2 8]
– Recunoașterea optică a caracterelor ( eng. Optical Character Recognition – OCR) –
reprezintă translatarea mecanică sau electronică a imaginilor cu scris de mână, tipărit sau printat
în text edi tabil. [3 1] (figura 1.3. 10)

Figură 1.3. 10 Viziunea artificială utilizată pentru recunoașterea optică a
caracterelor [32]

– Inspecția automată – inspecția automată a părților componente pentru asigurarea
calității utilizând iluminare specializată pentru măsurarea toleranțelor pe aripile aeronavelor sau
parților componente ale automobilelor sau pentru verificarea pentru defecte în prelucrarea
oțelului utilizând razele X.
– Producție – recunoașterea obiectelor pentru verificarea automată a benzilor.
– Construirea de modele 3D – sisteme complet automate de construcție a modelelor 3D.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
25
– Imagistică medicală – înregistrarea imagisticii înainte de operații și în timpul acestora
sau realizarea de studii pe termen lung legate de morfologia creierului uman la diferite
vârste.(figura 1.3. 11)

Figură 1.3. 11 Viziunea artificială utilizată în imagistica medicală [33]
– Siguranța automobilelor – detectează obstacole neașteptate, cum ar fi pietoni pe stradă,
în condițiile în care tehnicile de viziune activă, cum ar fi radarul, nu funcționează bine.
Cercetările în domeniul inteligenței artificiale, mai exact în subdomeniul viziunii artificiale, se
îndreaptă către producerea de mașini inteligente și mașini care se conduc singure. Capabilitățile
de ,,a simți” ale autovehiculelor, senzorii utilizați în camerele video, radarele, au făcut din acest
domeniu unul simplu și eficient. Dar, automobilele fără ș ofer, respectând multitudinea de
condiții impuse, sunt chiar mai dificile și provocatoare decât controlul unei nave spațiale. [29]
Vehiculele autonome pot salva vieți prin reducerea accidentelor și prin gestionarea
ambuteiajelor din trafic.(figura 1.3. 12)

Figură 1.3. 12 Viziunea artificială utilizată în siguranța automobilelor [34]

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
26
– Potrivirea mișcării – îmbinarea imagisticii generate de calculator (eng. Computer –
generated imagery – CGI) cu acțiunile din viața de zi cu zi prin urmărirea punctelor
caracteristice în înregistrarea video sursă pentru a estima mișcarea tridimensională a camerei și
,,forma” mediului.
– Captarea mișcării – utilizând marcatori retro -reflexivi preluați de la mai multe camere
sau alte tehnici bazate pe viziune pentru urmărirea actorilor pentru animațiile computerizate.
– Supraveghere – monitorizare pentru detectarea intrușilor, analiza traficului pe
autostrăzi, monitorizarea piscinelor pentru salvarea victimelor de la înec. (figura 1.3. 13)

Figură 1.3. 13 Viziunea artificială utilizată pentru monitorizarea piscinelor pentru salvarea
victimelor de la înec [35]

– Recunoașterea amprentei – pentru autentificarea automată la acces , de asemenea și
pentu aplicații medico -legale.(figura 1.3. 14)

Figură 1.3. 14 Viziunea artificială utilizată pentru autentificarea automată la acces utilizând
recunoașterea amprentei [37]
– Detecția feței – pentru a crește focalizarea camerelor. (figura 1.3. 15)

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
27

Figură 1.3. 15 Viziunea artificială utilizată pentru detecția feței [36]
– Autentificare vizuală – autentificarea automată a membrilor familiei la calculatorul casei
prin așezarea în fața camerei web.
Ochii sunt o bogată sursă de informație și joacă un rol crucial în furnizarea de context
și servesc drept mandatari pentru atenția și intenția omului. Ființele umane au privit mereu ochii
pentru a obține mai multe informații, așa cum este evidențiat prin interacțiunile noastre zilnice.
Există trei metode fundamentale prin care mișcările ochiului pot fi înregistrate
obiectiv.[39] [ 38]
Prima metodă este bazată pe un sistem mecanic ( sau hidraulic) atașat direct ochiului.
Aceasta era o metodă invazivă și a fost înlocuită imediat de celelalte două.
Metoda optică de înregistrare a rotațiilor ochilor este mai bine cunoscută. Reflexiile d e
pe cornee a unei surse de lumină este înregistrată. Există câteva dezavantaje ale acestei
proceduri. Capul este imobilizat și, în general, o puternică strălucire este furnizată de sursa de
lumină. Ochii trebuie ținuți deschiși pe parcursul înregistrării deoarece chiar și clipirile pot
altera o parte din înregistrare. Este necesar un sistem complicat dacă înregistrarea este făcută în
două meridiane, în loc de unul.
A treia metodă de înregistrare a mișcării ochiului, așa numita metodă electrică, nu are
niciunul din dezavantajele prezentate mai sus. Acuratețea și precizia acestei metode este, încă,
un subiect care este deschis spre dezbatere.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
28
Eye tracking -ul este o tehnologie care pune utilizatorul în controlul dispozitivelor sale,
prin utilizarea ochilor săi, asemănător cu modul natural de interacțiune dintre el și dispozitive.
Un dispozitiv sau un computer echipat cu un dispozitiv eye tracker ,,știe” intențiile
utilizatorului deoarece modul de privire este o aproximare bună a ceea ce gândește
utilizator ul.[50]
Multe dintre sistemele eye tracker moderne urmăresc neinvaziv ochii utilizatorului prin
reflectarea unei lumini infraroșii pe ochi și detectează poziția acestor refle xii pentru a localiza
unde este irisul fixat. [49]( Figura 1.3.1 6)

Figura 1.3.1 6 Variante de vizualizare a ochiului, întunecat(stânga) și luminat (dreapta) [51]
Sistemele eye tracker sunt disponibile în două variante:
– varianta de sistem cu capul fixat (eng. Head Fixed System) ;(Figura 1.3.1 7)

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
29

Figura 1.3.1 7 Sistem eye tracker în varianta cu capul fixat [57]

– varianta de sistem montat pe cap (eng. Head Mounted System) .(Figura 1.3.1 8)

Figura 1.3.1 8 Sistem eye tracker în varianta montată pe cap [58]

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
30
Superioritatea sistemelor montate pe cap este evidentă. Pentru susținerea acestei idei
sunt amintite următoarele avantaje : [53] [54][55]
– sistemul este ușor de utilizat, acest sistem nu necesită utilizatorului o experiență de training
anterioară ;
– informațiile legate de mișcarea ochilor sunt preluate în timp real ;
– pentru une le aplicații nu necesită calibrare ;
– funcția auto -threshold adaptează rapid valorile de iluminare de prag pentru a deosebi pupila
și reflexia ;
– poate determina automat unde este concentrat interesul utilizatorului ;
– poate prezenta intensitatea atenției cu care utilizatorul privește spre ecran;
– kit-ul de dezvoltare puternic permite cu ușurință interfațarea cu alte aplicații;
– analiză grafică a datelor culese cu o reprezentare fixată în timp;
– prezentarea ușoară a stimulilor, pentru experimente ;
– datele culese prezintă coordonatele bidimenionale ( X, Y) ale poziției ochiului, mărimea
pupilei și distanța până la ecran.
Dintre dezavantajele acestui sistem se remarcă: [54] [55][56]
– costul ridicat al sistemului;
– unii utilizatori nu pot folosi acest e chipament, este vorba de persoanele care poarta lentile de
contact, ochelari, au gene foarte lungi etc. ;
– pentru aplicațiile în care este necesară calibrare aceasta ocupă o perioadă mare de timp. Acest
aspect poate determina utilizatorul să nu mai utilize ze dispozitivul.
– precizia este de ordinul centimetrilor .
Varianta de sistem cu capul fixat prezintă următoarele avantaje: [54]
– ușurința de instalare ;
– prezentarea ușoară a stimulilor;

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
31
– oferă o analiză a datelor;
Dezavantajele variantei cu capul fixat sunt: [59]
– necesită un număr mare de teste pentru cuantificarea de rezultate notabile;
– mediul de test este limitat, limitând astfel și comportamentul utilizatorului;
– unele sisteme necesită camere web, care scad precizia .

1.4 Concluzii
Sistemele eye tracker ,,înțeleg” intențiile utilizatorului cunoscând spre ce este ghidata
atenția utlizatorul ui în orice moment al utilizării dispozitivului.
Utilizând sistemele eye tracker în varianta montată pe cap se pot crea noi experiențe
pentru util izator prin combinarea dispozitivului cu alte modalități de intrare, cum ar fi, tastatura,
mouse -ul, joystick, touchpad și comenzi vocale.
De asemenea , interfețele utilizatorilor pot fi mult mai naturale și captivante, termenul
folosit în cercetările din domeniu este ,,umanizate”, decât interfețele convenționale. De
exemplu, de fiecare dată când dă click pe o iconiță utilizatorul a privit -o înainte, iar dacă
calculatorul ,,știe” unde utilizatorul privește nu mai este nevoie să folosească mouse -ul pentru
a-i ,,arăta” asta.
Sistemele eye tracker în varianta montată pe cap atribuie utilizatorului controlul cât mai
fin asupra aplicației, fără un efort din partea sa.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
32
Capitolul 2 : Prezentare generală a dispozitivului de urmărire a
mișcării ochilor Arrington Research

2.1 Prezentare generală
EyeTracker -ul Arrington Research a fost co nceput pentru a fi cel mai bun de pe piață la
momentul lansării sale. Dintre caracteristicile care îl recomandau pentru ace astă poziție se
remarcă faptul că este foarte ușor de utilizat, este fiabil și est robust.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
33

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
34

Figura 2.1.1 Conținutul pachetului livrat de Arrington Research
ViewPoint EyeTracker furnizează un mediu complet de evaluare a mișcării ochilor ,
incluzând prezentarea integrată a stimuli lor, mișcarea simultană a ochilor și monitorizarea
diametrului pupilei , dar și un kit de dezvoltare software pentru comunicarea cu alte aplicații.
[40]
Încorporează câteva metode de la care utilizatorul poate selecta să optimizeze sistemul
pentru o aplicație particulară. Oferă mai multe metode de cartografiere a semnalelor de poziți e
extrase din imaginea video segmentată în coordonatele EyeSpaceTM , către punctul dorit de
participant, în GazeSpaceTM.[40]

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
35
În diagrama de mai jos(figura 2.1 .1) se prezintă anatomia ochiului pentru a ușura
înțelegerea termenilor utilizați în prezentarea dispozitivului.

Figură 2.1.1 Vedere transversală asupra ochiului [40]
Ochiul este un organ a cărui principală funcție este cea de a detecta lumina. Se compune
dintr -un sistem sensibil la schimbările de lumină, capabil să le transforme în impulsuri
nervoase. Ochii simpli nu fac altceva decât să detecteze obiectele din jur, care sunt luminate
sau obscure. [40]
Ochiul funcționează prin proiectarea imaginilor pe o retină sensibilă la lumină, de unde
se transmite un semnal spre encefal prin intermediul nervului optic. Ochiul are o formă sferică,
este umplut de o substanță transparentă, gelatinoasă, numită umoare vitroasă, are o lentilă de
focalizare numită cristalin și, adeseori, un mușchi numit iris, care reglează cantitatea de lumină
care intră. [40]
Lumina pătrunde prin partea din față a ochiului printr -o membrană transparentă numită
cornee, înconjurată de o zonă numită albul ochiului sau sclerotică. În spatele corneeei se găsește
irisul, un disc colorat (acesta are un caracter unic pentru fiecare individ). Între cornee și iris
există un lichd numit umoare apoasă. Irisul este perforat în centru de un orificiu de culoare
neagră, denumit pupilă. Pentru ca ochiul să nu fie deteriorat, atunci când lumina este foarte

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
36
puternică, pupila se contractă ( și prin urmare se micșorează), iar în caz contrar, atunci când
este întuneric, pupila se mărește. În continuare, lumina traverseaza cristalinul, acesta având
funcția de lentilă biconvexă, apoi umoarea sticloasă, în final imaginea fiind proiectată pe o
membrană numită retină. O membrană subțire, transparentă, denumită conjunctivă, căptușește
interiorul pleoapelor și o parte din sclerotică. [40]
În cazul ochiului emetrop ( vedere normala) imaginea se formează pe retină. Un obiect
situat la o distanță mai mare necesită mai puțină refracție decât unul situat la o distanță mai
mică. Cel mai mare procentaj din procesul de refracție are loc în cornee, restul refracției având
loc în cristalin. [40]
De exemplu, un subiect luminat reflectă raze luminoase, dar proiectând direct aceste
raze pe un ecran observăm că acestea nu formează o imagine clară și bine definită. Razele
proiectate de subiect nu sunt coerente, se împrăștie în toate direcțiile intersectându -se în drumul
lor cu razele reflectate de ecran, obținându -se un haos luminos, adică pe ecran nu se form ează
puncte corespondente punctelor care definesc subiectul.

Figura 2.1.2 Formarea imaginii subiectului bazată pe refracție [62]
Pentru formarea corectă a imaginii este necesar un dispozitiv care să focalizeze razele
emise de subiect. Acest dispozitiv poartă denumirea de sistem focal, lentilă sau obiectiv.
În figura 2.1.3 este reprezentat un sitem care realizează focalizarea razelor emise de
subiect ( sistem focal).

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
37

Figura 2.1.3 Sistem focal [62]
Pentru comparație se prezintă în figura 2.1.4 un sist em care nu realizează focalizarea
(sistem afocal).

Figura 2.1.4 Sistem afocal [62]

Utilizându -se sistemul focal, prezentat în figura 2.1.3, imaginea subiectului, din
figura 2.1.2, este reprezentată ca în figura 2.1.5.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
38

Figura 2.1.5 Reprezentarea imaginii subiectului utilizând sitemul focal [6 2]
Lumina trece prin mediile transparente (cornee, umoare apoasă, umoare sticloasă) și
cristalin și formează o imagine rasturnată pe retină. Pe retină, celulele specializate transf ormă
imaginea în impulsuri nervoase. Acestea ajung prin nervul optic până la regiunea posterioară a
creierului. Acesta din urmă interpretează semnalele printr -un mecanism complex care implică
milioane de neuroni. [41]
În figura 2. 1.2 se prezintă funcționarea EyeTracker -ului într -o configurație fixată pe
cap.Numerele din această secțiune se referă la elementele sau numerele bloc din figură. [40]
Sursa de lumină în infraroșu ( item 1) servește și pentru iluminarea ochilui ( item 2) și,
de asemenea, furnizează o reflecție speculară de la suprafața ochiului la cornee. [40]
În modul întunecat al pupilei, pupila acționează ca un recipient infraroșu, care apare ca
o gaură neagră. În modul luminat al pupilei, efectul ochiului roșu face ca pupila să apară mai
deschisă decât irisul.( De notat faptul că sunt necesare configurații diferite de camera și
iluminator pentru operația cu pupila luminată). [40]
Semnalul video de la cameră(item 3) este digitalizat de dispozitivul de capturare
video(item 4) într -o formă care poate fi înțeleasă de calculator. Calculatorul ia imaginea
digitalizată și aplică algoritmii de segmentare a imaginii (item 5) pentru localizarea ariilor
pupilei și luminozitatea reflexiei corneei. Procesarea adițională a imagin ii (item 6) localizează
centrul acestor arii și, de asemenea, calculează vectorul diferență între locațiile centrului. O
funcție de mapare (item 7) transformă semnalele de poziție ale ochiului (item 6) în coordonate
EyeSpace ale coordonatelor subiectului G azeSpace(item 8). În continuare programul testează
să determine unde este punctul de gaz în interiorul oricărei alte regiuni de interes ( ROI – eng.
region of interest ) pe care utilizatorul le -a definit. [40]

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
39
Sistemul de calibrare (item 12) poate fi utiliza t să prezinte calibrarea stimulilor pentru utilizator
și măsurarea semnalelor poziției ochilor (item 6) pentru fiecare punct stimul. Aceste informații
sunt apoi utilizate de sistemul de calibrare pentru a calcula o funcție de mapare optimă pentru
maparea p oziției gazului în GazeSpace (item7). [40]

Figura 2. 1.2 Funcționarea eye tracker -ului în varianta montată pe cap [40]

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
40
2.2 Lumina infraroșie
Valoarea de utilizare a luminii infraroșii este ilustrată în figura 2. 2.1. Partea stângă a
imaginii prezinta o imagine în lumina normală, în acest caz pupila ochiului este aproape
imposibil de disociat de irisul întunecat. [40]

Figura 2. 2.1. Vizualizarea ochiului utilizând lumina infraroșie [40]

Partea dreaptă a figurii pr ezintă o imagine a aceluiași ochi, dar văzută cu o cameră
senzitivă cu infraroșu sub condiții de iluminare cu infrarosu, pupila fiind ușor de deosebit. De
notat faptul că în fiecare caz subiectul poartă o lentilă de contact. [40]
Problema limitelor de sig uranță a radia țiilor este frecvent discutat ă. 10mW/cm2 este,
probabil , cea mai mare valoare de expunere a corneei o perioadă îndelungată. Aceste limite
trebuie să fie respectate pentru a se asigura siguranța subiectului. [40]
ISO/DIS 10342 dă fondul maxim de radiații recomandat pentru utilizarea în
instrumentele oftalmologice de 120 mW/cm2, dar această valoare este pentru o expunere
scurtă. [40]
Arrington Research asigură toți utilizatorii că sistemele de iluminare cu infraroșu (IR)
sunt proiectate astfel încât să se încadreze în limitele de siguranță ale expunerii.
2.3 Maparea în GazePoint
Maparea în GazePoint este, de obicei, necesară pentru a determina unde se uită o
persoană, pentru determinarea punctului de gaz , numit, de asemenea, și punctul dorit. ( Figura
2.3.1.)Această activitate este realizată prin utilizarea unei funcții matematice pentru maparea

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
41
semnalului poziției ochiului în coordonate EyeSpace ale unei imagini video a punctului de gaz
în coordonate GazeSpace ale stimulului vizual. [40]
Exist ă mulți algoritmi care pot fi utilizați pentru realizarea mapării și mulți dintre ei
sunt deținuși de companii. Pe departe, cei mai buni algoritmi sunt non -liniari. Aceasta este
pentru că mișcările ochiului sunt de rotație, de exemplu, translatia semnalulu i poziției ochiului
care apare pe cameră este o funcție trigonometrică a unghiului de gaz al subiectului. [40]
Mai mult, unghiul camerei poate furniza o linie oblică pe suprafață. ViewPoint
EyeTracker angajează una dintre cele mai puternice și robuste metode disponibile. [40]

Figura 2. 3.1. Maparea unei pagini web [60]
2.4 Interfețe
Există multe moduri de interfațare cu EyeTracker -ul ViewPoint pentru sincronizarea
datelor, comunicație și control: [40]
– Interfața grafică cu utilizatorul – Graphical User Interface (GUI);

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
42
– Interfața cu lini a de comand ă – Command Line Interface (CLI). EyeTracker -ul
furnizează o interfață cu linia de comandă care permite utilizatorilor să controleze orice aspect
legat de program. Acesta este constituit dintr -un set de instrucțiuni și de parsatorul de linie de
comand ă (eng. Command Line Parser – CLP) , care interpretează instrucțiunile. Fiecare
instrucțiune începe cu un termen cheie (eng. KeyTerm) și poate fi urmată de unul sau mai multe
argumente(eng. Arguments).
Liniile de comandă pot conține instrucțiuni succesive sep arate de punct și virgulă sau
grupate în acolade.
Câteva comenzi cer argumente. Argumentele valide includ: [40]
– boolean : poate fi unul dintre urmatoarele: yes, no, true, false, on, off, 1, 0, toggle.
– integer : trebuie să fie biți numerici, pot include și + sau -. De notat faptul că semnul negativ
poate fi, de asemenea, folosit pentru a specifica direcția de schimbare pe liniile TTL, așadar, –
0 indica o tensiune căzătoare pe canalul 0 și +0 indică o tensiune cresc ătoare pe canalul 0.
– float: trebuie să fie biți numerici, pot include +, -, ., ; de exemplu : 0.75.
– string : un set de caractere ASCII afișabile în interiorul ghilimelelor. De exemplu: ” This //,
that }, the : other”.
– Kit-uri de dezvoltare software – Software Development Kit (SDK). Software -ul
ViewPoint include un puternic kit de dezvoltare software care permite interfațarea cu
ViewPoint în timp real, dând acces de timp real pentru toate datele ViewPoint. Interfața SDK
se bazează pe o memorie partaj ată într -o bibliotecă dinamică(Dynamic -link library –
DLL). SDK -ul este condus de evenimente/mesaje astfel încât nu există nici o încărcare de
procesor și oferă o latență de o microsecundă. Furnizează pentru calibrare stimuli în fereastra
stimulilor utilizat orului, sau în aplicația utilizatorului de trasare în stimulii ViewPoint și
ferestrele GazeSpace.
– ViewPoint Client este un program care rulează pe un calculator de control , aflat la
distanță, și care comunică cu mediul ViewPoint EyeTracker . Interfațează cu o copie a DLL și
schimbă date cum face ViewPoint, dar de obicei ia mai puțin de un procent din resursele CPU.
Asta înseamnă că aceleași aplicații startificate pot fi utilizate pe un calculator controlabil la fel
de ușor ca același calculator. ViewPoint include și un server Ethernet, ViewPointClient
stabilind o legatura cu acest server. ViewPointClient pentru PC si MAC este inclus gratuit cu
ViewPoint.
– Interfețe de a treia generație – Third Party Interface. Integrity este un pachet de interfețe
între EyeT racker -ul ViewPoint și aplicații de a treia generație, care este furnizat de Arrington

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 1
43
Research, INC. pentru a asigura calitatea profesională, uniformă și completă cu produsel e
favorite ale utilizatorilor .
Acestea furnizează acces la date, completează c ontrolul eye tracker -ului și integrarea și
sincronizarea datelor, toate în timp real. Integrity este inclus gratuit în ViewPoint. [40]
Interfețele includ:ViewPoint EyeTracker toolbox pentru MATLAB, EBasic Interface
pentru E -Prime, LabView, Python, Presenta tion.[40]
În tabelul următor ( tabelul 2. 4.1) se scot în evidență caracteristicile fiecărei variante de
EyeTracker. [40]
Sistem SceneCamera Sistem Sistem cu capul
fixat
(Head fixed
System ) Sistem montat pe
cap
(Head mounted
System )
Descriere Optiunea SceneCamera permite
utilizatorilor ViewPoint
EyeTracker sa urmareasca
pozitia gazului pe un video real.
Nu este necesar un urmaritor al
capului pentru a obtine pozitia
ochiului, calibrarea este
respectand camera care se misca
cu subiectu l.
Subiectul se misca liber
imprejur. Sistemele
ViewPoint
EyeTracker fixat pe
cap sunt perfecte
pentru psihofizica,
studii EEG etc. care
necesita o pozitie
stabila a vederii sau
restrictii ale
miscarilor capului.
Calibrarea este
realizata
respectand un e cran
de computer sau un
ecran proiectat.
Capul subiectului
trebuie sa ramana
fixat pe intreaga
durata a calibrarii si
colectarii
informatiilor.
Procedurile pentru
setarile tintite ale
camerei sau pentru
sistemul cu camera
montata pe birou
sunt aceleasi. Calibrarea este
realizata
respectand afisarea
sistemului fixat pe
cap.
Subiectul este liber
sa se miste
imprejur.

44
Calibrare Calibrarea este realizata relativ
la pixelii matricii CCD, nu la
continutul imaginii. Acesta este
analog calibrat relativ la ecranul
CRT si nu la imaginea afisata pe
acesta.
Utilizati caracteristica Re –
Present pentru calibrarea
individuala a imaginii scenei.
Calibrarea
automata pe ecran. Calibrare automata
pe ecran.
Iesire AVI 2.0 iesirea film de la
scenele camerei aratand pozitia
gazului desenat pe acesta.
Corespunde la fisierele de date
ASCII. Fisierele in format
ASCII arata pozitia
relativa a gazului la
terminarea
calibrarii pe ecran. Fisierele in format
ASCII arata
pozitia gazului
raportata la
ecranul HMD.
Tabelul 2.1 Caracteristicile fiecarei versiuni de eye tracker [40]
Există mai multe opțiuni pentru vizualizarea datelor înregistrate, incluzând: [4 0]
– în timp real în ferestrele software -ului (GazeSpace);
– utilizând programul de analiză a datelor furnizat gratuit cu ViewPoint;
– analiză post -hoc a fișierelor de date ASCII utilizând programele Excel, MATLAB,
Mathematica etc.
2.5 Prezentare ecran principal

Figura 2.5.1 Fereastra de start a aplicației ViewPoint EyeTracker

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
45

După lansarea în execuție a programului ViewPoint EyeTracker, e cranul de start arată
ca în figura 2.5.1 și cuprinde următoarele ferestre:
– EyeCamera – Această ferestră afișează imaginea video a ochiului și face o analiză
grafică a imaginii, identificând printr -un cerc unde este localizat irisul .

(a)

Ajust area zonei
de căutare a
pupilei
Blocarea ajustării
zonei de căutare
Comutarea la afișarea
punctelor de prag
Înghțarea înregistrării
video
Controale pentru
înregistrarea video

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
46

(b)

(c)
Figura 2.5.2 (a)Fereastra EyeCamera din programul ViewPoint EyeTracker cu privirea
centrată, (b)privirea orietată în partea stângă și privirea orientată în partea dreaptă
În imaginile de mai sus s -au prezentat ecranele ViewPoint, scoțându -se în evidență
fereastra EyeCamera atât pentru situația în care subiectul privește în partea stângă( a), cât și în
partea dreaptă(b).

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
47

– EyeSpace – Această fereastră reprezintă geometria imaginii prezentate în fereastra
anterioa ră. De asemenea, în această ferestră se afișează un vector al poziției relative a locațiilor
pupilei sau un vector de diferență, care este obținut în timpul calibrării.

Figura 2.5.3 Fereastra EyeSpace din programul ViewPoint EyeTracker
– GazeSpace – În această fereastră se reprezintă în miniatură stimulii, pentru a permite
celui care face înregistrarea să monitorizeze mișcarea ochilor în timpul înregistrării.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
48

Figura 2.5.4 Fereastra GazeSpace din programul ViewPoint EyeTracker
– Controls – Această fereastră permite celui care efectuează înregistrarea să ajusteze
setările parametrilor de analiză și de mapare a imaginii.

Figura 2.5.5 Fereastra Controls din programul ViewPoint EyeTracke r
Tab-ul Eye permite efectuarea de ajustări ale calității imaginii ochiului și specificarea
metodei de urmărire.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
49

Tab-ul Criteria furnizează câteva criterii pentru acceptarea și îndepărtarea datelor.
Utilizând aceste criterii în permanență și cu atenție, poate fi crescută substanțial performanța în
diferite situații.
Criterii care depind de caracteristici Criterii care depind de mișcare
Lățimea minim ă a pupilei
Lățimea maxim ă a pupilei
Rata de aspect a pupilei Drift
Pragul vitezei sacadate
Durata minim ă de fixare
Tableul 2.5.1 Diferite tipuri de criterii
Tab-ul Display specifică informații de afișat în ferestrele Stimulus și GazeSpace.
Tab-ul Regions setează regiunile de interes( Regions Of Interest – ROI) și execută
calibrarea acestor regiuni.
Tab-ul Scene adaptează luminozitatea, contrastul, saturarea etc. imaginii scenei.
Tab-ul 3D este disponibil doar pentruoptiunea de spațiu de lucru tridimensional(3D –
WorkSpace) .
Tab-ul Record prezintă o soluție ușoară și rapidă de deschidere, pauzare și închidere a
fișierelor de date.
– Status – Această fereastră oferă informații despre performanțele de procesare și
măsurări.

Figura 2.5. 6 Fereastra Scene din programul ViewPoint EyeTracker

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
50
– Stimulus – Această fereastră prezintă exact ceea ce subiectul vede, fiind proiectată să fie
prezentată pe întreg ecranul, de preferat pe un monitor secundar.
– PenPlot – Aceast ă fereastră trasează grafice în timp real, de exemplu: poziția pe X și pe
Y a irisului, viteza de mișcare a ochiului, lațimea pupilei, identificarea evenimentelor în timpul
înregistrării( se identifică atunci când subiectul clipește), etc. Informațiile prezentate sub formă
de grafice pot fi selectate de utilizator din meniul din fereastra principală.

Figura 2.5. 7 Fereastra PenPlot din programu l ViewPoint EyeTracker
Se poate observa cu ușurință că această fereastră este foarte utilă pentru reprezentarea
caracteristicilor ochiului. D e exemplu, primele două elemente sunt legate de localizarea irisului
în planul bidimensional XOY.

Figura 2.5.8 Coordonatele X și Y ale punctului în care este localizat irisul

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
51

În acest exemplu coordonatele pozi ției irisului, la momentul înregistrării, sunt: pe axa
X ,0. 49, iar pentru axa Y, 0. 55.
Identificarea clipirilor subiectului pot fi făcute în mai multe câmpuri din fereastra
PenPlot. Ținând cont de exemplul prezentat anterior, clipirile se identifică în u rmătoarele
câmpuri, în regiunile evidențiate:

Figura 2.5.9 Identificarea clipirilor subiectului
Există un câmp cu funcționalitate specială de identificare a clipirilor( Pupil
Aspect(Blinks)), în timp ce celelalte câmpuri au funcțiuni diferite, dar se pot extrage și
informații despre acest aspect.

2.6 Poziționarea camerelor
Pentru preluarea corectă a informațiilor există o serie de instrucțiuni pentru poziționarea
corectă a camerelor. În general, ochiul ar trebui să se potrivească astfel încât colțurile ochiului
să fie situate pe laturile ferestrei. [40]

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
52

2.6.1 Poziționarea camerelor QuickClamp
În cazul utilizării hardware -ului HeadLock sau QuickClamp s -au enunțat următoarele
instrucțiuni pentru poziționarea corectă a camerei și a LED -ului:[40]
1) Se poziționează camera cu aproximativ 40, pînă la 45 de grade, sub linia vizuală a
subiectului(privită din lateral) și la distanța corespunzătoare față de ochi (aproximativ 4 -7 cm
de ochi).
2) Se poziționează LED -ul astfel încât să apară la ora 11, pentru ochiul drept, și ora 1,
pentru ochiul stâng atunci când se privește la obiectivul camerei astfel încât suprafața superioară
a LED -ului și a obiectivului camerei să fie de -a lung ul aceluiași plan orizontal.
3) Camera trebuie sa fie deplasată în poziție laterală astfel încât LED -ul să fie centrat de -a
lungul axei optice a ochiului, în timp ce ochiul se uită în centrul afișajului. Cu alte cuvinte, dacă
subiectul privește în jos, ar tre bui să se uite la LED, nu la obiectivul camerei. Mișcarea relativă
dintre cap și EyeCamera trebuie să fie redusă la minimum, ceea ce reprezintă scopul sistemelor
de poziționare Arrington Research Head Precision Head ( QuickClamp și HeadLock) și al
sistemu lui de camere.

2.6.2 Poziționarea camerelor EyeFrame
Pentru aceste camere instrucțiunile de poziționare sunt: [40]
1) Ochelarii EyeFrame se poziționează pe subiect;
2) Se restrânge cureaua pentru a minimiza mișcarea capului;
3) Se utilizează clema de prindere pen tru a reduce greutatea cablurilor și răsucirea acestora;
4) Se reglează poziția EyeCamera atunci când subiectul privește în față și globul ocular
umple zona maximă posibilă ;
5) Lentilele de pe camera EyeFrame pot fi rotit e de multe ori, manual, prin prinderea p ărții
lentilei care se extinde de carcasă.
6) Se defocalizează aparatul foto astfel încât luminozitatea corneei să se extindă până la
dimensiunea a opta (sau mai mult) a pupilei. Pe lângă faptul că efectul de luminozitate este mai
mare, defocalizarea scade și intensitatea reflecțiilor extra luminoase (datorită funcției de
extindere a punctului). Defocalizarea poate fi realizată prin rotirea obiectivului camerei sau prin
reglarea b arei de transmisie pentru a poziționa camera mai aproape sau mai departe de ochi.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
53
2.7 Calibrarea
Pentru calibrarea sistemului, fie el în varianta cu capul fixat sau varianta montată pe cap,
se recomandă de către producător utilizarea a cel puțin 9 puncte de calibrare, având în vedere
că 16 puncte de calibrare furnizează o calitate foarte bună. Calibrarea presupune pargurgerae
unor etape care țin de fixarea ochilor, poziția capului, distanța față de ecran, lu minozitate, în
general, de aspectele care pot influența înregistrarea mișcării ochilor.[4 0]

2.7.1 Calibrarea camerelor fixate pe cap
Pentru sistemul HeadLock, QuickClamp, sistemul de la distanță sau alte sisteme în care
se fixează camerele pe cap, se p oziționează monitorul pe care va fi afișată fereastra Stimuli
astfel încât subiectul să privească înainte, poziția privirii lor este aproximativ două treimi din
calea spre monitorulu vertical, centrat orizontal. Fereastra Stimuli trebuie plasată astfel înc ât
subiectul să poată vedea cu ușurință atunci când este poziționat confortabil. Acest lucrueste cel
mai bine realizat folosind un al doilea monitor și un afișaj pe ecran complet a ferestrei
Stimuli. [40]
După îndeplinirea acestor cerințe introductive, pen tru calibrarea sistemului trebuie
realizate următoarele sarcini: [40]
1) Se avertizează subiectul asupra debutului stimulilor de calibrare pentru a asigura o
calibrare reușită.
2) Subiectul va învăța să primească direct în centrul fiecărui stimul până când acesta
converge într-un punct. Implicit este ca punctele de stimulare să apară în ordine aleatorie.
3) Se pornește calibrarea apăsând butonul Auto -Calibrare din fereastra EyeSpace. Mesajul
de avertizare ,,Pregătește -te” va apărea pe ecran pentru a atrage atenția su biectului asupra
începutului procesului de calibrare. Acest lucru poate fi oprite sau timpul de afișare ajustat prin
opțiunea Avansat din fereastra EyeSpace.
4) În timpul procesului de calibrare, trebuie să existe siguranța că pupila este localizată cu
preciz ie în orice moment, monitorizând punctele verzi și ovalul galben, adică monitorizând
segmentarea imaginii.
5) Se verifică calibrarea utilizând graficul punctelor de calibrare din fereastra EyeSpace.
Etalonarea reușită va fi indicată printr -o configurație rectilinie și bine separată de puncte verzi
corespunzătoare locațiilor pupilei în momentul capturării punctului de calibrare.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
54
6) Punctele răzlețe de calibrare pot fi identificate ;i recalibrate sau omise. Glisorul pu nctului
de date din fereastra EyeSpace permite utilizatorului s[ selecteze punctele de calibrare pentru a
fi recalibrate. Punctul activ de date este bine evideníat grafic. Punctele de date pot fi de
asemenea selectate cu mouse -ul făcând click st ânga pe pun ctul de calibrare.
7) Se selectează punctele răzlețe de calibrare făcând click pe butonul stâng al mouse -ului
în punctul de calibrare din fereastra EyeSpace.
8) Se ghidează subiectul să privească centrul stimului și să reprezinte punctul de calibrare
apăsând but onul ,,re -present” în fereastra EyeSpace. Mesajul de avertizare ,,Pregătește -te” va
apărea pe ecran în locația punctului de calibrare pentru a atrage atenția subiectului asupra
locației de reprezentare. Acest lucru poate fi oprit sau timpul de afișare poat e fi ajustat prin
secțiunea ,,Avansat” din fereastra EyeSpace. Acest exercițiu poate fi repetat cu cât mai multe
puncte de linii de trecere, atunci este necesară o recalibrare completă.
9) Dacă un anumit punct nu poate fi recalibrat, se selectează acel punct și se apasă butonul
,,Omit”.
10) O verificare rapidă a corectitudinii calibrării poate fi făcută prin solicitarea subiectului
de a privi anumite puncte ale stimulului și de a folosi fereastra GazeSpace pentru a verifica dacă
punctul de vedere corespunde punct elor examinate .

2.7.2 Calibrarea camerei de poziție
Calibrarea camerei este efectuată în raport cu pixelii matricei CCD( charged -coupled
device – dispozitiv cu cuplaj de sarcină) , nu cu conținutul imaginii. Acest lucru este similar cu
calibrarea în raport cu ecranul CRT( Cathode Ray Tube – Tub catodic) și nu cu imaginea afișată
pe acesta. [40]
După ce s -a realizat o bună segmentare a imaginii, se efectuează următoarele etape de
calibrare a camerei de poziție: [40]
1) Se selectează elementul din meniu: Stimuli -> Vizualizare -> Camera de poziție. Acest
lucru va determina afișarea camerei în fereastr a GazeSpace. Se va modifica, de asemenea,
modul de calibrare pentru fixare și inc rementare și se determină afișarea matricei punctului de
stimulare a calibrării în fereastra GazeSpace.
2) Se reglează camera de poziție astfel încât centrul câmpului vizual al subiectului să fie
în centrul imaginii.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
55
3) Dacă este necesar, se reglează luminozitatea și contrastul imaginii camerei de poziție
utilizând fereastra de control. Se reduce luminozitatea astfel încât supraputerile să f ie vizibile.
4) Subiectul trebuie să stea confortabil și să rămână nemișcat pe durata procesului de
calibrare. În timpul acestui proces nu ar trebui să privească ecranul.
5) Se poziționează un pix sau degetul în fața subiectului astfel încât vârful să apară în
fereastra GazeSpace din cercul de calibrare activ( albastru).
6) Se va cere subiectului să își miște ochii , păstrând capul în așa fel încât pixul să rămână
în punctul de calibrare activ.
7) După ce subiectul privește punctul, se selectează butonul ,,Re -present” d in fereastra
EyeSpace. Asteriscul de pe acest buton indică modul de prezentare ,,snap”, iar ++ indică ,,auto –
increment”.
8) Se repetă pașii 5 -7 cu fiecare punct de calibrare activ până când se termină setul.
9) Se consultă graficul punctelor de calibrare din fer eastra EyeSpace. Etalonarea reușită va
fi indicată printr -o configurație rectilinie și bine separată se puncte verzi corespunzătoare
locațiilor pupilei în momentul capturării punctului de calibrare. Curbarea uniformă a câmpului
de puncte este acceptabilă.
10) Punctele de date de calibrare pot fi identificate și recalibrate. Se selecteaza punctul de
calibrare răzleț, făcând click pe butonul stâng al mouse -ului în punctul din fereastra EyeSpace.
Punctul activ de date este bine evidențiat grafic.
11) Se repetă pașii 5 -7 pentru punctul de calibrare răzleț.Acest exercițiu poate fi repetat cu
cât mai multe puncte de calibrare după cum este necesar.Dacă punctele de calibrare nu sunt
rectilinii, de exemplu, există linii de trecere, este necesară o recalibrare completă.
12) O ve rificare rapidă a preciziei de calibrare poate fi făcutî prin solicitarea subiectului să
privească anumite puncte ale stimulului și, folosind fereastra GazeSpace, pentru a verifica dacă
punctul de vedere corespunde punctelor examinate.
13) O declarare consecventă în poziție poate fi corectată utilizând caracteristica de corectare
a alunecării. Se selectează un punct de calibrare din mijlocul grupului. Se repetă pașii 5 -7 de
mai sus, dar apăsând pe butonul Slip -Correction în loc de butonul ,,Re-present”.Aceasta
ajustează automat calibrarea pentru a compensa alunecarea măsurată în planurile X și Y .

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
56

2.8 Localizarea pupilei
Fereastra EyeCamera afișează imaginea video a ochiului, precum și grafica suprapusă,
care furnizează grafic informații despre segmentarea imaginii și despre performanță. Graficele
suprapuse includ: [40]
• Rezultatele pragurilor ( de exemplu, puncte verzi pentru a indica zone întunecate);
• Rezultatele locației pupilei și ale calculului diametrului ( potrivirea ovală galbenă
pentru pupilă);
• Rezultatele localizării reflexiei corneei.
Mouse -ul este folosit în această fereastră pentru a trasa un dreptunghi pentru a defini o
zonă de căutare limitată, uneori numită poartă, atât pentru pupilă, cât și pentru clipire. [40]
O caracteristică este orice conținut din imaginea video care poate fi identificat, localizat
și urmărit. Caseta Combo ( din fila Eye din fereastra Controls) cu metode de caracteristică
permite utilizatorului să selecteze ce caracteristici să utilizeze. Metodele caracteristice se
încadrează în două categorii de bază: [40]
• Metodele punctului unic de date;
• Metodele de puncte multiple de date.
Pentru localizarea pupilei trebuie să se urmărească pașii ce urmează: [40]
1) Camera trebuie reglată astfel încât pupila să fie centrată în fereastra EyeCamera,
subiectul aflându -se în centrul afișajului și globul ocular umple zona maximă posibilă.
2) Camera trebuie defocalizată astfel încât luminozitatea corneei să se împrăștie p ână la
dimensiunea a opta ( sau mai mult) a pupilei. Pe lângă faptul că efectuează o strălucire mai
mare, defocalizarea reduce și intensitatea unor mici reflecții strălucitoare ( în virtutea funcției
de împrăștiere a punctului). Defocalizarea poate fi real izată prin rotirea obiectivului camerei
sau prin reglarea camerei mai aproape sau mai departe de ochi. În general imaginea ochiului
trebuie să fie poziționată astfel încât colțurile ochiului să se afle la marginile orizontale ale
ferestrei camerei.
3) Multe LED -uri ce provin din diferite părți vor produce o formă de lampă de
iluminare.Sistemele ViewPoint sunt poâroiectate pentru a produce o iluminare în infraroșu ,
uniformă difuză.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
57

4) Dacă imaginea video este prea întunecată sau prea luminată se pot ajusta setările de
contrast și luminozitate. Când se ajustează controalele de luminozitate și contrast în ViewPoint
obiectivul
general este să crească cât mai mult posibil gama de niveluri de gri, adică să scadă contrastul
cât mai mult posibil.
5) Putem micșora luminozitatea până când obținem o pupilă care este cât se poate de neagră
și putem ajusta contrastul astfel încât strălucirea și numai strălucirea să fie de maximumul
albului.
6) AutoImage este de ajutor , mai ales, în condiții de iluminare diferite.
Utilizarea lentilelor corective ( ochelari de vedere ) prezintă două efecte principale
legate de faptul că atât suprafețele din față, cât și cea din spate, ale lentilei corective vor reflecta
lumina. [40]
În primul rând, lumina reflectată este irosită a stfel încât iluminarea ochiului ( calea
sursei de lumină ) și imaginea ochiului ( lumina din cameră ) vor fi atenuate. În al doilea rând,
reflectarea de la iluminare poate fi refolosită înapoi în cameră, care va fi foarte luminoasă și va
provoca auto -irisul camerei pentru a produce o imagine mai închisă a ochiului.
Dacă există o problemă cu relfexia lentilelor corective pe suprafața frontală trebuie să
se regleze unghiul lentilei în raport cu ansamblul cu LED -uri. Acest lucru poate fi realizat prin
două mo duri:
i. Se înclină ușor lentilele corective prin mutarea căștii astfel încât să se afle în apropierea
canalului auditiv. Acest lucru este destul de ușor pentru ramele ușoare de metal de tip elastic,
dar nu poate rămâne pe poziție cu rame mai grele.
ii. Se depla sează ușor camera astfel încât să fie la mai mult de 45 de grade față de linia de
vedere.
Dacă subiectul supus testării are o pupilă mică atunci trebuie să se scaneze mai dens (
trebuie scanate puncte apropiate împreună ) și trebuie să ajustăm densitatea de scanare la 5. În
momentul în care se face calibrarea trebuie să se utilizeze cel puțin 12 puncte de calibrare, iar
16 puncte oferă de obicei o calibrare foarte bună. O calibrare în 6 puncte oferă o calibrare exactă
numai de -a lungul axei orizontale și ar trebui să fie evitată în mod obișnuit. [40]

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 2
58

2.9 Concluzi i
În ultimii ani tehnologiile în miniatură au avansat considerabil. Sistemele montate pe
cap au devenit mult mai mici, mai luminate, și mai puțin costisitoare, chiar dacă capcitățile de
rezoluție au crescut considerabil.
Utilitatea dispozitivelor eye tracker, în varianta montată pe cap, poate fi extinsă prin
integrarea urmăririi ochilor și recunoașterea vocii creând o interfață care nu necesită utilizarea
mâinilor( eng. Hands -free interface) . Acestea permit utilizatorilor să controleze informațiile
afișate făr ă utilizarea mâinilor, ceea ce este perfect pentru cei care nu au un control adecvat al
mâinilor sau pentru cei care nu se simt comod atunci când utilizează mâinile pentru controlul
calculatorului.
Chiar și fără funcția de recunoaștere a vocii pot fi crea te interfețe speciale care nu neceită
nici o comandă pentru schimbarea ecranului. Acest tip de interfață este ideal pentru situațiile în
care funcția de recunoaștere a vocii nu este disponibilă( zgomotul din mediul în care se
efectuează preluarea este prea mare sau subiectul nu poate comunica verbal).
O caracteristică importantă a acestor sisteme este reprezentată de abilitatea de a furniza
utilizatorului o multitudine de informații, de la mai multe surse, prin intermediul unei singure
interfețe vizuale.
Dispozitivele eye tracker în varianta fixată pe cap sunt, deja, niște unelte puternice, dar
acestea mai pot fi îmbunătățite și adaptate prin intermediul următoarelor dezvoltări:
– creșterea capacităților interfeței fără comandă vocală , care utilizează doar mișcarea
ochilor ca intrare . Îndepărtarea utilizării mouse -ului în timpul utilizării unui computer. Funcția
de mutare a cursorului va fi preluată și executată prin intermediul dispozitivului eye tracker.
– reducerea dimensiunilor și a greutății dispozitivelo r;
– miniaturizarea componentelor calculatorului necesare rulării software -ului
dispozitivului eye tracker. Această dezvoltare poate permite crearea unei versiuni portabile care
încorporează întregul dispozitiv, atât partea hardware, cât și software.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 3
59

Capitolul 3 Prelucrarea datelor experimentale

3.1 Aplicația software utilizată pentru prelucrarea datelor
Dispozitivul EyeTracker Arrington poate fi interfațat cu mai multe aplicații software
existente pe piață la ora actuală. Dintre acestea se vor enumera în continuare doar cele mai
cunoscute:
– MATLAB ;
– LabView;
– E-Prime;
– Python.
În continuare se va prezenta prelucrarea datelor experimentale utilizând aplicația
softw are MATLAB.
MATLAB( MATrix LABoratory) este un limbaj de programare de înaltă performanță
pentru calcul. Acesta integrează unelte de calcul, de vizualizare a rezultatelor și un mediu de
programare. Mai mult, acesta este un limbaj de programare modern deoa rece are structuri
complexe de date, conține unelte implicite de editare și depanare și suportă programarea
orientată pe obiect.
Acești factori fac din MATLAB un instrument excelent pentru învățare și cercetare.
Software -ul MATLAB prezintă multe avantaj e, în comparație cu limbajele de
programare clasice (C, FORTRAN) pentru rezolvarea problemelor tehnice.
În primul rând, acesta este un mediu interactiv a cărui element de bază este vectorul,
care nu necesită dimensionare. De asemenea, are rutine implicite puternice care permit o mare
varietate de calcule, are comenzi ușor de utilizat pentru vizualizarea grafică a rezultatelor, are
pachete pentru aplicații specifice, cum ar fi: procesarea semnalelor, calcul simbolic, teoria
controlului, simulare, optimizar e, și multe alte câmpuri ale științelor aplicate și ingineriei.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 3
60

3.2 Rezultatele prelucrării
ViewPoint EyeTracker permite înregistrarea datelor din timpul utilizării dispozitivului
EyeTracker Arrington. După ce se oprește înregistrarea se generează un fișier de tip text.
Datele utilizate pentru prelucrare în această lucrare au fost salvate în fișierul data2.txt
și au structura prezentată în figura 3.2.1.

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 3
61

Figura 3.2.1 Fișierul text generat de ViewPoint EyeTracker

Fișierul text generat în urma înregistrării mișcării ochilor subiectului conține rezultatele
mai multor caracteristici urmărite. Dintre acestea se evidențiază momentul de timp al
înregistrării(ATT), poziția irisului pe axa OX(ALX) și, resprectiv OY (ALY), coordonatele
corectate pe axa OX (ACX) și OY(ACY), lățimea pupilei (APW), înălțimea pupilei(APH).
Pentru realizarea prelucrării rezultatelor se vor considera de interes coordonatele
corectate ale irisului pe axa OX , respectiv pe axa OY.
Având în vedere faptul că fișierul text conține mai multe caracteristici, mai întâi trebuie
să se extragă caracteristicile de interes. Acest lucru se va realiza prin crearea unei funcții care
să selecteze datele de interes. Această f uncție va primi drept argumente un șir de caractere, care
va reprezenta numele fișierului text în care s -au salvat datele înregistrării și două variabile de

Sisteme portabile de preluare și tratare a imaginilor
Capitolul 3
62
tip întreg corespunzătoare rândului de început și, respectiv, de sfarșit al datelor de interes în
fișierul text.

63
Anexe

Anexa 1 – Funcția de preluare a coo rdonatelor x și y
function data1 = importfile(filename, startRow, endRow)
%IMPORTFILE Import ă date în format numeric dintr -un fișier text sub formă
de matrice
DATA1 = IMPORTFILE( NUMEFIS) Citește date din fișierul text cu numele
NUMEFIS
%
% DATA1 = IMPORTFILE( NUMEFIS, RANDSTART , RANDSTOP )Citește date de la
randul RANDSTART până la rândul de sfârșit RANDSTOP din fișierul NUMEFIS
% Example:
% data1 = importfile('data2.txt', 36, 2676);
%

%% Initializ area variabilelor
delimitator = '\t';
if nargin<=2
randStart = 36;
randStop = inf;
end

%% Citirea coloanelor de date ca șiruri de caractere :
formatSpec = '%*s%*s%*s%*s%*s%s%s%[^ \n\r]';

%% Deschiderea fișierului text
fileID = fopen(filename, 'r');

%% Citirea coloanelor de date ținând cont de f ormatul descris anterior
vectorDate = textscan(fileID, formatSpec, randStop (1)-randStart(1)+1,
'Delimiter' , delimit ator, 'HeaderLines' , randStart(1)-1, 'ReturnOnError' ,
false);
for block=2:length( randStart )
frewind(fileID);
vectorDate Block = textscan(fileID, formatSpec, randStop (block)-
randStart (block)+1, 'Delimiter' , delimit ator, 'HeaderLines' , randStart
(block)-1, 'ReturnOnError' , false);
for col=1:length( vectorDate )
vectorDate {col} = [ vectorDate {col}; vectorDate Block{col}];
end
end

%% Închiderea fișierului text
fclose(fileID);

%% Convertirea conținutului coloanelor care au șiruri de numere în numere
% Înlocuirea șirurilor care nu au caractere numerice cu NaN(Not a Number)
rand = repmat({ ''},length( vectorDate {1}),length( vectorDate )-1);
for col=1:length( vectorDate )-1
rand(1:length( vectorDate {col}),col) = vectorDate {col};
end
numericData = NaN(size( vectorDate {1},1),size( vectorDate ,2));

for col=[1,2]
%Convertirea șirurilor in numere
randData = vectorDate {col};
for rand=1:size(ra ndData, 1);
% Crearea unei expresii pentru indepartarea prefixurilor si
sufixurilor non -numerice

64
regexstr = '(?<prefix>.*?)(?<numbers>([ –
]*(\d+[\,]*)+[\.]{0,1}\d*[eEdD]{0,1}[ -+]*\d*[i]{0,1})|([ –
]*(\d+[\,]*)*[\.]{1,1}\d+[eEdD]{0,1}[ -+]*\d*[i]{0,1}))(?<suffix>.*)' ;
try
result = regexp(ra ndData{rand}, regexstr, 'names');
numere = result.numbers;

% Detected commas in non -thousand loca tions.
separatorI nvalidMii = false;
if any(numere==',');
miiRegExp = '^\d+?(\,\d{3})*\.{0,1}\d*$';
if isempty(regexp(numbers, thousandsRegExp, 'once'));
numere = NaN;
separatorInvalidMii = true;
end
end
% Convert irea șirurilor numerice în numere
if ~ separatorInvalidMii ;
numere = textscan(strrep(num ere, ',', ''), '%f');
numericData(r and, col) = num ere{1};
rand{rand, col} = num ere{1};
end
catch me
end
end
end

%% Înlocuirea celulelor care nu au elemente numerice cu 0.0
R = cellfun(@(x) (~isnumeric(x) && ~islogical(x)) || isnan(x),ra nd); %
Identificarea celulelor cu elemente care nu sunt numerice
rand(R) = {0.0}; % Inlocuirea celulelor care nu au elemente numerice

%% Crearea variabilei de iesire
data1 = cell2mat(ra nd);

Anexa 2

65

Bibliografie

[1] https://ro.wikipedia.org/wiki/Robot
[2] Robot Institute of America, 1979
[3] Isaac Asimov Legile roboticii

66
[4] https://ro.wikipedia.org/wiki/Homo_sapiens
[5]Essential English Dictionary, Collins, London, 1990
[6]Mainstream Science of Intelligence, 1994
[7]Artificial Intelligence A Modern Approach Third Edition, Stuart J. Russell, Peter Norvig,
Prentince Hall, 2010
[8]Artificial Intelligence – A guide to Intelligent Systems, Second Edition, Michael
Negnevitsky, 2005,
[9]Artificial intelligence – intelligent systems, tutorialspoint.com
[10] Elemente de inteligență artificială – Vol.1 Principii și Metode, Adina Magda Florea,
București 1993
[11] Inteligență artificială, Ioan Dzițac, Editura Universității ,,Aurel Vlaicu” Arad, 2008
[12]Barr, Feigenbaum, 1981
[13] http://web.media.mit.edu/~minsky/
[14] http://people.csai l.mit.edu/phw/index.html
[15]Artificial Intelligence, Third Edition, P.H. Winston, 1992, Library of Congress Cataloging –
in-Publication Data
[16]The history of Artificial Intelligence – Turing Test, B. McGuire, University of Washington,
2006
[17]Curs de In teligență artificială Universitatea ,,Alexandru Ioan Cuza” din Iași, Cristea, Ioniță,
Pistol
[18]Inteligența artificială -Rețele neuronale, M.Cremene, S. Zăhan, UT Press, 2009
[19]Artificial Intelligence and its Application in Different Areas, A. Pannu, Vo lume 4, Issue
10, DAV Institute of Engineering and Technology, Jalandhar, India, 2015
[20]Poole & Mackworth, 2010
[21]Artificial Intelligence for Games Second Edition, I.Millington, J. Funge, Library of
Congress Cataloging -in-Publication Data, 2009
[22]Han dbook of Computer Vision and Applications Volume 2, B. Jahne, Interdisciplinary
Center for Scientific Computing, University of Heidelberg, Germania, Scripps Institution of
Oceanography, University of California, San Diego, 1999 , pag.2
[23]An Introduction t o Computer Vision, Y.Wu, Electrical Engineering & Computer Science,
Northwestern University p ag.2-7
[24]Fundamentals of Computer Vision, M. Shah, Computer Science Department, University of
Central Florida, 1997, pag.5 -6, pag.25 -26, pag.5 4-55

67
[25]Computer Vision and Artificial Intelligence Techniques Applied to Robot Soccer, Al.B.
Lugli, M.G. De Melo, Department of Industrial Automation. Brazil, 2017 ,pag.991 -993
[26]Computer Vision CS -6350, Prof. Sukhendu Das, Department of Computer Science and
Engineering, January, 2017
[27] Recent advances and new applications of computer vision, R. Cipolla, C.Hernandez,
G.Vogiatzis, B.Stenger, Vol. 62, No.12, Department of Engineering, Cambridge University,
2007
[28]Computer Vision: Algorithms and Applications, R.Szeliski, 2010, Springer, pag.5 -7
[29]Nilsson, 2010
[30]Machine Vision Automated Visual Inspection and Robot Vision, D.Vernom, Prentince –
Hall International, 1991 – slide 78 –
[31] https://en.wikipedia.org/wiki/Optical_character_recognition
[32] http://editimage.club/voip.html
[33] http://www.medicalimagingtalk.com/wp -content/uploads/2014/12/2015 -trends.jpg
[34] http://www.i -runway.com/blog/wp -content/uploads/2016/08/3.3.jpg
[35] https:// pro1-fetch.netdna -ssl.com/residential/_img/heroes/video -surveillance -esecure.jpg
[36]https://lh3.googleusercontent.com/CayXbTYMPSvBH5 Nos7Hhtb6qy7TWUr0Ixmr4E2L
0Vf90z9f2LVWJI -EHJ6d9x97KRdQ=s180
[37] http://entrepreneur -ship.org/wp -content/uploads/2015/06/image2.jpg
[38]Duke -Elder, W.S: Text -Book of Ophthalmology, St. Louis, C.V. Mosby Company, 1938,
vol.1, pag.585 -587
[39] Development of Electro -Oculography – Standing Potential of the Eye in Registration of
Eye Movement, Elwin Marg, Berkley, California, pag.169
[40] ViewPoint EyeTracker Software User Guide, Arrington Research, 2010, Scottsdale(USA)
[41]https://www.supplychain247.com/article/bmw_logistics_using_autonomous_transport_ro
bots
[42]https://zdnet3.cbsistatic.com/hub/i/r/2017/03/20/acf11961 -f4dc-44dd -b6a0 –
797e05858819/resize/770xauto/5be 1ea4dc07682f33055870925fe8c11/pic.jpg
[43]http://4.bp.blogspot.com/ –
y4TAX0NAIzc/UaJyIPKo48I/AAAAAAAACRw/1MwjZkVxhLc/s1600/chess.png
[44]https://www.researchgate.net/profile/Jean –
Luc_Dugelay/publicati on/220664038/figure/fig2/AS:276499606327305@1442934052139/A –
schematic -view -of-a-standard -digital -image -acquisition -pipeline.png

68
[45]https://www.researchgate.net/profile/Osslan_Vergara /publication/286111321/figure/fig1/
AS:405709310185472@1473740045805/Fundamental -steps -of-a-computer -vision -for-
digital -image -processing.png
[46]https://www.researchgate.net/profile/Hanmei_Hong/publication/311668135/figure/fig1/A
S:519534300073984@1500878037430/Essential -elements -of-a-machine -vision -system.jpg
[47] https://vision.in.tum.de/_media/spezial/bib/hazirbas2014msc.jpg
[48] http://math.hws.edu/graphicsbook/c4/diffuse -vs-specular.png
[49] https://www.uxmatters.com/mt/archives/2009/10/eyetracking -is-it-worth -it.php
[50] https://www.tobii.com/tech/technology/what -is-eye-tracking/
[51] https://www.tobii.com/tech/technology/what -is-eye-tracking/
[52] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4839304/bin/6656866 -fig-2-source.jpg
[53] http://professionals306.blogspot.com/2007/05/advantages -of-eye-tracking -and.html
[54] http://ixd.prattsi.org/2015/04/eye -tracking -the-pros-and-cons/
[55] https://imotions.com/blog/free -eye-tracking -software/
[56] http://professionals306.blogspot.com/2007/05/disadvantages -of-eye-tracking.html
[57]https://docs.google.com/a/edu.haifa.ac.il/uc?id=0B0mzfluMHSsPQmFjaldrbFZseVk&ex
port=download
[58]https://www.researchgate.net/profile/Joseph_Goldberg3/publication/279430545/figure/fig
2/AS:609935356342272@1522431329458/Head -mounted -eye-tracking -system -including –
both-scene -lower -and-eye-upper-cameras.png
[59] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4560087/
[60]http://static6.uk.businessinsider.com/image/557ed800dd0895637c8b457e -800-682/99 –
7.jpg
[61] http://calvin.inf.ed.ac.uk/wp -content/uploads/images/caesar_eccv16.png
[62] http://www.sanitarbn.ro/resources/files/elod/Curs%20foto/01_formarea_imaginii.pdf