Ġnsan bilgisayar etkileĢimine yönelik birçok çalıĢma bulunmaktadır. Bu çalıĢmalar görsel [32,33,34], akustik [35], zihinsel ve dokunsal [36,37] veri aktarımı temelli olabilmektedir. Bilgisayarlar ve elektronik cihazlara görsel veri aktarımı kameralar kullanılarak, görüntü içindeki değiĢikliklerin takip edilmesi ile gerçekleĢtirilmektedir. Örneğin bir otoyol görüntüsünü alan bir kameranın aldığı görüntüler kullanılarak otoyoldan geçen araç bilgileri (sayısı, plakası) belirlenebilir [38], böylece araçların hangi tarihte, saatte otoyolu kullandığı ya da otoyolun hangi yoğunlukta kullanıldığı belirlenebilir. Ancak bu örnekte kullanılan görüntülerde bulunan nesneler herhangi bir elektronik cihaza kontrol amacıyla hareket etmemektedirler. Oysa insan bilgisayar etkileĢimine yönelik çalıĢmalarda görüntü alınan bölgedeki değiĢiklikler kontrol amacı taĢımaktadır [39,40]. Örneğin TV karĢısında kolunu hareket ettirmekte olan bir insan TV‘de bulunan kameraya kol hareketini algılatıp kanal değiĢtirmek ya da sesi azaltmak-arttırmak istemektedir. Kamera ile alınan bu görüntü iĢlenir ve kullanıcının isteği doğrultusunda kontrol iĢlemi hatasız olarak gerçekleĢtirilmeye çalıĢılır.
BakıĢlar ile kontrol ise el kol ve kafa hareketlerine göre daha dar bir alanda gerçekleĢmesi sebebi ile tespiti zor, ancak etkin bir kontrol yöntemidir. Bu sebeple göz hareketlerinin takip edilmesi ve elde edilen verilerin kullanılmasına yönelik çalıĢmalar bulunmaktadır [5,6,7,8,9]. Bu çalıĢmalar Eye Gaze sistemler olarak isimlendirilmektedir. Eye Gaze sistemlerde göz hareketlerinin takibi amacıyla göz takipçileri (Eye-tracker) kullanılır. Göz takipçilerinin, göz hareketlerini izleyebilmesi için kullanıcı ile dokunsal olarak irtibat halinde olması ya da göz bölgesine kızılötesi ıĢık göndermesi gerekmektedir. Eye Gaze sistemlerin ek donanıma ihtiyaç duyuyor olmaları aslında bir dezavantajdır. Çünkü kullanımı zorlaĢtırır ve maliyeti arttırır. Bu sebeple de yaygın olarak kullanılamamakta, genelde bu alanda araĢtırmalarda bulunan bazı üniversite laboratuarlarında bulunmakta ve deneysel amaçlı kullanılmaktadır. Oysa Eye-tracker kullanmadan da bakıĢ noktaları, görüntü iĢleme yöntemi kullanılarak bulunabilir [34,41]. Bu da Eye Gaze sistemlerin kullanımını
sistemlerin kullanımı da yaygınlaĢır. Bunun için uygun görüntü iĢleme ve göz bölgesine ait öznitelik çıkarma yöntemlerinin belirlenmesi gerekmektedir.
Görüntü içinde insan yüzü ile ilgili çalıĢmalar; çalıĢma Ģekli, yöntemi ve amacı gibi noktalarda birbirinden farklılıklar göstermektedir. Örneğin bazı çalıĢmalar göz hastalıklarına yönelik iken, bazıları biyometrik tanıma sistemlerine yönelik veya göz hareketlerinin takip edilmesine yönelik olabilmektedir. Bunlardan bazıları aĢağıda verilmiĢtir.
ĠĢler [42] çalıĢmasında; kiĢilerin ön cepheden webcam ile çekilen resimleri içinde göz bölgelerinin bulunmasını amaçlamıĢtır. Bu iĢlem için yapay sinir ağı kullanmıĢ ve bu yöntemi farklı yöntemler ile karĢılaĢtırmıĢtır. Yapay sinir ağları ile geliĢtirilen yöntemin farklı günlerde ve farklı aydınlanma koĢullarında çekilmiĢ resimler üzerinde daha baĢarılı sonuçlar ürettiğini tespit etmiĢtir [42]. Türkan ise ―Edge projections for eye localization‖ isimli çalıĢmasında göz bölgesini dalgacık dönüĢümü ve bir destek vektör makinesi (Support Vector Machine-SVM) tabanlı sınıflandırıcı kullanarak tespit etmiĢtir [43].
Göz bölgesi içinde irisin bulunmasına yönelik incelenen çalıĢmalardan ilki ise Kuo‘nun çalıĢmasıdır. Kuo [21] çalıĢmasında, göz bölgesi içinde iris bölgesini belirlemek amacıyla Temel BileĢenler Analizini (Principal Components Analysis - PCA) kullanmıĢtır. Bununla birlikte irisin bulunmasına yönelik çalıĢmalarda en çok kullanılan yöntemlerden biri CHT‘dir. CHT özellikle gürültüye karĢı dayanıklılığı sebebi ile tercih edilmektedir [14]. Greco [17] çalıĢmasında; kiĢiye özel iris özelliklerini belirlemek amacı ile görüntü içinde irisi Ġntegro-Diferansiyel Operatörünün Ayrık YaklaĢımını (A discrete approximation of an integrodifferential Operator-IDO) kullanarak bulmuĢtur [17]. Benzer Ģekilde Husam [16] irisi IDO‘yu kullanarak bulmuĢtur. Husam, IDO‘nun Hough Transformunun geliĢmiĢ bir varyantı olarak kabul edilebileceğini belirtmiĢtir [16].
Göz bölgesi içinde yürütülen diğer çalıĢmalarda ise, göz köĢe bölgelerinin bulunması amaçlanmıĢtır. Göz köĢelerinin bulunması için kullanılan yöntemlerden biri Xia tarafından önerilen [44] WVPF (Weighted Variance Projection Function-Ağırlıklı
varyans bağdaĢtırma fonksiyonu)‘dir. Bu yöntemde, önce görüntünün içinde göz köĢesinin bulunduğu bölge belirlenir ve bu bölge içindeki piksel değerlerinin satır ve sütun olarak varyansları tespit edilir, daha sonra bu değerler Weight Factor (ağırlık faktörü) ile çarpılarak ağırlıklı varyans değerleri tespit edilir. Ağırlıklı varyans değerlerinin satır ve sütunlarda maksimum değerleri bulunur. Bu değerler bize görüntü içindeki göz köĢesinin koordinatlarını verir [44].
Göz köĢelerinin bulunmasına yönelik bir baĢka çalıĢma ise alt ve üst göz kapaklarının eğrilerinin tespit edilmesi esasına dayanmaktadır. Bu yöntem ile göz kapaklarının eğrilerinin kesiĢtiği noktaların göz köĢelerini vereceği düĢünülmektedir [21, 45].
Bazı çalıĢmalarda, göz köĢeleri, göz bölgelerinin tespiti amacı ile de kullanılabilmektedir. Bu tür çalıĢmalarda, gri seviyeli görüntüler üzerinde ten süzgeci ile yüz bölgesi bulunduktan sonra lineer filtreler yardımıyla göz köĢeleri belirlenir ve göz bölgesi bulunur. Sirohey [46] çalıĢmasında, bu yöntemler ile yapılan göz tespitinde karĢılaĢılan problemleri aĢabilmek için non-lineer filtreler ile daha iyi sonuçlara ulaĢılabileceğini ön görmektedir. ÇalıĢmada renkli görüntüler üzerinde göz köĢelerinin ve buna bağlı olarak göz tespitinin yapılabilmesi için lineer olmayan bir filtre tasarımı yapılmıĢtır.
Batista‘nın [20] çalıĢmasında; göz köĢelerinin bulunması amacıyla aĢağıda verilen algoritma önerilmiĢtir.
Gözler kapalıyken;
- Renkli görüntüden gri seviyeli görüntü elde edilir ve kontrastı gerilerek arttırılır;
- DüĢey gradyan maskesi uygulanarak yatay kenarlar keskinleĢtirilir ve eĢiklenerek siyah beyaz resme çevrilir;
- Pruning operatörü kullanılarak göz bölgesinin iskeleti elde edilir; - Ġskeletin son noktaları seçilerek göz köĢeleri belirlenir [20]. Gözler açıkken;
- Renkli görüntüden gri seviyeli görüntü elde edilir ve kontrastı gerilerek arttırılır;
- Göz bölgesinde yatay VPF değerlerinin sınırladığı bölgeler belirlenir. Bu bölgeler açık renkli sclera bölgesini ve koyu renkli göz kapağı bölgesini içerir.
- VPF değerleri eĢiklenerek göz köĢe bölgelerinin yeri tahmin edilir. - Pruning operatörü kullanılarak göz bölgesinin iskeleti elde edilir;
- Ġskelet polinom fonksiyonunun son noktaları göz köĢelerini bulmak için kullanılır.
Her iki yaklaĢım da elde edilen bilgiler birleĢtirilir [20].
Ayrıca literatürde dâhili webcam ile alınan görüntünün iĢlenmesi ve imleç kontrolü yapılmasına yönelik çalıĢmalarla da karĢılaĢılmaktadır. Bunlar genellikle Head Control-Head Tracking gibi isimlerle anılırlar. Çünkü bu çalıĢmalarda imleç kontrolü baĢ hareketleri takip edilerek yapılır. Bununla birlikte literatürde webcam görüntüleri kullanılarak, bakıĢlar ile imleç kontrolü yapan bir çalıĢma da bulunmaktadır. Avrupa komisyonu, Gatsby vakfı ve Samsung firmasının desteklediği Opengazer isimli projede bakıĢlarla imleç kontrolü gerçekleĢtirilmektedir [41]. Bu çalıĢmada koordinat tespiti üç aĢamada yapılır. Ġlki olan Feature Point Selection (Özellik noktası seçimi); aĢamasında kullanıcı fareyi kullanarak yüz bölgesinde özellik noktalarını seçmektedir. Ġkinci aĢama olan Calibrating the System (Sistemin kalibre edilmesi); aĢamasında kullanıcı ekranda beliren kalibrasyon noktalarına bakarak sistemin kalibrasyonunu yapar. Son aĢama olan Tracking (Takip); aĢamasında ise özellik noktaları takip edilir ve bakılan nokta koordinatı belirlenir [41].
BÖLÜM 3. YAPAY SĠNĠR AĞLARI
Yapay sinir ağları (YSA) insan beynindeki sinir hücreleri temel alınarak geliĢtirilmektedir. Ġnsan beynindeki biyolojik sinir hücreleri çok karmaĢık bir yapıya sahiptir. Yapay sinir ağları oluĢturulurken hem hücrelerin yapısı hem de çalıĢması modellenmeye çalıĢılmaktadır. Günümüzde araĢtırmacıların tek bir biyolojik sinir hücresinin yapısı noktasında hem fikir olmasına rağmen bu hücrelerin birbirleri ile olan yapısal bağları ve çalıĢma prensipleri araĢtırmacılar için henüz karmaĢıklığını devam ettirmektedir. Bu sebeple araĢtırmacılar birçok farklı ağ modeli üzerinde çalıĢmaya devam etmektedir.