Zastosowanie metod analizy obrazów do automatycznej detekcji i pomiaru źrenic oczu

Potrzeby diagnostyki medycznej wad budowy i postawy człowieka wymagają stworzenia prostej metody jego pozycjonowania w trójwymiarowej przestrzeni. Jedną z metod wyznaczania położenia charakterystycznych punktów ciała jest metoda fotogrametryczna. Pomierzone punkty na zdjęciach służą do zbudowania przestrzennego modelu i za pomocą punktów dostosowania umieszczenia go w układzie odniesienia. Fotogrametryczny system do pomiaru 3D punktów ciała ludzkiego opracowany w Zakładzie Fotogrametrii i Informatyki Teledetekcyjnej WGGiIŚ AGH w Krakowie wymaga pomiaru na zdjęciach cyfrowych wybranych miejsc ciała ludzkiego, sygnalizowanych styropianowymi kulkami-markerami oraz środków źrenic oczu. W ramach automatyzacji pomiaru na zdjęciach prowadzone są badania nad metodami detekcji i pomiaru trzech grup punktów: fotopunktów, markerów na pacjencie oraz źrenic oczu Niniejsze opracowanie dotyczy metody automatycznego pomiaru trzeciej grupy punktów pomiarowych. Opracowana metoda detekcji źrenic oczu wymaga zrealizowania celów cząstkowych: detekcji markerów na ciele pacjenta, segmentacji obrazu ciała dla wykrycia głowy z rejonem oczu, wykrycia i pomiaru środków źrenic. Pierwszy z celów osiągnięto wykorzystując metodę korelacji krzyżowej. Do wykrycia rejonu oczu wykorzystano analizę skupień zbioru wspołrzędnych metodą k najbliższych sąsiadów. Dalsze przybliżenie rejonu oczu osiągnięto wykorzystując analizę statystyczną dużej ilości zdjęć pacjentów dla wyznaczenia współczynnika kryterium rejonizacji. Metodyka wyznaczania położenia oczu, centralnych punktów położenia źrenic została oparta na sieciach neuronowych ze wsteczną propagacją błędu. Uzyskana dokładność metody została oceniona na poziomie około 1 piksela, jej skuteczność w znacznej mierze zależy od prawidłowej detekcji markerów na ciele pacjenta.

The needs of medical rehabilitation requires the creation of a simple method for the positioning of a human body in 3-D space. The method of posture analysis consists in simple visualization of particular characteristic points of the patient’s body. Usually, an assessment of the relative displacement and asymmetry of these points are a reliable measure of pathological body posture deviation. One of the methods of determining the position of characteristic points is the photogrammetric method. The points measured in the images are used to create a spatial model and, based on control points, position it in a reference system. The photogrammetric system for measuring 3D points located on a human body has been developed in the Department of Photogrammetry and Remote Sensing Informatics, Technical University – AGH Kraków. In the system, on digital images (taken with two compact, free-focus-type digital cameras), special markers (light foamed polystyrene balls) located on chosen points of human body and the center of an eye pupil are measured. To make the system more automatic, the research is carried on to automatically detect and measure the three following groups of points: control points, markers located on the human body and eye pupil. In this paper, the method of automatic measurement of last group of points is considered. The developed method of eye pupil detection requires achieving the following goals: detection of markers located on the human body, segmentation of the body image to detect a head, approximate eye localization and, finally, the measurement of a pupil center. The first goal was achieved by using the cross correlation method. The localization of the eyes was done by analyzing the coordinates’ set concentration by k nearest neighbors. The achieved results were divided into two sets pa 1 and pa 2 , which consist of data on the position of markers located on the front and back sides of body. A further approximation of eye location was achieved using statistical analysis of many images to determine the coefficient as a criterion for region membership. The methodology of determination of eye position, and pupil center were based on a neural network with backward error propagation. The achieved accuracy was estimated as 1 pixel, but the efficiency strongly depends on the proper detection of the markers located on the patient’s body.