2024

Ofertado

Línea de investigación:

Health informatics

Descripción:

Explorar algoritmos clásicos de reconstrucción tridimensional de escenas para mejorar el algoritmo de estimación de pose de cabeza (Head Pose Estimation / HPE) y alineamiento facial (Facial Alignment) de una solución de eye-tracking de bajo coste propuesta por Irisbond. A priori se propone una metodología basada en sistemas de clasificación automática (Machine Learning) clásica, como el algoritmo SVM, con una fase de extracción de características (feature extraction). El Facial Alignment se refiere al Visual Feature Matching aplicado a caras, es decir, a grandes rasgos, es identificar donde están la nariz y los ojos en un espacio 3D. Este suele ser el paso previo a la HPE porque suele calcularse a partir de esta reconstrucción de características faciales.

Se utilizarán bases de datos estéreo de eye-tracking para evaluar el rendimiento del algoritmo en base al error del ángulo del vector de mirada. Estas bases de datos suelen estar etiquetadas con el vector de mirada, no con la posición de cabeza, por tanto, las soluciones propuestas para HPE se evaluarán en base a su capacidad de predecir el vector de mirada (Gaze Estimation / GE). Al fin y al cabo, ambas estimaciones (HPE y GE) condicionan el objetivo final, que en este caso es el GE. Para evaluar las soluciones propuestas se utilizarán bases de datos públicas (ETH-XGaze, etc).

Tareas a desarrollar:

• Analizar y adaptar algoritmos de reconstrucción 3D de features visuales en una solución de eye-tracking
• Comprensión del algoritmo de eye-tracking de bajo coste en el que se plantea integrar esta herramienta.
• Aprendizaje de lo que supone trabajar con un sistema estéreo de visión.
• Preparar la base de datos escogida para la validación del algoritmo de forma objetiva.
• Realizar una experimentación metodológica de los algoritmos de visión sobre las bases de datos mencionadas.
• Analizar los resultados de las diferentes propuestas y generar un informe técnico a modo de memoria del proyecto.

Objetivo:

• Analizar el rendimiento de algoritmos clásicos de reconstrucción tridimensional de escenas para mejorar un algoritmo de estimación de pose de cabeza (Head Pose Estimation / HPE) y de alineamiento facial (Facial Alignment) de una solución de eye-tracking de bajo coste propuesta por Irisbond.

Titulaciones:

• Grado en Ingeniería Informática
  • Computación
• Grado en Inteligencia Artificial
• Máster Universitario en Ingeniería Computacional y Sistemas Inteligentes

Participantes:

Director(es):

Iñigo Perona
Javier Muguerza

Universidad:

Universidad del País Vasco/Euskal Herriko Unibertsitatea (UPV/EHU)

Centro:

Informatika Fakultatea - Facultad de Informática

Departamento:

Konputagailuen Arkitektura eta Teknologia - Arquitectura y Tecnología de computadores

Año lectura:

2024