Háttér

1963-ban a Stanford Kutatóintézeben Douglas Engelbart felvetette az egér gondolatát. Mára egy mindenki által használt eszköz lett, de azóta nemigazán történt elõrelépés a hétköznapi használatra szánt számítógépek perifériáinak piacán. A technika fejlõdésével megjelent az igény a számítógépek könnyû használhatóságára. Szükségessé vált, hogy az ember ne csak billentyûzeten tudjon kommunikálni a géppel, telefonnal. Újfajta ember-számítógép interfészek jelentek meg. Modern autókban a fedélzeti számítógépek megértik a szóbeli utasításokat, intelligens kivetítõkre lehet ujjal rajzolni. Az ilyen interfészek megkönnyíthetik a fogyatékkal élõk életét is, mint például jelbeszédfelismerõ rendszerek, vagy a vakokat segítõ hangalapú rendszerek.

A mobil számítógépek (telefonok) esetében is komoly probléma a kezelhetõség kis méretük miatt. Ezért mára már kihagyhatatlan részének számító kamera is egy fontos beviteli perifériaként használható. Képnézegetõk, játékok, webböngészõk irányítását lehet megkönnyíteni a kamera képébõl kinyerhetõ mozgásinformáció felhasználásával. Ez a technika egészen új lehetõségeket is teremtett, melynek jelentõségét növeli, hogy a mobil számítástechnikai eszközök növekvõ teret foglalnak az informatikai üzletágban [1].

Meglévõ hasonló rendszerek

Egy megvalósítás leírása elérhetõ [2], melyet megvalósítva azt összehasonlíthatjuk az általunk fejlesztett módszerrel.

A feladattal rokon alkalmazás, amikor a kamera rögzített és a felhasználó a kezét vagy az arcát mozgatja, ezzel irányítva egy programot. Ilyen alkalmazás is létezik, mely képes az arc egyes részeit külön is értelmezni [3].

OpenCV

Az OpenCV egy C++ nyelven írt open-source függvénygyûjtemény, melynek elsõdleges célja a valós idejû számítógépes látás segítése. Fejlesztését az Intel kezdeményezte, de mára nagyon sokan járultak hozzá. Platformfüggetlen forráskódja letölthetõ a következõ címrõl:
http://sourceforge.net/projects/opencvlibrary/

Optical flow

Mivel a mozgásérzékelõ programunkat általános felhasználásra tervezzük, nem használhatunk ki semmilyen elõzetes információt a kamera által érzékelt objektumokról. Ezért azokat a módszereket, amelyek objektum felismerésen alapszanak, nem használhatjuk. Általános esetben a képi elmozdulást az optical flow-val jellemezzük.

Az optical flow egy olyan módszer, amely vizuálisan reprezentált tárgyak elmozdulását határozza meg. Jellemzõen vektorokkal írjuk le, melyek képpontokból erednek vagy képpontokba mutatnak egy képsorozatban [4].

Az optical flow számítására több módszer is létezik, röviden felsorolunk néhányat a legfontosabb jellemzõikkel együtt:

• Phase correlation

  Ez a módszer azt használja ki hogy az eredeti képen az eltolás a frekvenciatérben fáziseltolódásként jelenik meg [5]. Gyors módszer, real-time megvalósításra alkalmas, de mivel csak az eltolást és a forgatást detektálja, számunkra nem teljesen megfelelõ, mivel nekünk a zoom funkcióhoz a nagyítási faktorra is szükségünk van.

• Block matching

  Ez a módszer egy egyszerû template matching algoritmus szabályosan kiválasztott képrészletekre alkalmazva [6]. A leírások alapján nem elég pontos módszer.

• Lucas Kanade módszer

  Ez a legnépszerûbb optical flow meghatározó módszer, mely viszonylag régóta ismert [7]. Érdemes csak néhány elõre meghatározott feature pontokra alkalmazni [8], így real-time megvalósítása gyengébb hardware-en is lehetséges.