Control of positionable platform for eye

Ophthalmology is a branch of medicine that deals with the anatomy, physiology and diseases of the eyeball and orbit. An ophthalmic device for the acquirement and recognition of a human eye characteristics was created by researchers from Faculty of Information Technology. This device can be used either for biometric purposes or for medical purposes as a support diagnostic device. To achieve proper functionality, device must be able to adjust platform position in order to align optic camera with patient’s eye. The main focus of this thesis is to design and implement an algorithm for eye centre localisation based on images of the patient’s face. The first part of this thesis describes general methods for eye localisation and proposed solution. To achieve requested accuracy, combination of multiple methods is used with adjusted parameters based on platform’s features. The second part describes implementation of proposed solution as well as platform control. Multiple databases were used for training and testing of the algorithm. The third part summarises performed experiments. The proposed algorithm was implemented in the C++ language, using OpenCV library. Accuracy and speed of proposed algorithm are suitable for developed platform. In the end, the results are discussed and further improvements are proposed. Abstrakt Oftalmologie je odvětví medicíny, která se zabývá anatomií, fyziologií a onemocněními oční bulvy a orbity. Oftalmologický nástroj pro získávání a rozpoznávání lidských očních rysů vytvořili výzkumní pracovníci z Fakulty informačních technologií. Toto zařízení lze použít jako biometrické účely nebo pro lékařské účely jako podpůrné diagnostické zařízení. Pro dosažení správné funkčnosti musí být zařízení schopno nastavit polohu plošiny tak, aby se kamera vyrovnala s očima pacienta. Hlavním zaměřením této práce je navrhnout a implementovat algoritmus pro centrování oka založený na obrazech pacienta. První část práce popisuje obecné metody lokalizace oka a navrhuje se řešení. Pro dosažení požadované přesnosti je použita kombinace více metod s upravenými parametry podle vlastností platformy. Druhá část popisuje implementaci navrhovaného řešení a ovládaní platformy. Pro učení a testování algoritmu bylo použito více databází. Třetí část shrnuje výsledky experimentů. Navrhovaný algoritmus byl implementován v jazyce C++ pomocí knihovny OpenCV. Přesnost a rychlost navrhovaného algoritmu jsou vhodné pro vyvíjenou platformu. Nakonec se diskutuje o výsledcích a navrhuje se další zlepšení.