अहंकेंद्रित दृष्टि, जिसे प्रथम-व्यक्ति दृष्टि के रूप में भी जाना जाता है, कंप्यूटर विज़न की एक उप-शाखा है जिसमें पहने जाने वाले कैमरे, आमतौर पर सिर या छाती पर पहने जाने वाले, द्वारा कैप्चर की गई छवियों और वीडियो का विश्लेषण शामिल होता है, जो स्वाभाविक रूप से कैमरा पहनने वाले के दृश्य क्षेत्र का अनुमान लगाता है। यह परिप्रेक्ष्य दृश्य के उस हिस्से को कैप्चर करता है जिस पर उपयोगकर्ता किसी कार्य को करने के लिए ध्यान केंद्रित करता है, जो प्राकृतिक सेटिंग में उपयोगकर्ता की गतिविधियों और उनके संदर्भ में मूल्यवान अंतर्दृष्टि प्रदान करता है। आगे की ओर देखने वाले कैमरे को अक्सर एक अंदर की ओर देखने वाले कैमरे द्वारा पूरक किया जाता है जो आंखों की गति को मापता है, जो ध्यान प्रकट करने और उपयोगकर्ता की गतिविधि और इरादों को बेहतर ढंग से समझने में मदद करता है।
यह क्षेत्र प्रारंभिक पहनने योग्य उपकरणों से कंप्यूटर विज़न के भीतर एक विशिष्ट शोध क्षेत्र के रूप में विकसित हुआ है, जो गतिविधि पहचान, सामाजिक संपर्क विश्लेषण और सहायक प्रौद्योगिकियों के लिए सिस्टम विकसित करने के लिए कृत्रिम बुद्धिमत्ता और मशीन लर्निंग के साथ प्रतिच्छेद करता है।
इतिहास
प्रथम-व्यक्ति परिप्रेक्ष्य से दृश्य डेटा एकत्र करने के लिए पहनने योग्य कैमरे का उपयोग करने की अवधारणा 1970 के दशक की है, जब स्टीव मान ने "डिजिटल आई ग्लास" का आविष्कार किया था, एक उपकरण जो पहनने पर मानव आंख को प्रभावी ढंग से एक इलेक्ट्रॉनिक कैमरा और एक टेलीविजन डिस्प्ले दोनों में बदल देता था। इसके बाद, मानवतावादी बुद्धिमत्ता और पहनने योग्य एआई के संदर्भ में स्वास्थ्य संबंधी अनुप्रयोगों के लिए पहनने योग्य कैमरों का उपयोग किया गया। अहंकेंद्रित दृष्टि आंख के बिंदु से सबसे अच्छी तरह से की जाती है, लेकिन गर्दन पर पहने जाने वाले कैमरे के माध्यम से भी की जा सकती है जब चश्मा रास्ते में हो; इस गर्दन-पहने संस्करण को 2006 में प्रायोगिक स्वास्थ्य अनुसंधान के लिए माइक्रोसॉफ्ट सेंसकैम द्वारा लोकप्रिय बनाया गया था।
कंप्यूटर विज़न समुदाय की ओर से अहंकेंद्रित प्रतिमान में रुचि 2010 के दशक में धीरे-धीरे बढ़ी और हाल के वर्षों में तेजी से बढ़ी है, जो पहनने योग्य प्रौद्योगिकी में प्रगति और संभावित अनुप्रयोगों की बढ़ती संख्या से प्रेरित है। 2012 में, कनाडे और हेबर्ट ने एक प्रोटोटाइपिकल प्रथम-व्यक्ति विज़न सिस्टम का वर्णन किया जो तीन बुनियादी घटकों से बना था: परिवेश का अनुमान लगाने के लिए एक स्थानीयकरण घटक, वस्तुओं और लोगों की पहचान करने के लिए एक पहचान घटक, और उपयोगकर्ता की वर्तमान गतिविधि के बारे में जानकारी प्रदान करने के लिए एक गतिविधि पहचान घटक। साथ में, ये घटक पूर्ण स्थितिजन्य जागरूकता प्रदान करते हैं, जिसका उपयोग उपयोगकर्ता या देखभालकर्ता की सहायता के लिए किया जा सकता है। इस विचार के बाद, प्रारंभिक कम्प्यूटेशनल तकनीकों ने हाथ से संबंधित गतिविधि पहचान और सामाजिक संपर्क विश्लेषण पर ध्यान केंद्रित किया। वीडियो की अप्रतिबंधित प्रकृति और बड़े डेटा मात्रा को देखते हुए, अस्थायी विभाजन और सारांशीकरण पहले संबोधित की जाने वाली समस्याओं में से थे।
लगभग दस वर्षों के अहंकेंद्रित विज़न शोध (2007-2017) के बाद, यह क्षेत्र विविध हो गया। उभरते शोध विषयों में सामाजिक प्रमुखता अनुमान, बहु-एजेंट अहंकेंद्रित विज़न सिस्टम, गोपनीयता-संरक्षण तकनीक, ध्यान-आधारित गतिविधि विश्लेषण, सामाजिक संपर्क विश्लेषण, हाथ मुद्रा विश्लेषण, अहं ग्राफिकल यूजर इंटरफेस (EUI), सामाजिक गतिशीलता और ध्यान को समझना, रोबोटिक विज़न और मशीन विज़न को अहंकेंद्रित संवेदन के रूप में पुनर्विचार, गतिविधि पूर्वानुमान, और टकटकी भविष्यवाणी शामिल हैं।
तकनीकी चुनौतियाँ
पहनने योग्य कैमरे छोटे, हल्के डिजिटल रिकॉर्डिंग उपकरण हैं जो प्रथम-व्यक्ति परिप्रेक्ष्य से छवियों और वीडियो को कैप्चर करते हैं। डिवाइस के आधार पर, रिकॉर्डिंग स्वचालित हो सकती है, और रिज़ॉल्यूशन और फ्रेम दर भिन्न हो सकती है। फोटो-कैमरों (जिन्हें लाइफलॉगिंग कैमरे भी कहा जाता है) और वीडियो-कैमरों के बीच एक सामान्य अंतर किया जाता है।
फोटो-कैमरे, जैसे नैरेटिव क्लिप और माइक्रोसॉफ्ट सेंसकैम, आमतौर पर छाती पर पहने जाते हैं और बहुत कम फ्रेम दर (प्रति मिनट 2 फ्रेम तक) की विशेषता रखते हैं, जिससे बार-बार बैटरी रिचार्ज किए बिना लंबी अवधि में छवि कैप्चर की अनुमति मिलती है। वे व्यवहार पैटर्न, आदतों या जीवनशैली के बारे में ज्ञान प्राप्त करने की क्षमता प्रदान करते हैं। हालांकि, कम फ्रेम दर और मुक्त कैमरा गति के कारण, अस्थायी रूप से आसन्न छवियां अक्सर अचानक उपस्थिति परिवर्तन दिखाती हैं, जिससे गति सुविधाएँ अविश्वसनीय हो जाती हैं।
वीडियो-कैमरे, जैसे गूगल ग्लास और गोप्रो, आमतौर पर सिर पर लगाए जाते हैं और पारंपरिक वीडियो (लगभग 35 फ्रेम प्रति सेकंड) कैप्चर करते हैं, जिससे इंटरैक्शन का सूक्ष्म अस्थायी विवरण संभव होता है। वे दैनिक या विशेष गतिविधियों के गहन विश्लेषण की क्षमता प्रदान करते हैं। हालांकि, चूंकि कैमरा पहनने वाले के सिर के साथ चलता है, पहनने वाले की वैश्विक गति का अनुमान लगाना अधिक कठिन होता है, और अचानक आंदोलनों से धुंधली छवियां हो सकती हैं।
दोनों मामलों में, चूंकि कैमरा प्राकृतिक सेटिंग में पहना जाता है, दृश्य डेटा रोशनी और वस्तु उपस्थिति में उच्च परिवर्तनशीलता प्रदर्शित करता है। इसके अलावा, कैमरा पहनने वाला छवि में दिखाई नहीं देता है, इसलिए उनके कार्यों का अनुमान दृश्य क्षेत्र से लगाया जाना चाहिए, जिसका अर्थ है कि मुद्रा या चेहरे की अभिव्यक्ति जैसी महत्वपूर्ण जानकारी अनुपलब्ध है।
अनुप्रयोग
अमेरिकन जर्नल ऑफ प्रिवेंटिव मेडिसिन के एक विशेष विषय अंक में प्रकाशित अध्ययनों के एक संग्रह ने पहनने योग्य कैमरों के माध्यम से कैप्चर किए गए लाइफलॉग की क्षमता का प्रदर्शन किया। जीवनशैली व्यवहार को समझने और ट्रैक करने के उपकरण के रूप में, लाइफलॉग अस्वस्थ प्रवृत्तियों और जोखिम भरे प्रोफाइल, जैसे मोटापा और अवसाद, से जुड़ी गैर-संचारी बीमारियों की रोकथाम को सक्षम कर सकते हैं। पुनः-स्मृति संज्ञानात्मक प्रशिक्षण के उपकरण के रूप में, लाइफलॉग बुजुर्ग लोगों में संज्ञानात्मक और कार्यात्मक गिरावट को रोकने में मदद कर सकते हैं।
हाल ही में, अहंकेंद्रित कैमरों का उपयोग मानव और पशु अनुभूति, मानव-मानव सामाजिक संपर्क, मानव-रोबोट संपर्क, और जटिल कार्यों में मानव विशेषज्ञता का अध्ययन करने के लिए किया गया है। अन्य अनुप्रयोगों में नेविगेशन और अंधों के लिए सहायक प्रौद्योगिकियां, औद्योगिक कार्यप्रवाह की निगरानी और सहायता, और संवर्धित-वास्तविकता इंटरफेस शामिल हैं। यह क्षेत्र अहंकेंद्रित डेटा के विश्लेषण के लिए व्यापक गहन शिक्षण दृष्टिकोणों से भी जुड़ता है, जो गतिविधि पहचान और टकटकी भविष्यवाणी जैसे कार्यों के लिए तंत्रिका नेटवर्क आर्किटेक्चर का लाभ उठाता है।
यह भी देखें
- कंप्यूटर विज़न
- पहनने योग्य प्रौद्योगिकी
- गतिविधि पहचान
- टकटकी ट्रैकिंग