ซอฟต์แวร์ป้องกันการเกิดอาการคอมพิวเตอร์วิชันซินโดรม กรณีตรวจหาระยะห่างด้วยภาพใบหน้าSoftware Prevent Occurrence of Computer Vision Syndrome Case of Detecting Distance from the Face Image

Abstract

คอมพิวเตอร์วิชั่นซินโดรมเป็นอาการเจ็บป่วยที่เกิดจากเพ่งมองจออุปกรณ์สารสนเทศ บทความนี้นำเสนอการพัฒนาซอฟต์แวร์ที่ป้องกันการเกิดอาการด้วยการตรวจหาระยะห่างของตาผู้ใช้กับหน้าจอ เมื่อผู้ใช้มีระยะการมองที่มีความเสี่ยงต่อการเกิดอาการ ระบบจะทำการแจ้งเตือนให้ผู้ใช้ปรับระยะการมองที่เหมาะเพื่อเลี่ยงความเสี่ยงของเกิดอาการ การวัดระยะห่างใช้ภาพที่รับจากกล้องที่เชื่อมกับอุปกรณ์นั้น ๆ แล้วประยุกต์ใช้เทคโนโลยีการตรวจหาใบหน้าเพื่อค้นหาตำแหน่งของดวงตา วิธีการคำนวณเริ่มจากการสร้างเส้นสมมติจากตำแหน่งของกล้องและดวงตา เพื่อที่จะหาค่าตามหลักการตรีโกณมิติ การดำเนินการวิจัยใช้การตรวจหาใบหน้าสามวิธี ได้แก่ ฮาร์ ฮอก และ โครงข่ายประสาทเทียม เพื่อเปรียบเทียบและเลือกวิธีการที่ดีที่สุด การประเมินแบ่งออกเป็นสามด้าน ได้แก่ ด้านความเร็ว ด้านความถูกต้องแม่นยำ และด้านความสามารถในการใช้งานได้ ผลการประเมินซอฟต์แวร์ใช้ความเร็วในการตรวจหาระยะจากภาพขนาด 640*480 เท่ากับ 36 มิลลิวินาทีต่อเฟรม ความถูกต้องและแม่นยำมีค่าร้อยละ 99 ขึ้นไป ค่าเฉลี่ยความคาดเคลื่อนสัมบูรณ์เท่ากับ 0.26 ค่าเฉลี่ยความคลาดเคลื่อนกำลังสองเท่ากับ 0.47 ค่ารากที่สองของความคาดเคลื่อนเฉลี่ยเท่ากับ 0.22 และซอฟต์แวร์มีความสามารถในการใช้งานได้เป็นอย่างดี

Computer Vision Syndrome is vision-related problems associated with focusing the eyes on a digital screen of computer or other display device for protracted periods of time. This article presents the development of software that prevents the occurrence of such symptoms by detecting the distance of the user's eyes to screen. When users are in a view range that increase a risk of symptom development, the system will alert them so they can adjust the suitable viewing distance to avoid the risk of symptom occurrence. The distance measurement system uses image processing from the camera connected to that device while appliying face detection technology to detect eye pupils and measure pupillary distance. The calculation is performed by creating vectors from the position of the camera to eyes. In order to find the value according to trigonometric principles, this research employed three methods of face detection, called HAAR HOG and convolutional neural networks to compare and select the best method. The as sessment is divided into three areas: speed, accuracy, and the usability. The software evaluation results use the speed of distance measurement from 640 × 480 image size is 36 ms/f, the percentage accuracy and precision is described as 99 percent or above, MAE is 0.26, MSE is 0.47, RMSE is 0.22 . Overall, the software efficiency and effectiveness are substantiated.