Systém ovládání videokamery pro automatizovaný záznam dat lidí trpících neurodegenerativním onemocněním

Abstract

Tato diplomová práce se zabývá návrhem a realizací systému pro automatizované řízení videokamery Logitech PTZ Pro 2 s cílem standardizovat pořizování obrazových záznamů pacientů s neurodegenerativními onemocněními. Vyvinutý softwarový nástroj umožňuje sledování obličeje v reálném čase a automatické nastavení záběru tak, aby byl obličej pacienta konzistentně umístěn ve středu obrazu. Systém je implementován v jazyce Kotlin a využívá detekční model YuNet ve spolupráci s knihovnou OpenCV. Pro řízení kamery byla využita integrace s COM rozhraním prostřednictvím knihovny Java Native Access (JNA). Výsledkem je funkční aplikace, která umožňuje efektivní ovládání kamery bez nutnosti manuálního zásahu a zajišťuje automatizovaný sběr dat vhodných pro následné zpracování biomarkerů mimiky. Dále byla provedena analýza citlivosti vybraných biometrických rysů a jejich porovnání mezi různými kamerovými systémy. Navržený systém je kompatibilní s již existujícími řešeními pro nahrávání řeči a představuje krok směrem k plně automatizovanému a klinicky využitelnému nástroji pro sběr dat.

This thesis deals with the design and implementation of a system for automated control of the Logitech PTZ Pro 2 video camera in order to standardize the acquisition of video recordings of patients with neurodegenerative diseases. The developed software tool allows for real-time facial tracking and automatic adjustment of the shot so that the patient's face is consistently positioned in the center of the image. The system is implemented in Kotlin and uses the YuNet detection model in conjunction with the OpenCV library. Integration with the COM interface via the Java Native Access (JNA) library was used to control the camera. The result is a functional application that allows efficient camera control without the need for manual intervention and provides automated data collection suitable for post-processing of facial expression biomarkers. Furthermore, sensitivity analysis of selected biometric features and their comparison between different camera systems was performed. The proposed system is compatible with existing speech recording solutions and represents a step towards a fully automated and clinically applicable data collection tool.