Prototipo de comunicación audible a través del movimiento ocular con procesamiento digital de imágenes

Autores/as

  • Neiry Dayán Martínez NUEVA EPS
  • Diego Alejandro Sánchez Alfonzo Universidad Manuela Beltrán
  • Andrés David Pérez Rodríguez Universidad Manuela Beltrán
  • Jorge Andrés Alvares Triana Universidad Manuela Beltrán

DOI:

https://doi.org/10.22490/25904779.4169

Resumen

En este trabajo se desarrolla un prototipo de comunicación audible basado en el procesamiento digital de imágenes, con el fin de brindar una herramienta económica que mejore la calidad de vida de personas con limitaciones de comunicación, causadas por la parálisis completa de la movilidad del cuerpo como es el caso de la esclerosis lateral amiotrófica donde se conserva únicamente la movilidad ocular. En este estudio, se establece un prototipo con una cámara de 640x480 píxeles de resolución, basado en el rastreo ocular del ojo derecho; clasificando el movimiento a partir de la segmentación del iris y nueve patrones de movimiento preestablecidos. El procesamiento inicia con la identificación de parámetros anatómicos del ojo y continúa con métodos de segmentación donde se incluye: el recorte la imagen, eliminación de componentes como pestañas y brillos especulares, corrección del brillo, transformación al modelo de color HSV, identificación de estructuras circulares y asignación de etiquetas. Para la experimentación se tuvo en cuenta 12 voluntarios en tres condiciones de luz: homogénea alta, homogénea baja y no homogénea, lo cual demostró una sensibilidad mayor al 94% en la clasificación de los nueve patrones en condiciones de luz homogénea alta, es decir, sin sombras y con alto contraste de estructuras en la imagen.

Citas

A. Sánchez & E. Planells, “Necesidad de una evaluación e intervención en esclerosis lateral amiotrófica,” Revista de Logopedia, Foniatría y audiología. vol.38, no. 4, pp. 174-183, Sep., 2018.

F. Orient, R. Terré, D. Guevara y M. Bernabeu, “Tratamiento neurorrehabilitador de la esclerosis lateral amiotrófica”. Rev Neurol., vol. 43, no. 9, pp. 549-555, 2006.

R. Spataro, M. Ciriacono, C. Manno, y V. La Bella, “The eye‐tracking computer device for communication in amyotrophic lateral sclerosis,” Acta Neurologica Scandinavica, vol. 130, no. 1, pp. 40-45, 2014.

RJ. O’Connor, S. Cano, L. Ramió, A. Thompson y E. Playford, “Factors influencing retentionfor people with multiple sclerosis: Cross-sectional studies using qualitative and quantitative methods,” Journal of Neurology, no. 252, pp. 892-896, Ago., 2005.

MC. Puell Marín, Óptica fisiológica: el sistema óptico del ojo y visión binocular, Madrid,España: Unv. Complutense de Madrid, 2006, pp. 188-193.

WK. Pratt, Digital Image Processing: PIKS Inside. 3er ed. Nueva York, Estados Unidos: John Wiley and Sons Inc., 2001, pp. 89-158.

S. Muniyappan, A. Allirani and S. Saraswathi, "A novel approach for image enhancement by using contrast limited adaptive histogram equalization method," 2013 Fourth International Conference on Computing, Communications and Networking Technologies (ICCCNT), Tiruchengode, India, pp. 1-6, Jul., 2013, doi: 10.1109/ICCCNT.2013.6726470.

N. Jamil, S. Tengku Mohd y ZA. Bakar, "Noise removal and enhancement of binary images using morphological operations," 2008 International Symposium on Information Technology, Kuala Lumpur, Malaysia, pp. 1-6, 2018, doi: 10.1109/ITSIM.2008.4631954.

HA. Hassan, NM. Tahir, I. Yassin, A. Zabidi, CHC. Yahaya y S. M. Shafie, "Automated Optic Disc removal in fundus images using iterative heuristics and morphological operations," 2013 IEEE Conference on Systems, Process & Control (ICSPC), Kuala Lumpur, pp. 230-233, 2013, doi: 10.1109/SPC.2013.6735137.

K. Lochan, P. Sah y KK. Sarma, "Innovative feature set for retinopathic analysis of diabetes and its detection," 2012 3rd National Conference on Emerging Trends and Applications in Computer Science, Shillong, pp. 240-245, 2012, doi: 10.1109/NCETACS.2012.6203267.

RK. Sidhu, “Improved canny edge detector in various color spaces,” Proceedings of 3rd International Conference on Reliability, Infocom Technologies and Optimization, Noida, pp. 1-6, 2014, doi: 10.1109/ICRITO.2014.7014744.

Xiaochuan Zhao, Peizhi Liu, Min Zhang y Xinxin Zhao, "A novel line detection algorithm in images based on improved Hough Transform and wavelet lifting transform," 2010 IEEE International Conference on Information Theory and Information Security, Beijing, pp. 767-771, 2010.

O. Chapelle, P. Haffner y VN. Vapnik, "Support vector machines for histogram-based image classification," in IEEE Transactions on Neural Networks, vol. 10, no. 5, pp. 1055-1064, Sep. 1999, doi: 10.1109/72.788646

MA. Mora, JD. Bernal y JE. Paneso. “Anatomía quirúrgica del ojo: Revisión anatómica del ojo humano y comparación con el ojo porcino,” Morfolia, vol. 8, no. 3, pp. 21-44, 2016.

A. López, E. Valveny y M. Vanrel (2019) “Detección de objetos”. [Internet]. Disponible en https://www.coursera.org/learn/deteccion-objetos/home/welcome. [Accedido: 20-ene-2020]

J. Daugman, “How iris recognition works,” IEEE Transactions on circuits and systems for video technology, vol. 14, no. 1, pp. 21-30, Ene., 2004.

P. Gil, F. Torres y FG. Ortiz, “Detección de objetos por segmentación multinivel combinada de espacios de color,” XXV Jornadas de Automática, Ciudad Real: Universidad de Alicante, Sep., 2004.

WK. Pratt, Digital Image Processing: PIKS Inside. 3er ed. Nueva York, Estados Unidos: John Wiley and Sons Inc., 2001, pp. 89-158.

AT. Bahill, MR. Clark y L. Stark, “Computer simulation of overshoot in saccadic eye movements,” Comput Programs Biomed, vol. 4, no. 4, pp. 230-236, Ago., 1975, doi: https://doi.org/10.1016/0010-468X(75)90036-7.

Descargas

Publicado

2020-10-10

Cómo citar

Dayán Martínez, N., Sánchez Alfonzo, D. A., Pérez Rodríguez, A. D. ., & Alvares Triana, J. A. . (2020). Prototipo de comunicación audible a través del movimiento ocular con procesamiento digital de imágenes. Memorias. https://doi.org/10.22490/25904779.4169

Número

Sección

Inteligencia Artificial y Robótica- Expotech