Los seres humanos hacemos uso de nuestros sentidos para poder percibir e interactuar con nuestro medio exterior, siendo uno de ellos el sentido de la visión. Es así que las personas que tienen discapacidades visuales (personas ciegas o “cortas de vista”) presentan muchísimas dificultades para poder desplazarse libremente sin ayuda alguna por las calles e incluso interactuar con cualquier persona o cosa. Así mismo, muchas personas con discapacidad visual, la asistencia juega un papel importante en la participación social. La ausencia de dispositivos de asistencia adecuados para las personas con discapacidad visual las hace demasiado dependientes de sus familiares. Además, es posible que el costo de la rehabilitación no sea asequible para las personas de países de bajos ingresos debido a la falta de empleo. Las tecnologías de asistencia son herramientas poderosas para la rehabilitación, que mejoran el funcionamiento, la participación y la independencia de las personas con discapacidad visual. Debido a ello, se ha realizado investigaciones en el campo de la Inteligencia Artificial que proponen diversas soluciones a este problema, tal como lo muestran los siguientes artículos publicados en la IEEE, proponiendo una solución basada en Smartphone Android, de modo que las personas con discapacidad visual puedan hacer uso de sus teléfonos inteligentes para poder percibir a través de sus celulares los distintos objetos a su alrededor, haciendo uso de las cámaras que estos poseen, y siendo alertados mediante sistemas táctiles, auriculares o altavoces de dichos dispositivos. Estas investigaciones presentan un enfoque que puede funcionar de manera autónoma, o con conexión a internet, pero ambas orientadas a la aplicación del Deep Learning, también conocido como Aprendizaje profundo.
2. Herramientas:
a. SSD (Single Shot Detector):
Existen 2 secciones para un sistema de detección de objetos que utiliza el algoritmo SSD:
● Uno es extraer los mapas de características.
● El segundo es aplicar filtros de convolución para detectar objetos.
Esta herramienta toma un solo disparo para detectar múltiples objetos presentes en una imagen. Es significativamente más rápido en velocidad y es un algoritmo de detección de objetos de alta precisión. Consiste en dividir la imagen usando una cuadrícula y cada celda de la cuadrícula es responsable de detectar objetos en esa región de la imagen. La detección de objetos simplemente significa predecir la clase y ubicación de un objeto dentro de esa región.
- SSD.png (90.46 KiB) Visto 89 veces
b. CNN (Convolutional Neural Network):
Este es un algoritmo de aprendizaje profundo que puede tomar una imagen de entrada, asignar importancia (pesos y sesgos aprendibles) a varios aspectos / objetos de la imagen y poder diferenciar uno de otro.
Funciona de la siguiente manera: las capas convolucionales aplican un proceso complicado a los datos entrantes, después de lo cual el resultado que se genera se pasa a la siguiente capa. Esta capa de convolución tiene una reacción similar a la neurona humana al proceso de visión. Cada neurona en la convolución usa la información que recibe y procesa la información de la que es responsable. Lo hace agrupando algunas neuronas de una capa. La agrupación local agrupa principalmente a las neuronas en un número reducido, como 2x2. La agrupación global aplica el proceso a cada neurona.
c. Tyflos
Esta herramienta se utiliza para (1) detectar la proximidad y recopilar información de lo que pasa en el entorno, tales como la distancia a la que se encuentra un objeto o captar los sonidos del exterior para procesarlos y (2) un sistema de retroalimentación de audio a sus usuarios sobre los obstáculos.
- Tyflos.png (106.66 KiB) Visto 89 veces
1) Se recopilaron datos de COCO 2014 para varios objetos, incluidas 80 clases. Al principio se utilizó el modelo YOLO entrenado. Consideramos la implementación de YOLO para obtener una visión detallada de cómo se lleva a cabo la detección de objetos en varios modelos. También se probó la implementación de SSD, de la cual se logró una mayor precisión y rendimiento que YOLO. Por lo tanto, se eligió SSD como modelo principal de proyecto. A continuación, se obtuvo un éxito en el desarrollo de un prototipo básico en lenguaje Python y que podía detectar y reconocer objetos usando una cámara web, y también proporcionar salida de voz. Además, este módulo se integró en Android Studio y se generó una apk.
- Resultado1.png (90.35 KiB) Visto 89 veces
- Resultado2.png (96.59 KiB) Visto 89 veces
- Resultado3.png (92.78 KiB) Visto 89 veces
- Resultado4.png (37.36 KiB) Visto 89 veces
Hoy en día, las personas con discapacidad visual pueden leer utilizando la escritura Braille, pero todavía les resulta difícil reconocer e interactuar con los objetos domésticos y también en las carreteras. En este proyecto, se desarrolló una aplicación de Android para ayudar a las personas con discapacidad visual que les ayuda a reconocer los objetos que encuentran y les envía un audio de la etiqueta basada en la puntuación de confianza del objeto predicho en el marco.
El uso de estas herramientas tecnológicas, demuestran una gran eficacia frente a las herramientas tradicionales o ausencia de herramientas respecto a los obstáculos u objetos que tienen en frente las personas con discapacidad visual. Sin embargo, estas herramientas tecnológicas no son muy conocidas ni tampoco las personas con discapacidad visual saben utilizarlas. Una vez que los usuarios se acostumbren y aprendan a manejar estas herramientas tecnológicas, podrán gozar de un mejor tránsito y tener menos colisiones.
5. Referencias:
a. https://ieeexplore.ieee.org/abstract/document/9105670
b. https://ieeexplore.ieee.org/abstract/document/8801898