Las personas con discapacidad visual día a día se enfrentan a diversos problemas en las actividades diarias que para las personas con visión normal no representan ningún desafío. La limitación visual afecta todos los aspectos de su vida, desde una movilidad limitada, uso de medicamentos, preparación de alimentos, uso de electrodomésticos, uso de dinero y hasta la vida profesional y social.
Para poder contrarrestar estas limitaciones se han desarrollado tecnologías que también cuentan con limitaciones, estamos hablando de dispositivos que deben ser constantemente manipulados por los usuarios y que pueden ser caros. Por el lado del software, aprovechando que hoy en día los smartphones se han vuelto un elemento presente en la población incluida la población son problemas de visión, se han creado aplicaciones móviles que describen lo que se pongan en frente de la cámara del dispositivo, así las soluciones propuestas en los artículos detectan colores, zonas de mayor intensidad de luz y objetos, los cuales son comunicados a los usuarios a través de sintetizadores de voz.
2.Sistema propuesto:
Se ha construido una aplicación Android que cuenta con 3 módulos, los cuales se encargan de la detección de color, detección de fuente de luz y detección de objetos.
2.1 Modulo de detención de color:
Se toman imágenes a través del módulo de cámara del smartphone con la menor resolución posible, luego esta imagen en color RGB se convierten en las imágenes de color HSI (Intensidad de saturación de tono) el cual permite representar el color en un solo parámetro (el componente H) mientras que el componente S es el parámetro de saturación del color reconocido, entonces el valor medio del color (el Componente H) se determina para la foto tomada y se compara con una tabla de colores.
2.2 Modulo de detención de fuente de luz:
Este módulo funciona a través de la vista previa de la cámara la cual detecta la señal de brillo, y mientras esta vaya aumentando también aumentara la frecuencia de señal de brillo generada por el smartphone, con lo esto un usuario ciego podría saber hacia donde dirigirse, en determinadas situaciones, en busca de una fuente de luz.
2.3 Modulo de detección de objetos
Para el reconocimiento de objetos se presentan dos algoritmos, el primero es la Transformación de características de escala invariable (SIFT por sus siglas en inglés), el cual es considerado como un algoritmo de visión artificial muy potente para detectar y describir características de imágenes locales.
- 1.PNG (134.76 KiB) Visto 158 veces
- 2.PNG (88.34 KiB) Visto 158 veces
El primer algoritmo de detección de objetos se probó a través de una interfaz en Android usando una base de datos de 30 fotos de productos alimenticios en la memoria de un teléfono móvil, obteniendo los resultados:
Tasa de reconocimiento correcta: 89%
Tasa de reconocimiento falso: 5,5%
Ningún objeto reconocido: 5,5%
Tiempo medio de cálculo de la plantilla de objeto: 2,1 s
Tiempo medio de comparación de objetos: 34,6 s
- 3.PNG (28.08 KiB) Visto 158 veces
El segundo algoritmo (clase 2), aumentó el porcentaje de precisión, de una ANN (clase 1) Por ejemplo si tenemos un conjunto de 100 objetos, en el uso de un algoritmo híbrido, si los objetos detectados son 98, los 98 objetos se detectan correctamente. No puede darnos resultado falso positivo gracias al uso de la distancia euclidiana para calcular el error y comparar con un umbral, de modo que si ese error se encuentra entre 0-10, solo en ese caso se toma valida el objeto reconocido.
4. Conclusiones
El principal problema en el uso práctico del módulo de detección de color fue causado por la variación de la iluminación, cuando el flash de la cámara debe utilizarse durante captura de fotos. En buenas condiciones de iluminación, detección de color el rendimiento fue mucho mejor; también el módulo de detección de fuentes de luz fue catalogado con buen rendimiento y usabilidad. Y con respecto al módulo de detección de objetos ambas propuestas lograron altas tasas de precisión siendo el algoritmo hibrido el que mayor tasa obtuvo con un 97.5% y el algoritmo SIFT un 89%.
5. Referencias
https://ieeexplore.ieee.org/abstract/document/7375665
https://ieeexplore.ieee.org/abstract/document/6577868