Rastreamento e identificação de movimentos de cabeça para sistema de comunicação alternativa

Abstract

As interfaces de controle de computadores são concebidas desde suas origens para, aproveitando o controle motor altamente preciso e rápido de mãos, braços e dedos, permitir uma taxa de comandos muito rápida, e aumentar a eficiência da interação homem-máquina. Contudo, estima-se que no Brasil 7% da população tem algum tipo de deficiência motora, sendo que diversas destas podem comprometer ou inviabilizar o uso do computador por uma pessoa. O uso de tecnologias assistivas permite mitigar ou até anular as dificuldades inerentes às condições do usuário, empoderando-o a realizar atividades em que sua condição clínica é desfavorável. Sistemas de acesso ao computador e equipamentos para comunicação aumentativa e alternativa são empregados nesta tarefa ajudando pessoas em todo o mundo. Entretanto, pessoas com movimentação involuntária possuem um número reduzido de soluções à sua disposição para uso do computador, principalmente devido a poucos movimentos funcionais. Até o momento não existe um sistema de visão computacional que permita a interpretação de movimentos funcionais de cabeça de uma pessoa com movimentação involuntária. Este trabalho propõe uma aplicação que consegue reconhecer o rosto do usuário, rastrear seu movimento, modelar o movimento funcional desejado, e reconhecê-lo com o uso de imagens coletadas por uma webcam convencional. Nosso classificador é flexível e capaz de se ajustar aos diferentes movimentos testados, obtendo uma boa precisão e número pequeno de falso positivos. O sistema desenvolvido ainda pode ser integrado com vários softwares que implementam pranchas de comunicação dinâmicas, permitindo o uso do computador e comunicação através da escrita ou voz sintetizada. Resultados para candidatos hígidos comprovam que o os classificadores HMM produzem resultados superiores ou equivalentes a um classificador que utiliza apenas um limiar de posição. O melhor destes apresenta uma área abaixo da curva ROC de 0,997. Contudo, os módulos de segmentação e interpretação do movimento foram sensíveis a movimentação involuntária apresentada nos dois candidatos com deficiência motora da pesquisa, diagnosticados respectivamente com movimentação coreodistônica e coreoatetótica. _______________________________________________________________________________ ABSTRACT

The control interfaces for computers are designed since its origins to take advantage of the fast and fine motor control of hands, arms and fingers, and allow a great rate of commands, increasing the efficiency of the human-machine interaction. However, it is estimated that 7% of the population of Brazil has some motor impairment, which can prevent the computer use by a subject. The use of assistive technologies can mitigate or reduce the difficulties related to the user’s physical condition, empowering him to accomplish activities that are unfavorable to his condition. Computer access systems and augmentative and alternative communication equipment are employed in this task, helping people around the world. Even though, persons with involuntary movements have fewer solutions at hand to use a computer, especially because of few functional movements. So far there is no computer vision system that allows the interpretation of functional head movements of a person with involuntary movements. This work proposes an application that can recognize the user face, track its motion, model the desired function movement and recognize it with images collect via a conventional webcam. Our classifier has a flexible structure and is capable of dealing with the different movements that were tested, accomplishing good precision and a reduced false positive rate. The developed system can be integrated with softwares that implement dynamic communication boards, allow keyboard and mouse emulation, and communication by writing or synthesized voice. Results for healthy candidates show that the HMM classifiers have equal or better performance than an classifier that uses only a position threshold. The best of them presents an area below the ROC curve of 0,997. However, the motion segmentation and motion interpretation modules were sensitive to involuntary movements presented on the two candidates with motion impairment, diagnosticated respectively with choreodystonic and choreoathetotic movements.