Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2017

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: elektroniczny interfejs człowiek maszyna

Sortuj według:

Ogranicz wyniki do:

Algorytmy rozpoznawania ruchów głowy w elektronicznym interfejsie człowiek-komputer

Borowska-Terka A., Strumiłło P.

Przegląd Elektrotechniczny

2017

R. 93, nr 8

131--134

Celem badań opisanych w niniejszym komunikacie jest wykorzystanie specjalnego interfejsu dla osoby niewidomej umożliwiającego sterowanie menu urządzenia nawigacyjnego za pomocą ruchów głowy. Zastosowano czujniki inercyjne wbudowane w układ stereowizyjny umieszczony na głowie użytkownika systemu. Dla 2-sekundowych okien czasowych rejestrowanych sygnałów wyliczono parametry statystyczne takie jak: średnie, minimum, maksimum, odchylenie standardowe, kurtoza oraz współczynniki korelacji dla sygnałów pochodzących z trój-osiowego akcelerometru i trój-osiowego żyroskopu. Dla tak przygotowanych danych treningowych zbadano skuteczność działania czterech różnych klasyfikatorów do rozpoznawania różnych ruchów głowy służących do sterowania interfejsem. Najlepsze wyniki uzyskano dla tzw. lasu losowego, którego skuteczność dla zbioru sygnałów testowych wyniosła 98,89%. Prawidłowe rozpoznawanie ruchów głowy umożliwi osobie niewidomej komunikowanie się z urządzeniem mobilnym i zarządzanie aplikacjami za pomocą ruchów głowy.

The purpose of the study described in this communication is to apply a special interface for the blind person to control the menu of the navigation device using head movements. Inertial sensors built into the stereovision system positioned on the user's head are used. For two-second time windows of the recorded signals, statistical parameters such as: mean, minimum, maximum, standard deviation, kurtosis, and correlation coefficients for signals from a three-axis accelerometer and a three-axis gyroscope were calculated. For such training data, the effectiveness of the four different classifiers was assessed to distinguish different head movements. The best results were obtained for the so-called random forest whose efficiency for the test set signals achieved 98.89%. Proper recognition of head movements will allow the blind person to communicate with the mobile interface and control applications by means of head movements.