Movement´s detection of the view to generate orders [Detección de movimientos de la vista para generar ordenes]
Palabras clave:
Visión computacional, orden visual, movimiento visualResumen
El presente artículo de investigación se basa en el uso de la visión computacional como herramienta para detectar las órdenes generadas a partir de movimientos de la vista, para ello también hay que discriminar cuando realiza una orden y cuando no, donde se aprovecha también el procesamiento digital de imágenes. En un computador de regular característica se logró implementar en un software el esquema creado para lograr generar ordenes visuales en el lenguaje Python 3.8.1, tomando como objetos de prueba las 100 ordenes generadas con la vista y tomando estos datos para las pruebas respectivas. Se ha logrado como resultado de manera satisfactoria la generación de ordenes visuales. La prueba realizada dio como resultado la sensibilidad de 0.96, especificidad de 0.98, verosimilidad positiva de 48 y verosimilidad negativa de 0.04. Tener en cuenta que se realizó el testeo de 100 intentos divididos en 10 intentos por cada persona (5 izquierda y 5 derecha).
Descargas
Citas
BienSalud, B. 2015. Mensajes del cerebro al resto del cuerpo. http://www.revistabiendesalud.com/general/mensajes-del-cerebro-al-resto-del-cuerpo/
Cartusia, L. 1998. Bioestadística — Métodos y Aplicaciones. Malaga: U.D. Bioestadística - Facultad de Medicina.
Comber, A., Fisher, P., Brunsdon, C., & Khmag, A. 2017. Spatial analysis of remote sensing image classification accuracy. Remote Sensing of Environment, 237-246.
Enrique, S. L. 2007. Vision Computacional. Neuherberg, Alemania: Monterrey.
Fayez, F., & Small, D. 2019. INTERACTING WITH GAME ELEMENTS USING EYE MOVEMENT TRACKING. US Patent & Trademark Office.
Fernández, P. S., & Díaz, P. S. 2003. Pruebas diagnósticas. Coruña (España): Unidad de Epidemiología Clínica y Bioestadística.
Gutiérrez, E. A. 2003. Procesamiento digital de imagen. España: Universidad de León.
Huarote Zegarra, R. E. 2018. Optimizacion de ruta corta usando algoritmo genetico generacional. Lima-Perú: Ciencia & Desarrollo.
Jenkins, B. A. 1970. Time Series Analysis Forecasting, and Contro. San Francisco: Soc. Ind. Appl. Math.
Mees, I. M., Jacobsen, A. L., & Göpferich, S. 2008. Looking at Eyes: Eye-tracking Studies of Reading and Translation Processing. Frederiksberg: eBook Collection (EBSCOhost).
Mehrubeoglu, M., & Nguyen, V. 2018. Real-time eye tracking for password authentication. IEEE.
Morales, R. R. 2011. Procesamiento y analisis digital de imagenes. Mexico: RA-MA.
Müller, J., Wendt, D., Kollmeier, B., & Brand, T. 2016. Comparing eye tracking with electrooculography for measuring individual sentence comprehension duration. PLoS ONE 11.
Nilsson. 1998. Artificial Intelligence: A New Synthesis. EEUU: Morgan Kaufmann Publishers, Inc.
Omil, J. C. 2019. Inteligencia artificial ¿Dr. Jekyll o Mr. Hyde? Mercados y Negocios, 7.
Portillo, J. P. 2012. Detección de movimiento de objetos mediante secuencias de vídeo. Instituto Politécnico Nacional de México.
Querelle. 2018. Profesor en linea. Obtenido de http://www.profesorenlinea.cl/
Saavedra, B. 2016. Inteligencia Estratégica en un mundo globalizado en Latinoamérica: Retos y desafíos en el siglo XXI. Washington: Revista Policía y Seguridad Pública.
Schilperoord, J. 1996. It’s about Time: Temporal Aspects of Cognitive Processes in Text Production. Amsterdam: Rodopi.
Wu, B., Nishimura, S., Jin, Q., & Zhu, Y. 2019. Culture-Based Color Influence Paths Analysis by Using Eye-Tracking Devices. IEEE.
Yarbus, A. L. 1967. Eye Movements and Vision. Plenum Press.
