Um estudo de técnicas de classificação de placas de sinalização interna para deficientes visuais utilizando um dispositivo vestível

Abstract

RESUMO: Placas de sinalização interna tem papel fundamental para a localização de determinados destinos, tais como: banheiros masculinos e femininos, saída de emergência, entre outros. Deficientes visuais necessitam do auxílio de outras pessoas quando desejam encontrar tal destino. Uma tecnologia de reconhecimento dessas placas pode ser útil para uma maior independência de locomoção. O reconhecimento de objetos é uma tarefa trivial para humanos, contudo não tão simples para computadores. Este trabalho tem como objetivo apresentar o desenvolvimento de um sistema computacional que auxilia deficientes visuais no reconhecimento de placas de sinalização interna para melhor localização em ambientes públicos. Para o processo de detecção de placas foi utilizado o algoritmo Haar Cascade e para o processo de classificação abordou-se métodoshandcrafted enon-handcrafted. No método handcrafted, foram utilizados os descritores Histograma de Cores, LBP (Local Binary Patterns), HOG (Histogram of Oriented Gradients) e DAISY aplicados nos classificadores SVM (Support Vector Machine), k-NN (k-Nearest Neighbors) e MLP (MultiLayer Perceptron). Já na abordagem non-handcrafted utilizou-se Redes Neurais Convolucionais (CNN, do inglês Convolutional Neural Network). O processo de detecção de placas atingiu 96% e os resultados de classificação chegaram a uma taxa de acurácia de 90,33%. Por fim, foi construído um dispositivo vestível que tem como finalidade avaliar o desempenho e viabilidade de utilização das técnicas escolhidas

ABSTRACT: Indoor signs are very useful to locate certain destinations, such as male and female toilets, emergency exit, and others. Visually impaired people frequently need help from others when they want to find a specific destination. A technology of signs recognition can be useful for greater independence of locomotion. Object recognition is a trivial task for men, however, it is not so simple for computers. The objective of this works is to present the development of a computational system that assists the visually impaired in the recognition of indoor signs for a better location in public environments. For the sign detection, the Haar Cascade algorithm was used, and for the classification process, handcrafted and non-handcrafted methods were employed. The handcrafted method used was descriptors Color Histogram, Local Binary Patterns (LBP), Histogram of Oriented Gradients (HOG), and DAISY applied to Support Vector Machine (SVM), k-Nearest Neighbors (k-NN) and MultiLayer Perceptron MLP. The non-handcrafted approach, Convolutional Neural Networks (CNN) were used. The sign detection process reached 96% and the classification results reached an accuracy rate of 90.33%. Finally, a wearable device was designed to evaluate the performance and feasibility of using the chosen techniques