Algoritmer för huvudstyrning av dator

EXAMENSARBETE, CERTEC 3:2003

Mikael Aili
Arvid Nilsson


Sammanfattning

Algoritmer från statistisk bildanalys har använts för att implementera mjukvara för ansiktsföljning. Indata är videoströmmen från en kamera som kopplas till en persondator. Vår avsikt med ansiktsföljningen är att huvudrörelser skall kunna användas som styrsignal i stället för datormusen för att interagera med en persondator.

Exempel på ansiktföljning.

Vi tror att för många människor med rörelsehinder kan det vara möjligt att utveckla datorprogram som kan vara till både nytta och glädje. Problemet är att dessa människor har svårt att interagera med datorn via de vanliga medlen. Vårt arbete presenterar en teknisk lösning som bygger på att användaren i någon utsträckning kan röra huvudet. Särskilt inriktar sig vårt arbete på svårt hjärnskadade människor. Eftersom både rörelseförmåga och kognitiv förmåga bland sådana användare kan variera stort är ett mål att inte bara applikationen, utan även tekniken skall kunna individanpassas. Detta åstadkommer vi genom att välja en mjukvarubaserad teknisk lösning.

Grundidéerna bakom vårt arbete har vi ärvt från Björn Breidegards Minimetern. Syftet med vårt arbete kan sammanfattas i en mening: att genomföra en teknikhöjning av Minimetern som gör tekniken användbar för fler funktionshindrade människor. Att utveckla tekniken för dess egen skull var inte det viktiga i vårt arbete.

Under arbetets gång har vi provat tekniken tillsammans med Magnus Andersson-Jardeby, vars individuella förmågor och behov varit viktiga för att formulera projektets fortsatta utveckling. Magnus har en CP-skada, men enligt vår bedömning verkar han ha en hel del kontroll över sina huvudrörelser. De slutsatser vi drog av provanvändningen var att rent tekniskt behöver våra algoritmer vidareutvecklas för att uppnå större robusthet.

När automatisk ansiktsdetektion visade sig väldigt svårt lät vi det slutligen göras manuellt. Rent praktiskt kan en assistent till användaren lätt utföra detta steg. Sedan kom vi in på ett mycket lovande spår för själva ansiktsföljaren, nämligen metoden med egenansikten, som också skulle kunna lösa problemet med ansiktsdetektion. Tyvärr närmade sig då slutet på den utsatta tiden.

Resultatet blev en ansiktsföljare som fungerade väl under förutsättningarna att ansiktet inte vreds för mycket eller flyttades för hastigt. Många konkreta idéer för hur den skulle kunna förbättras presenteras i vår rapport, så området är inte alls uttömt i och med detta examensarbete. Snarare presenterar det en språngbräda för framtida vidareutveckling

Läs hela rapporten i pdf-format (1,3 MB)

Adobe Acrobat Reader