SISTEMA DE CONTROL MEDIANTE SEÑALES NEUROLÓGICAS PARA GOBERNAR MOVIMIENTOS

Transcripción

1 Vicerrectoría Académica - Dirección General de Investigación Proyecto de Investigación para estudiantes de pregrado UTA 2015 SISTEMA DE CONTROL MEDIANTE SEÑALES NEUROLÓGICAS PARA GOBERNAR MOVIMIENTOS Participantes : Académico : Patrocinador Sebastián Monge Lay, Alexis Barahona Peñaranda y Angel Astorga López Ingeniería Civil en Computación e Informática Diego A. Aracena Pizarro Área de Ingeniería en Computación e Informática, EUIIIS

2 El Problema y Solución propuesta la innovación en interfaces humano-computador está cobrando su importancia, por ejemplo, se puede hablar de Wii de Nintendo, con su revolucionario mando inalámbrico que lee los movimientos. Kinect para xbox de Microsoft, donde la interfaz es tu propio cuerpo y con ella interactuar en los juegos, entre otros dispositivos A veces no es suficiente o no es posible el uso de estas interfaces para realizar ciertas acciones, ejemplo, las personas discapacitadas sobre todo las tetrapléjicas, que están imposibilitadas a realizar movimientos con su cuerpo, pero mentalmente están en perfecto estado Según Censo en Chile hay que presentan discapacidades, tales como: Dificultad física o de movilidad Mudez o dificultad en el habla Dificultad psiquiátrica, mental o intelectual Sordera o dificultad auditiva Ceguera o dificultad para ver

3 El Problema y Solución propuesta Es por ello que se persigue lo siguiente: Origen del problema Ayudar a usuarios con cierta discapacidad, Lograr inclusión en los juegos o actividades Mejorar su calidad de vida, Lograr mayor grado de independencia

4 El Problema y Solución propuesta (Cont..) Como solución, se implementaron interfaces con el dispositivo Emotiv EEG, para controlar los siguientes dispositivos: 1. Un robot Lego Mindstorms, utilizando como algoritmo de reconocimiento el SDK proporcionado por Emotiv, entregando una precisión apropiadas para las acciones ejecutadas en el robot; 2. Controlar los movimientos de un brazo robótico 3. Finalmente un ambiente de control multimedia para personas discapacitadas móviles. Las últimas aplicaciones se desarrollaron para estudios de investigación futuros, en lo que respecta a usabilidad y procesamiento de señales neurológicas e inteligencia computacional, para mejorar el ambiente de control mediante las señales neurológicas.

5 Análisis de Objetivos Logrados Objetivo General: Implementar un sistema de control mediantes señales neurológicas para gobernar movimientos de objetos reales o virtuales, en un ambiente preparado y controlado. Objetivos Específicos: Implementar un sistema de control que presente objetos virtuales, y por medio de una interfaz se puedan aplicar movimientos. Implementar una interfaz para el movimiento de objetos reales, como por ejemplo un robot. Implementar el nexo comunicativo entre el Neuroreceptor cabezal y las interfaces desarrolladas anteriormente, para realizar los movimientos y lograr su utilización en dispositivos

6 Análisis de Objetivos Logrados Para poder cumplir con los objetivos del proyecto, se analizaron diversos equipos que captan señales neurológicas (EEG) Capacidad de comunicación Grado de medición actividad cerebral Forma de captar las señales Análisis de las señales Estudio de trabajos relacionados Motivando el desarrollo en realizar Interface Cerebro Computador (BCI) Tratando de resolver problemas que presentaban Investigar en algoritmos inteligentes que permitan un reconocimiento más rápido Centrándose en las acciones faciales (pestañear, masticar, etc.) y cognitivas(pensamientos) para las pruebas

7 E m o t i v L e g o M i n d s t o r m s R a s p b e r r y P I - K O D I Análisis de Objetivos Logrados

8 Arquitectura del Sistema SDK y Analizadores de espectro

9 Arquitectura del Sistema Comunicación Inalámbrica Ejecución de acciones Procesamiento de señales RED alámbrica

10 Acciones Disponibles Expresivas: Pestañeo Guiño izquierdo Guiño derecho Mirar a la izquierda Mirar a la derecha Levantar las cejas Sonreír Masticar Cognitivas: Neutral Empujar Tirar Subir Bajar Izquierda Derecha Rotar a la izquierda Rotar a la derecha Rotar en sentido horario Rotar en sentido anti horario Rotar hacia adelante Rotar hacia atrás Desaparecer

11 Flujo de Eventos Configuración del Sistema Acción Avanzar Derecha Izquierda Retroceder Parar Gesto Pestañeo Mirar Derecha Mirar Izquierda Sonreír Masticar

12 SVM con Enfoque 1 versus 1 Mirar Izquierda Pestañeo Masticar SMV 1 Izquierda Pestañeo SVM 2 Pestañeo Masticar SVM 3 Izquierda Masticar Pestañeo Izquierda Pestañeo Pestañeo

13 Ejemplo Matriz de Confusión 15 muestras de cada acción (45 total) 1/3 para entrenamiento (5 muestras por acción, 15 total) 2/3 para reconocimiento (10 muestras por acción, 30 total) Pestañeo Izquierda Masticar Muestra Pestañeo Muestra Mirar Izquierda Muestra Masticar 0 3 7

14 Determinando el mejor Kernel Muestra 7 señales 35 muestras de cada una Pestañeo, guiño derecho/izquierdo, mirar derecha/izquierda, masticar y neutro 5 canales AF3, AF4, F7, F8 Y O1 Prueba 100 pruebas por kernel (100 más por variación paramétrica) 1/3 para aprendizaje 2/3 para reconocimiento

15 Kernel Parámetro Precisión Kernel Parámetro(s) Precisión Linear - 86,5455 RBF 12 91,7013 Cuadrático - 67,1558 RBF 13 92,1688 Polinomial 1 85,9351 RBF 14 91,2338 Polinomial 2 67,5714 RBF 15 90,5974 Polinomial 3 75,3896 RBF 16 90,6883 Polinomial 4 35,4935 RBF 17 89,4026 RBF 1 22,0260 RBF 18 89,5325 RBF 2 56,1688 RBF 19 88,5455 RBF 3 79,4545 RBF 20 88,1818 RBF 4 87,5584 MLP (+/-) ,8182 RBF 5 91,7922 MLP (+/-) 10 64,1299 RBF 6 92,8571 MLP (+/-) 1 59,4805 RBF 7 93,2597 MLP (+/-) 0,1 78,3377 RBF 8 92,6234 MLP (+/-) 0,01 85,8052 RBF 9 93,3117 MLP (+/-) 0,001 82,8312 RBF 10 92,2597 MLP (+/-) 0, ,3766

16 Ejecutando Pruebas Muestras 6 personas 6 señales 15 muestras de cada una 90 por señal 540 total Pestañeo, guiño derecho/izquierdo, mirar derecha/izquierda, masticar y neutro 5 canales AF3, AF4, F7, F8 Y O1 Prueba 100 pruebas 1/3 para aprendizaje 2/3 para reconocimiento

17 Pestañeo Guiño izquierdo Guiño derecho Mirar izquierda Mirar Derecha Masticar Matriz de Confusión Reconocimiento Muestra Pestañeo Guiño Izquierdo Guiño Derecho Mirar Izquierda Mirar Derecha Masticar ,83% Precisión

18 Resultados Emotiv Acertados Erróneos Total Porcentaje Sujeto ,33% Sujeto ,11% Sujeto ,33% Sujeto ,00% Sujeto ,22% Sujeto ,22% Total ,70% SVM 71% Emotiv 59% 58,70% Precisión

19 Conclusiones El SDK en conjunto al dispositivo Emotiv EEG, en el caso de acciones expresivas, tiene un buen grado de detección para la mayoría de sus opciones Pestañear, Masticar, Mirar a los lados, etc. En el caso del área cognitiva, si bien está limitado hasta cuatro acciones como máximo, requiriendo un tiempo considerable (más de 1 hora) de entrenamiento que fatiga mentalmente al usuario por lo que se recomienda utilizar solo dos acciones, ya que su periodo de entrenamiento que ronda por los 43 minutos y su precisión promedio de 81% están en un rango aceptable, se obtendrán mejores resultados con más tiempo de entrenamiento.

20 Conclusiones SDK de Emotiv tiene un buen diseño arquitectónico Buen desempeño reconocimiento facial Aceptable reconocimiento cognitivo SVM Supera a Emotiv Presente mejores resultados el Kernel (RBF parámetro 9) de SVM Aplicaciones desarrolladas como base para otras implementaciones

21 Trabajo Futuro Realizar estudios con señales cognitivas Aplicar el sistema SVM como método principal o de soporte a Emotiv para el reconocimiento Utilizar otros como Wavelet o combinación de varios. Extraer datos (en usabilidad) para mejoras.

22 Productividad Comprometida Compromisos del proyecto Presentar artículo para posible publicación revista indexada Presentar artículo para posible publicación congreso o seminario nacional en en Comprometido X X Logro (si/no) Si Si Participar en congreso, conferencia, seminario o Si similar Desarrollar programas computacionales X Si Participar en concursos o exposiciones relativas Si al proyecto Finalizar actividad de titulación X Si Indique otro tipo de productividad (cuantificable y demostrable) : 1 Tesis 3 Nuevas

23 Otros logros obtenidos Revista Ingeniare Se sometieron dos trabajos a INFONOR CHILE ( ) Se participó en la Escuela de Verano de Inteligencia Computacional en Santiago Chile Se presentó un poster en Inglés por parte de los alumnos Se estableció contacto con Teletón para realizar pruebas futuras Se estableció contacto con el Área de Discapacitados dependientes de la Municipalidad de Arica

24 Centro Multimedia

25 Lego Mindstorm

26 Gracias por su atención Preguntas?

27