Detección de objetos y estimación de distancia usando proxémica y aprendizaje profundo para ayuda de personas con discapacidad visual

Abstract

En 2020, en el mundo existían cerca de 2.2 billones de personas con discapacidad visual y en el Perú en el año 2021 existían cerca de 1.6 millones, de los cuales se estima que el predominio de la discapacidad visual en regiones de bajos y medianos ingresos económicos es 400 % mayor comparada con los valores registrados en las regiones con altos ingresos económicos. Dentro de estos grupos, el mayor porcentaje se encuentra conformado por personas mayores de 50 años. Es en este contexto que la tecnología y los últimos desarrollos de aplicaciones, que promueven la inclusión en el mundo digital de personas con discapacidad visual, han tomado gran importancia para mejorar la calidad de vida de estas personas, apoyando a los niños en su desarrollo motor, a las personas adultas de mediana edad en la mejora de sus capacidades de participación y productividad en el mundo económico y a las personas adultas mayores en la mejora de sus desplazamientos de forma independiente y en su integración social. Por otro lado, recientemente se ha incrementado el interés de los investigadores en emplear el Aprendizaje Automático para desarrollar aplicaciones capaces de aprender y ajustarse a necesidades específicas; en emplear los principios proxémicos para mejorar la Interacción Humano-Máquina (HCI por sus siglas en inglés de Human-Computer Interaction) para implementar aplicaciones que respondan de acuerdo a la distancia, identidad, localización, movimiento y orientación de los objetos y de las personas que interactúan con los dispositivos digitales. Sin embargo, aunque existen muchos esfuerzos recientes en el desarrollo de aplicaciones para personas con discapacidad visual, también se ha notado que aún hay mucho que investigar en el uso del Aprendizaje Automático y la interacción proxémica para crear soluciones inteligentes. Por lo que, con el objetivo de ayudar en el desarrollo y la independencia de las personas con discapacidad visual, en esta investigación se propone crear un procedimiento computacional que integre la detección de objetos usando el aprendizaje profundo, con estimación de la distancia, de los objetos previamente detectados, usando los principios y dimensiones de la proxémica para obtener información espacial de objetos obstáculos que se encuentran en una ruta seguida.

In 2020, there were about 2.2 billion people with visual disabilities in the world and in Peru in 2021 there were about 1.6 million, of which it is estimated that the prevalence of visual disability in low and middle income regions It is 400 % higher compared to the values recorded in regions with high economic income. Within these groups, the highest percentage is made up of people over 50 years of age. It is in this context that technology and the latest application developments, which promote the inclusion of people with visual disabilities in the digital world, have taken on great importance to improve the quality of life of these people, supporting children in their motor development, middle-aged adults in improving their participation and productivity capacities in the economic world, and older adults in improving their independent displacements and social integration. On the other hand, researchers’ interest in using Machine Learning to develop applications capable of learning and adjusting to specific needs has recently increased; in using proxemic principles to improve Human-Machine Interaction (HCI) to implement applications that respond according to the distance, identity, location, movement and orientation of objects and people that interact with digital devices. However, although there are many recent efforts in developing applications for the visually impaired, it has also been noted that there is still much to research in the use of Machine Learning and proxemic interaction to create intelligent solutions. Therefore, with the aim of helping in the development and independence of people with visual disabilities, this research proposes to create a computational procedure that integrates object detection using deep learning, with distance estimation, of previously detected objects, using the principles and dimensions of proxemics to obtain spatial information about objects and obstacles that are on a followed route.