電動車いす制御のためのインテリジェントで低コストな視線追跡システム

An Intelligent and Low-Cost Eye-Tracking System for Motorized Wheelchair Control.

• Mahmoud Dahmani
• Muhammad E H Chowdhury
• Amith Khandakar
• Tawsifur Rahman
• Khaled Al-Jayyousi
• Abdalla Hefny
• Serkan Kiranyaz

抄録

先進国34カ国、発展途上国156カ国では、車いすを必要とする障害者が1億3200万人に上り、世界人口の1.86％を占めています。さらに，手足や頭の動きを制御することができない運動障害に関連した疾患に苦しんでいる人が何百万人もいます．本論文では，眼球制御電動車いすを利用して，他人に頼ることなく，効率的かつ楽に移動する能力を回復させることで，運動障害者を支援するシステムを提案する．システムの入力は，利用者の視線の画像を処理して視線の方向を推定し，それに応じて電動車いすを移動させる．このような偉業を達成するために、4つのユーザー固有の方法が開発、実装、テストされた。最初の3つの手法は自動化されたもので，相関関係を用い，テンプレートマッチングの変種であり，最後の手法は畳み込みニューラルネットワーク(CNN)を用いたものである．各アルゴリズムの性能を精度と待ち時間の観点から定量的に評価するために、さまざまなメトリクスを計算し、全体的な比較を行った。その結果，CNNが最も優れた性能（分類精度99.3％）を示し，車椅子の動きを指令する視線推定器のモデルとして選択された．このシステムを8人の被験者を対象に慎重に評価したところ，屋外と屋内の照明条件の変化に対して99%の精度を達成した．そのためには，視線推定アルゴリズムが出力する予測値に合わせて電動車椅子を改造する必要があった．車椅子の制御は、測定された距離が十分に定義された安全マージンを下回った場合、視線推定器によるいかなる決定もバイパスし、近接センサのアレイの助けを借りて即座にその動きを停止させることができる。この作品は、動かない車椅子利用者に力を与えるだけでなく、車椅子利用者を支援する組織に低コストのツールを提供するものである。

In the 34 developed and 156 developing countries, there are ~132 million disabled people who need a wheelchair, constituting 1.86% of the world population. Moreover, there are millions of people suffering from diseases related to motor disabilities, which cause inability to produce controlled movement in any of the limbs or even head. This paper proposes a system to aid people with motor disabilities by restoring their ability to move effectively and effortlessly without having to rely on others utilizing an eye-controlled electric wheelchair. The system input is images of the user's eye that are processed to estimate the gaze direction and the wheelchair was moved accordingly. To accomplish such a feat, four user-specific methods were developed, implemented, and tested; all of which were based on a benchmark database created by the authors. The first three techniques were automatic, employ correlation, and were variants of template matching, whereas the last one uses convolutional neural networks (CNNs). Different metrics to quantitatively evaluate the performance of each algorithm in terms of accuracy and latency were computed and overall comparison is presented. CNN exhibited the best performance (i.e., 99.3% classification accuracy), and thus it was the model of choice for the gaze estimator, which commands the wheelchair motion. The system was evaluated carefully on eight subjects achieving 99% accuracy in changing illumination conditions outdoor and indoor. This required modifying a motorized wheelchair to adapt it to the predictions output by the gaze estimation algorithm. The wheelchair control can bypass any decision made by the gaze estimator and immediately halt its motion with the help of an array of proximity sensors, if the measured distance goes below a well-defined safety margin. This work not only empowers any immobile wheelchair user, but also provides low-cost tools for the organization assisting wheelchair users.