Towards the construction of a device to support blind people in the “cuarenta” game
DOI:
https://doi.org/10.29019/enfoqueute.v8n4.170Keywords:
automatic recognition, artificial vision, k-nearest neighbors, playing cards, inclusionAbstract
The present work has the objective of developing a system for the automatic recognition of a playing card on a table, as part of a more general project to create a device to assist the blind in the chance game called “cuarenta”. The aim of this device will be to inform the user about the cards being played, via audio. For this phase of the project the algorithm used was k-NN, trained with a set of alphanumeric synthetic characters. The test set contained photographs taken in controlled lighting conditions, with the card positioned in arbitrary orientations. The parameterization of the algorithm gave a value of 1 as the optimal k, with which a classification error of 5% was obtained in the test set. Only two characters were confused by the classifier, the “A” and the “J”, with 20% and 40% errors each one. The algorithm was implemented in an embedded Raspberry Pi 3 system, obtaining a response time of 5 seconds, including the conversion to audio, and a memory occupation no greater than 60% of the total capacity of the system. These results suggest its applicability in portable devices.
Downloads
Download data is not yet available.
References
Bradski, G., & Kaehler, A. (2008). Learning OpenCV. O'Reilly Media.
Galindo Durán, C. K., Juganaru-Mathieu, M., Áviles Cruz, C., & Vázquez, H. (2010). Desarrollo de una aplicación destinada a la clasificación de información textual y su evaluación por simulación. Administración y Organizaciones, 119-131.
Gutiérrez, P. D., Lastra, M., Bacardit, J., Benítez, J. M., & Herrera, F. (2016). GPU-SME-kNN: Scalable and memory efficient kNN and lazy learning using GPUs. Information Sciences, 165-182.
Hayward, D. (14 de marzo de 2014). CNET. Obtenido de 25 fun things to do with a Raspberry Pi: https://www.cnet.com/how-to/25-fun-things-to-do-with-a-raspberry-pi/
Larcher, L. I., Biasoni , E. M., & Cattaneo, C. A. (2011). ALGORITMO PARA DETECCIÓN DE BORDES Y ULTERIOR. Mecánica Computacional, Asociación Argentina de Mecánica Computacional, 2841-2852.
LeCun, Y., Cortes, C., & Burges, C. (s.f.). THE MNIST DATABASE. Recuperado el 06 de enero de 2017, de MNIST handwritten digit database: http://yann.lecun.com/exdb/mnist/
Lojo, D., Losada, D. E., & Barreiro, Á. (2009). CIE-9-MC Code Classification with knn and SVM. En Bioinspired Applications in Artificial and Natural Computation (págs. 499-508). Santiago de Compostela, España: Springer Berlin Heidelberg. doi:10.1007/978-3-642-02267-8_53
López, G. (2010). CENSO DE POBLACIÓN Y VIVIENDA (CPV-2010). Instituto Nacional de Estadísticas y Censos (INEC), Unidad de procesamiento - Dirección de estudios analíticos estadísticos.
Monk, S. (2016). Raspberry Pi Cookbook. O'Reilly Media.
OpenCV Organization. (2014). Geometric Image Transformations. Recuperado el 06 de enero de 2017, de OpenCV 2.4.13.2 documentation: http://docs.opencv.org/2.4/modules/imgproc/doc/geometric_transformations.html
Raikwal, J., & Saxena, K. (2012). Performance Evaluation of SVM and K-Nearest Neighbor Algorithm over Medical Data set. International Journal of Computer Applications (0975 – 8887), 50(14).
Raspberry Pi Foundation. (2016). Raspberry Pi. Recuperado el 06 de enero de 2017, de Raspberry Pi - Teach, Learn, and Make with Raspberry Pi: https://www.raspberrypi.org/
Secretaría del Buen Vivir. (2017). El Sumak Kawsay. (Secretaría del Buen Vivir - Gobierno Nacional de la Republica del Ecuador) Recuperado el 06 de enero de 2017, de Secretaría Buen Vivir | Ecuador: http://www.secretariabuenvivir.gob.ec/el-sumak-kawsay/
Sudha, L., & Bhavani, R. (2012). Performance Comparison of SVM and kNN in Automatic Classification of Human Gait Patterns. INTERNATIONAL JOURNAL OF COMPUTERS, 6.
Suzuki, S., & Abe, k. (1985). Topological Structural Analysis of Digitized Binary Images by Border Following. CVGIP, 30(1), 32-46.
Szeliski, R. (211). Computer Vision Algorithms and Applications. London: Springer-Verlag. doi:10.1007/978-1-84882-935-0
Taylor, A. (2015). Getting Started. Recuperado el 06 de enero de 2017, de python-for-android 0.1 documentation: https://python-for-android.readthedocs.io/en/latest/quickstart/
Tello, S. (2 de julio de 2014). Los no videntes cuentan con más dispositivos para desenvolverse. (Grupo El Comercio) Recuperado el 06 de enero de 2017, de El Comercio: http://www.elcomercio.com/tendencias/no-videntes-cuentan-mas-dispositivos-desenvolverse.html
Wikipedia. (28 de diciembre de 2016). Wikipedia La enciclopedia libre. Recuperado el 06 de enero de 2017, de Cuarenta (juego): https://es.wikipedia.org/wiki/Cuarenta_(juego)
Zapata, A., Pérez, S., & Mora, J. (2014). Método basado en clasificadores k-NN parametrizados con algoritmos genéticos y la estimación de la reactancia para localización de fallas en sistemas de distribución. Rev. Fac. Ing. Univ. Antioquia, 220-232.
Galindo Durán, C. K., Juganaru-Mathieu, M., Áviles Cruz, C., & Vázquez, H. (2010). Desarrollo de una aplicación destinada a la clasificación de información textual y su evaluación por simulación. Administración y Organizaciones, 119-131.
Gutiérrez, P. D., Lastra, M., Bacardit, J., Benítez, J. M., & Herrera, F. (2016). GPU-SME-kNN: Scalable and memory efficient kNN and lazy learning using GPUs. Information Sciences, 165-182.
Hayward, D. (14 de marzo de 2014). CNET. Obtenido de 25 fun things to do with a Raspberry Pi: https://www.cnet.com/how-to/25-fun-things-to-do-with-a-raspberry-pi/
Larcher, L. I., Biasoni , E. M., & Cattaneo, C. A. (2011). ALGORITMO PARA DETECCIÓN DE BORDES Y ULTERIOR. Mecánica Computacional, Asociación Argentina de Mecánica Computacional, 2841-2852.
LeCun, Y., Cortes, C., & Burges, C. (s.f.). THE MNIST DATABASE. Recuperado el 06 de enero de 2017, de MNIST handwritten digit database: http://yann.lecun.com/exdb/mnist/
Lojo, D., Losada, D. E., & Barreiro, Á. (2009). CIE-9-MC Code Classification with knn and SVM. En Bioinspired Applications in Artificial and Natural Computation (págs. 499-508). Santiago de Compostela, España: Springer Berlin Heidelberg. doi:10.1007/978-3-642-02267-8_53
López, G. (2010). CENSO DE POBLACIÓN Y VIVIENDA (CPV-2010). Instituto Nacional de Estadísticas y Censos (INEC), Unidad de procesamiento - Dirección de estudios analíticos estadísticos.
Monk, S. (2016). Raspberry Pi Cookbook. O'Reilly Media.
OpenCV Organization. (2014). Geometric Image Transformations. Recuperado el 06 de enero de 2017, de OpenCV 2.4.13.2 documentation: http://docs.opencv.org/2.4/modules/imgproc/doc/geometric_transformations.html
Raikwal, J., & Saxena, K. (2012). Performance Evaluation of SVM and K-Nearest Neighbor Algorithm over Medical Data set. International Journal of Computer Applications (0975 – 8887), 50(14).
Raspberry Pi Foundation. (2016). Raspberry Pi. Recuperado el 06 de enero de 2017, de Raspberry Pi - Teach, Learn, and Make with Raspberry Pi: https://www.raspberrypi.org/
Secretaría del Buen Vivir. (2017). El Sumak Kawsay. (Secretaría del Buen Vivir - Gobierno Nacional de la Republica del Ecuador) Recuperado el 06 de enero de 2017, de Secretaría Buen Vivir | Ecuador: http://www.secretariabuenvivir.gob.ec/el-sumak-kawsay/
Sudha, L., & Bhavani, R. (2012). Performance Comparison of SVM and kNN in Automatic Classification of Human Gait Patterns. INTERNATIONAL JOURNAL OF COMPUTERS, 6.
Suzuki, S., & Abe, k. (1985). Topological Structural Analysis of Digitized Binary Images by Border Following. CVGIP, 30(1), 32-46.
Szeliski, R. (211). Computer Vision Algorithms and Applications. London: Springer-Verlag. doi:10.1007/978-1-84882-935-0
Taylor, A. (2015). Getting Started. Recuperado el 06 de enero de 2017, de python-for-android 0.1 documentation: https://python-for-android.readthedocs.io/en/latest/quickstart/
Tello, S. (2 de julio de 2014). Los no videntes cuentan con más dispositivos para desenvolverse. (Grupo El Comercio) Recuperado el 06 de enero de 2017, de El Comercio: http://www.elcomercio.com/tendencias/no-videntes-cuentan-mas-dispositivos-desenvolverse.html
Wikipedia. (28 de diciembre de 2016). Wikipedia La enciclopedia libre. Recuperado el 06 de enero de 2017, de Cuarenta (juego): https://es.wikipedia.org/wiki/Cuarenta_(juego)
Zapata, A., Pérez, S., & Mora, J. (2014). Método basado en clasificadores k-NN parametrizados con algoritmos genéticos y la estimación de la reactancia para localización de fallas en sistemas de distribución. Rev. Fac. Ing. Univ. Antioquia, 220-232.
Downloads
Published
2017-09-29
Issue
Section
Miscellaneous
License
The authors retain all copyrights ©.
- The authors retain their trademark and patent rights, as well as rights to any process or procedure described in the article.
- The authors retain the right to share, copy, distribute, perform, and publicly communicate the article published in Enfoque UTE (for example, post it in an institutional repository or publish it in a book), provided that acknowledgment of its initial publication in Enfoque UTE is given.
- The authors retain the right to publish their work at a later date, to use the article or any part of it (for example, a compilation of their work, lecture notes, a thesis, or for a book), provided that they indicate the source of publication (authors of the work, journal, volume, issue, and date).
How to Cite
Towards the construction of a device to support blind people in the “cuarenta” game. (2017). Enfoque UTE, 8(4), pp. 27 - 40. https://doi.org/10.29019/enfoqueute.v8n4.170
