Hacia la construcción de un dispositivo de asistencia para personas no videntes en el juego de cuarenta

Autores/as

  • Holger Ortega Universidad Politécnica Salesiana
  • Rodrigo Tufiño Universidad Politécnica Salesiana
  • Juan Estévez Universidad Politécnica Salesiana

DOI:

https://doi.org/10.29019/enfoqueute.v8n4.170

Palabras clave:

Reconocimiento automático, visión artificial, k vecinos más cercanos, juegos de azar, inclusión

Resumen

El presente trabajo tiene como objetivo el desarrollo de un sistema de reconocimiento automático de una carta de baraja ubicada sobre una mesa, como parte del proyecto más general de crear un dispositivo para asistir a personas no videntes en el juego de azar denominado “cuarenta”. El objeto de dicho dispositivo será informar al usuario de las cartas en juego, vía audio. Para esta fase del proyecto se utilizó el algoritmo de k-vecinos más cercanos entrenado con un conjunto de caracteres alfanuméricos sintéticos. El conjunto de prueba constó de fotografías tomadas en condiciones controladas de iluminación, con las cartas ubicadas en orientación arbitraria. La parametrización del algoritmo arrojó un valor de 1 como k óptimo, con el cual se obtuvo un error de clasificación en el conjunto de prueba de 5%. Solo dos caracteres fueron confundidos por el clasificador, la “A” y la “J”, con errores de 20% y 40% cada uno. El algoritmo fue implementado en un sistema embebido Raspberry Pi 3, obteniendo un tiempo de respuesta de 5 segundos, incluida la conversión a audio, y una ocupación de memoria RAM que no superó el 60% de la capacidad del sistema. Estos resultados sugieren su aplicabilidad en dispositivos portátiles.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

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.

Descargas

Publicado

2017-09-29

Cómo citar

Ortega, H., Tufiño, R., & Estévez, J. (2017). Hacia la construcción de un dispositivo de asistencia para personas no videntes en el juego de cuarenta. Enfoque UTE, 8(4), pp. 27 – 40. https://doi.org/10.29019/enfoqueute.v8n4.170

Número

Vol. 8 Núm. 4 (2017)

Sección

Misceláneos

Licencia

Los artículos e investigaciones publicadas por la Universidad UTE, se realizan en régimen de Acceso Abierto [Open Access] en formato electrónico. Esto significa que todo el contenido está disponible de forma gratuita sin costo para el usuario o su institución. Los usuarios pueden leer, descargar, copiar, distribuir, imprimir, buscar o enlazar los textos completos de los artículos, o usarlos para cualquier otro propósito legal, sin necesidad de pedir permiso previo al editor o al autor. Esto está de acuerdo con la definición de acceso abierto de la Iniciativa de Acceso Abierto de Budapest (BOAI). Al enviar un artículo a cualquiera de las revistas científicas de la Universidad UTE, el o los autores aceptan estas condiciones.

La UTE aplica la licencia Creative Commons Attribution (CC-BY) a los artículos de sus revistas científicas. En virtud de esta licencia de acceso abierto, como autor usted acuerda que cualquier persona puede reutilizar su artículo en su totalidad o en parte para cualquier propósito, de forma gratuita, incluso para fines comerciales. Cualquiera puede copiar, distribuir o reutilizar el contenido siempre y cuando el autor y la fuente original estén correctamente citados. Esto facilita la libertad de reutilización y también asegura que el contenido pueda ser extraído sin barreras para necesidades de investigación.

 

Esta obra está bajo una Creative Commons Attribution 3.0 International (CC BY 3.0).

 

Además, la Revista Enfoque UTE garantiza y declara que los autores conservan siempre todos los derechos de autor y todos los derechos de publicación sin restricciones [© Los Autores].  El reconocimiento (BY) permite cualquier explotación de la obra, incluyendo una finalidad comercial, así como la creación de obras derivadas, la distribución de las cuales también está permitida sin ninguna restricción.