Σχεδιασμός και υλοποίηση ενός έξυπνου παιχνιδιού για τη συναισθηματική
παρακολούθηση και το γονικό έλεγχο ενός παιδιού
27
περιβάλλοντος (Virtual Environment systems). Έτσι, αποφάσισαν να χρησιμοποιήσουν
μία συσκευή που θα μπορεί να αναγνωρίζει κινήσεις σώματος με τη χρήση μιας κάμερας,
και χρησιμοποιώντας την AdaBoost μέθοδο, να εκπαιδεύσουν από την αρχή κάποιους
ταξινομητές. Οι ταξινομητές αυτοί εκπαιδεύτηκαν με την ίδια διαδικασία που
ακολουθήθηκε και στην παρούσα διπλωματική εργασία και αναγνωρίζουν σε πραγματικό
χρόνο σήματα ανθρώπινων χεριών, που πιστεύεται ότι είναι ένας φυσικός και
αποτελεσματικός τρόπος για να μπορέσει να επικοινωνήσει ένας άνθρωπος με έναν
υπολογιστή.
Ο Duc-Minh Pham σε συνεργασία με τους Trong-Nhan Dam-Nguyen, Phuc-Thinh
Nguyen-Vo, Minh-Triet Tran [3]
παρουσίασαν το 2013 ένα εγχείρημα που έχει τον ίδιο
στόχο με την παρούσα εργασία, να κρατάει τα παιδιά απασχολημένα και να ενισχύει τις
διανοητικές τους ικανότητες. Για να επιτύχουν αυτό το σκοπό χρησιμοποίησαν και
εκείνοι ένα λούτρινο αρκουδάκι, το οποίο εμπλούτισαν με ένα σύστημα που αναγνωρίζει
παιδικά βιβλία μέσα από την εικονογράφησή τους και κατόπιν αναπαράγει το
περιεχόμενό τους. Για την αναγνώριση των εικόνων, βασίστηκαν στο μοντέλο Bag-of-
Word, το οποίο διαχειρίζεται τα χαρακτηριστικά των εικόνων σαν λέξεις. Από τα
δείγματα εικόνων, λοιπόν, η μέθοδος αυτή, αποσπά έντονα γνωρίσματα, όπως γωνίες και
άκρες, τα μετατρέπει σε διανύσματα για να μπορεί να προσδιορίζεται η θέση τους στο
χώρο και τα κατηγοριοποιεί σε συστάδες. Τέλος, οι συγγραφείς, χρησιμοποίησαν SVM
ταξινομητές για να γίνει πιθανολογικά η ταύτιση της εικόνας με κάποιο πρότυπο.
Αναγνώριση έκφρασης προσώπου, αλλά και μικροϋπολογιστή συνδύασαν επίσης
οι Srikanth Sriram και Babu Illuri [4]
κατά την εκπόνηση αντίστοιχης διπλωματικής
εργασίας. Στη δική τους εργασία επέλεξαν, επίσης, να χρησιμοποιήσουν τον Adaboost
αλγόριθμο για να συγκρίνει και να προσπαθήσει να ταυτίσει χαμόγελο σε πρόσωπα με
ταξινομητές που οι ίδιοι εκπαίδευσαν. Η γλώσσα προγραμματισμού που επέλεξαν για
την εφαρμογή τους είναι η Python και το λογισμικό τους τρέχει σε μικροϋπολογιστή
Raspberry Pi. Το λειτουργικό σύστημα που επέλεξαν για το Raspberry είναι το Raspbian
και χρησιμοποίησαν τον OVA5647 CMOS αισθητήρα για καταγραφή εικόνας 5MP.