Sistema de Auxílio à Comunicação de Usuários Descapacitados
Transcrição
Sistema de Auxílio à Comunicação de Usuários Descapacitados
Anais do XIX Congresso Brasileiro de Automática, CBA 2012. SISTEMA DE AUXÍLIO À COMUNICAÇÃO DE USUÁRIOS DESCAPACITADOS BASEADO EM MOVIMENTO OCULAR PHILLIPE CARDOSO SANTOS*, ELYSON ÁDAN NUNES CARVALHO*, LUCAS MOLINA*, EDUARDO OLIVEIRA FREIRE* *Grupo de Pesquisa em Robótica da UFS (GPR-UFS) Departamento de Engenharia Elétrica da Universidade Federal de Sergipe Av. Marechal Rondon, São Cristóvão, SE, Brasil E-mails: [email protected], [email protected], [email protected], [email protected] Abstract⎯ Communication is fundamental to life in society. When some of the communication channels are affected by some kind of disability, the life in society of the patient can be impaired, and his physical and mental health may be also compromised. Thus, nowadays, there is a growing search for technologies to support handicapped people with communication problems. In some cases, the patient loses, permanently or temporarily, the control over his body, except of his eyes, despite of being in a perfect state of conscience, which allows the development of technics to provide him with the ability to communicate in an efficient way. In this paper, a non-invasive system, based on image processing, to allow the communication of handicapped patients by means of eye blink, is proposed and tested. In order to do so, an approach to perform eye and blink detection, based on histogram and variance calculus, is introduced. Considerations about the performance of the proposed system are presented, indicating that the system worked in a satisfactory way. Keywords⎯ Image processing, eye detection, eye-blink detection. Resumo⎯ A comunicação é algo fundamental para a vida do ser humano em sociedade. Quando algum dos canais de informação é afetado por algum tipo de deficiência, a vida em sociedade desse indivíduo pode ser comprometida, podendo ainda afetar sua saúde física e mental. Dessa forma, atualmente há uma crescente busca por tecnologias de apoio a deficientes que apresentem qualquer dificuldade de comunicação. Em alguns casos, o indivíduo tem a perda, permanente ou temporária, do controle dos músculos, com exceção dos olhos e ainda assim mantém um perfeito estado de consciência, o que permite que algumas técnicas sejam desenvolvidas para provê-lo de meios pelos quais possa se comunicar de maneira eficaz. Neste artigo é proposto e testado um sistema não invasivo baseado em processamento de imagens para a comunicação de pacientes descapacitados por meio da piscada dos olhos. Para tanto é apresentada uma abordagem para detecção de olhos e de piscadas baseadas em cálculos de histograma e variância. Considerações a respeito do desempenho do sistema proposto são apresentadas, indicando que o sistema funcionou satisfatoriamente. Palavras-chave⎯ processamento de imagens, detecção de olhos, detecção de piscada. 1 Introdução A comunicação é algo fundamental para a vida do ser humano em sociedade. Através dela, é possível se ter a troca de informações entre duas ou mais pessoas. Esta troca de informações pode se dar através de vários canais, sendo os mais comuns a fala, a escrita e os gestos. Quando algum desses canais de informação é afetado por algum tipo de deficiência, a vida em sociedade desse indivíduo pode ser comprometida, podendo ainda afetar sua saúde física e mental. Como alternativa, em muitos casos o indivíduo tenta contornar a deficiência utilizando outros canais de comunicação para substituir o canal afetado, como é o caso da comunicação em libras por deficientes auditivos e do braille por deficientes visuais. Devido a esta grande importância, atualmente há uma crescente busca por tecnologias de apoio a deficientes, o que acarretou em crescentes investimentos em pesquisas nessa área. Segundo Cavalieri et al (2007), as disfunções de origem neuromotora constituem uma das principais causas de problemas associados à comunicação entre indivíduos com deficiência. No entanto, em grande parte dos casos, estas pessoas mantêm um perfeito estado de consciência, o que permite que algumas ISBN: 978-85-8001-069-5 técnicas sejam desenvolvidas para provê-las de meios pelos quais possam se comunicar de maneira eficaz. Algumas doenças neurológicas não raras, como o AVC no tronco cerebral, apresentam como sintoma a perda, permanente ou temporária, do controle voluntário dos músculos, com exceção dos olhos, que são controlados por uma região diferente do cérebro (Medeiros, 2002). Nesse caso, o indivíduo, apesar de consciente, pode voluntariamente apenas olhar na direção desejada e piscar. Dessa forma, o desenvolvimento de tecnologias que auxiliem na comunicação desses indivíduos pode ser empregado como meio de tratamento e inserção social dos mesmos. As principais técnicas já aplicadas nessa área são baseadas na utilização de sinais biológicos e em processamento de imagens. No entanto muitas delas são invasivas e pouco confortáveis para o indivíduo. No caso dos sinais biológicos, eletrodos são posicionados no rosto do mesmo para que, por meio da eletro-oculografia (Usakli, 2010) ou eletromiografia (Veigl, 2006), os movimentos possam ser detectados. Em contrapartida, nas técnicas baseadas em processamento de imagens não há necessidade de contado direto com o usuário. No entanto, muitas vezes a câmera é posicionada muito próxima ao 5203 Anais do XIX Congresso Brasileiro de Automática, CBA 2012. rosto, como em (Ishiguro, 2010) que posicionou a câmera em um óculos, o que pode gerar grande desconforto e consequente rejeição por parte do usuário. Outro exemplo que faz uso de uma câmera muito próxima ao usuário é apresentado em (Gajwani, 2010), mas, dessa vez, o movimento ocular foi usado para controlar uma cadeira de rodas. A quantidade luz presente no ambiente pode influenciar nos resultados obtidos com processamento de imagens, e ao mesmo tempo ser incômoda para o usuário, sendo apontado como uma solução para este problema o uso de câmeras equipadas com luz infravermelha. Em alguns casos, a reflexão da pupila a esse tipo de luz também é usada para a detecção dos olhos, como em (Ji, 2002). No entanto, segundo (Krolac, 2008), a maioria dos usuários não fica totalmente satisfeita com esse tipo de tecnologia e sugerem melhorias. Além de que, a utilização desse método requer uma câmera equipada com esse tipo de iluminação. Desta maneira, processos menos invasivos e, portanto, mais cômodos aos usuários são desejados. Como é o caso de (Krolac, 2008), no qual uma câmera é posicionada a uma distância confortável do indivíduo. No entanto, neste trabalho, a região dos olhos é encontrada apenas com base na geometria do rosto, o que deixa o algoritmo muito dependente de uma boa detecção de face. É proposta neste artigo uma nova técnica não invasiva, usando processamento de imagens, para detecção da piscada dos olhos, tornando possível a implementação de um sistema de comunicação baseado na piscada dos olhos, estando a câmera a uma distância cômoda do usuário. Neste artigo, tal sistema foi implementado em Matlab R2010a. O artigo está organizado na seguinte forma: na próxima seção são apresentados os trabalhos correlatos, mostrado as principais técnicas aplicas na área, enquanto que a seção 3 é dedicada ao trabalho desenvolvido, já os resultados são apresentados na seção 4, seguido das conclusões e referências bibliográficas. 2 Trabalhos Correlatos Considerando os passos essenciais para o desenvolvimento do sistema de comunicação proposto, nesta seção são apresentados alguns dos principais trabalhos desenvolvidos nas áreas de detecção de face, olhos e piscada. 2.1 Detecção de face A detecção de face é uma vasta área de pesquisa, com vários trabalhos publicados e muitas ferramentas disponíveis para este propósito. Dessa forma, não é objetivo deste trabalho cobrir toda a área, sendo abordadas apenas as ferramentas mais importantes para o sistema aqui proposto. Em (Hsu, 2002), são utilizadas técnicas de compensação de luz e transformação de cores não ISBN: 978-85-8001-069-5 linear para encontrar a face. Já em (Birchfield,1998), são utilizados a intensidade do gradiente e o histograma de cores para determinar a região do rosto em forma de elipse. Neste trabalho foi adotado para a detecção de face o detector de objetos Viola-Jones (Viola-Jones, 2001). Esta escolha se deu devido a este detector ser considerado um padrão na área. O algoritmo ViolaJones é baseado na representação da imagem em um espaço de características seguido de classificadores. Por ser usado neste trabalho, o este algoritmo será detalhado na seção 3.1. 2.2 Detecção de olhos e piscada As técnicas de processamento de imagens que vêm sendo utilizadas para localização dos olhos e detecção da piscada serão divididas neste trabalho em dois tipos: invasivas e não-invasivas. As técnicas invasivas são aquelas que oferecem algum incômodo ao usuário devido à proximidade com o mesmo, destacando-se os óculos com micro câmeras e as câmeras posicionadas muito próximas ao paciente. Já as técnicas não-invasivas são divididas em (Yin, 2011) em 5 categorias: baseadas em modelo, baseadas em características, baseadas na aparência, abordagens híbridas e baseadas em luz não visível (infravermelho). Como neste artigo é proposto um sistema que ofereça pouco incômodo ao paciente, foram consideradas aqui apenas as técnicas não-invasivas, sendo as mesmas abordadas no texto a seguir, com exceção para as técnicas baseadas em luz não visível, pois as mesmas requerem câmeras equipadas com emissores infravermelhos, não consideradas neste trabalho. Nos sistemas baseados em modelo é criado um modelo de olho genérico que é procurado na imagem por meio da correlação entre pixels. Para tanto, são criados um modelo para os olhos fechados e outro para os olhos abertos, o que torna possível a detecção da piscada. A região dos olhos que servirá como modelo pode ser determinada manualmente ou automaticamente. Em (Betke, 2002) esta região é determinada com o mouse, o que torna o paciente dependente de outra pessoa para auxiliá-lo. Já em (Graumman, 2003), a região dos olhos é encontrada a partir da diferenciação entre dois quadros consecutivos. Nos sistemas baseados em características são usadas características particulares como cor da pele e distribuição de cores na região dos olhos. Em (Wang, 2007) é feita uma análise da intensidade dos pixels da imagem em escala de cinza, gerando um gráfico em 3D, no qual os maiores picos representam os olhos. Já em (Yen, 2007), a imagem do rosto é binarizada e então é aplicado o filtro de Gabor em quatro direções diferentes para que apenas os olhos sejam destacados. Nos sistemas baseados na aparência, os olhos são geralmente detectados por meio da comparação com um conjunto de imagens salvas anteriormente. Peng 5204 Anais do XIX Congresso Brasileiro de Automática, CBA 2012. (Peng, 2005) criou um sistema baseado na aparência utilizando um banco de dados com olhos e “nãoolhos”. Nas abordagens híbridas são combinados dois ou mais tipos de sistemas descritos anteriormente. Um exemplo desse tipo de sistema é encontrado em (Bacivarov, 2008), no qual são criados modelos em que olhos são representados pela variação e pela correlação da forma e da textura, sendo a forma definida por vários pontos de referência que contorna o olho. Uma vez criado o modelo, é feita uma sessão de treinamento com os olhos dispostos de várias maneiras diferentes, tornando possível determinar como o olho se encontra em um determinado momento. A “imagem integral” 𝑖𝑖 𝑥, 𝑦 (Viola-Jones, 2001) como 𝑖𝑖 𝑥, 𝑦 = ! ! ! !, ! ! !! 𝑖(𝑥 ! é definida em , 𝑦′), (1) em que 𝑖(𝑥, 𝑦) é a imagem original de tamanho LxC, 1 ≤ 𝑚, 𝑚 ! ≤ 𝐿 e 1 ≤ 𝑛, 𝑛! ≤ 𝐶. Por meio da “imagem integral” é possível calcular rapidamente a soma de qualquer retângulo dentro da imagem. Dessa maneira, um conjunto de características pode ser obtido pela diferença entre a soma dos pixels de regiões retangulares. As características utilizadas são chamadas de Haar-like features e podem ser vistas na figura 2. 3 Trabalho Desenvolvido Neste trabalho foi desenvolvido um sistema para comunicação de pacientes descapacitados baseado na piscada dos olhos. As etapas envolvidas neste sistema são apresentadas no diagrama de blocos mostrado figura 1, e serão abordadas com maior detalhe nas subseções a seguir. Detecção da face Câmera Detecção dos olhos Detecção da piscada Interface para Comunicação Figura 1. Diagrama de blocos do sistema desenvolvido. 3.1 Detecção de face A detecção de face é uma parte muito importante do sistema e deve preceder os projetos de detecção de olhos, pois com ela é possível diminuir a área de busca da imagem, reduzindo o custo computacional e os efeitos prejudiciais do plano de fundo no processamento. Dentre os vários algoritmos de detecção de face, foi utilizado neste projeto o proposto por Viola-Jones em 2002 devido ao bom desempenho e velocidade de processamento, Tendo sido utilizado o algoritmo de Viola-Jones disponibilizado no site da mathworks. Este algoritmo é composto de três partes. A primeira delas é a representação da imagem em um espaço de características baseadas nos filtros de Haar. Isto é feito com o auxílio da “imagem integral”. A segunda é a montagem de um classificador forte (Strong Learner ou Strong Classifier), a partir de um conjunto de classificadores fracos (Weak Learners ou Weak Classifiers), técnica conhecida como Boosting (Freud, 1995), capaz de selecionar as características mais relevantes. Por fim, é feita uma combinação em cascata destes classificadores. ISBN: 978-85-8001-069-5 (a) (b) (c) (d) Figura 2. Características utilizadas no algoritmo de ViolaJones. A soma dos pixels que estão no retângulo branco é subtraída pela soma dos pixels que estão no retângulo preto. Em (a) e (b) é mostrado uma característica com dois retângulos, em (c) uma característica com 3 retângulos e em (d) uma característica com quatro retângulos (Matos, 2011). O conjunto de treinamento do Viola-Jones é formado por amostras do tipo (𝑥! , 𝑦! ) com N amostras, onde 𝑥! é uma imagem de dimensão 24×24 e 𝑦! = {0, 1} é o rótulo de classe. Neste conjunto, 𝑦! = 1 corresponde a uma imagem de face e 𝑦! = 0 a uma imagem de não-face. Como o número total de características é grande, utiliza-se um algoritmo de aprendizado de máquina chamado de AdaBoost para selecionar as características mais importantes. Em cada iteração do AdaBoost, um conjunto de classificadores fracos hj é ajustado para minimizar o erro de classificação. Cada um destes classificadores corresponde a uma característica fj(xn), onde j = 1, · · · , J e J é o total de características. Dado um limiar θj e uma paridade pj, a regra de classificação pode ser dada por ℎ! 𝑥! = 1, 0, 𝑠𝑒 𝑝! 𝑓! 𝑥! > 𝑝! 𝜃! , caso contrário (2) na qual a paridade pj indica a direção da desigualdade. A fim de melhorar os resultados, uma combinação de classificadores AdaBoost é feita na forma cascata. Assim, obtém-se uma taxa de falso negativo próxima a zero. As características selecionadas no treinamento são escalonadas do tamanho mínimo até o tamanho da imagem para que seja possível detectar a face, uma vez que a posição da mesma não é conhecida. 5205 Anais do XIX Congresso Brasileiro de Automática, CBA 2012. Na figura 3 pode ser visto o resultado da aplicação do algoritmo de Viola-Jones. Para localizar estes picos foi aplicado um filtro para a suavização do histograma e em seguida determinado os pontos onde a derivada é zero. Uma vez localizada pela análise dos picos, a região dos olhos é selecionada e então é calculado um novo histograma de densidade, dessa vez no sentido vertical. Esta aplicação gera perfil de histograma no qual os dois olhos são evidenciados, sendo, assim, facilmente detectados. Na figura 5 é mostrado o resultado da detecção dos olhos (em azul), assim como os histogramas horizontal (em vermelho) e vertical (em verde). Figura 3. Detecção da face utilizando o algoritmo de Viola-Jones 3.2 Detecção dos olhos Para a detecção dos olhos é proposto neste artigo um sistema baseado em características, onde as informações principais são retiradas da análise de histogramas de densidades feitos na imagem binarizada. Como forma de reduzir os efeitos da influência da luz, um ajuste de histograma foi utilizado sobre a imagem rosto do indivíduo, para posterior binarização da imagem segundo um limiar fixo. Na imagem binarizada é calculado um histograma de densidade de pixels pretos no sentido horizontal. Para tanto, é realizada uma contagem da quantidade de pixels pretos em cada linha da imagem. A análise deste histograma possibilita identificar corretamente algumas regiões da face, incluindo os olhos, ficando as mesmas evidenciadas pelos picos do histograma, como pode ser visto na figura 4(b). (a) (b) Figura 4. (a) Foto do rosto e (b) histograma horizontal e imagem binarizada. Pela geometria do rosto, pode-se considerar que olhos ficam na parte superior do rosto, como é utilizado em (Krolac, 2008). Sendo assim, a busca é feita apenas na parte superior da imagem, eliminando os picos correspondentes ao nariz e a boca. A partir daí pode-se perceber que os dois maiores picos superior correspondem à região dos olhos e da sobrancelha. ISBN: 978-85-8001-069-5 Figura 5. Detecção dos olhos (azul) e histogramas horizontal (vermelho) e vertical (verde). 3.3 Detecção da piscada A etapa de detecção da piscada consiste em identificar o estado dos olhos (abertos ou fechados). Para tanto, propõe-se neste artigo uma técnica de detecção do estado dos olhos baseado na dispersão dos pixels. Como é possível perceber na figura 6, a distribuição dos pixels pretos no sentido vertical se encontra mais dispersa em torno da média (linha azul) quando olho está aberto (figura 6a) do que quando está fechado (figura 6b), sendo possível então determinar o estado dos olhos com base nesta análise. Figura 6. Dispersão do pixels dos olhos em torno da média para os olhos abertos (a) e para os olhos fechados (b). A dispersão dos pixels foi medida com base no cálculo de variância, sendo esta é definida em (Kay, 1951) como 𝑣𝑎𝑟 𝑦 = 𝐸[(𝑦 − 𝐸[𝑦])! ], (3) em que E[˖] representa o cálculo da média e y o vetor de pontos com as componentes das linhas de cada pixel preto da imagem do olho. 5206 Anais do XIX Congresso Brasileiro de Automática, CBA 2012. Dessa forma, a variância é uma medida que indica o quão longe, em geral, os seus valores se encontram da média, o que leva a uma maior variância da posição dos pixels pretos situados na região dos olhos quando o olho estiver aberto. Assim, atribuiu-se um limiar de variância, para o qual valores acima deste indicam que o olho está aberto e valores abaixo indicam que o olho está fechado. A fim de diferenciar piscadas voluntárias de involuntárias foi analisado o tempo que os olhos permaneciam fechados, sendo consideradas voluntárias as piscadas com valores de tempo iguais ou maiores que 1/3 de segundo. Este critério foi utilizado em (Chau, 2005). 3.4 Interface para Comunicação Feita a detecção da piscada, foi introduzido ao sistema uma interface, apresentada na Figura 7, com o intuito de permitir que o usuário expresse sua vontade por meio das piscadas dos olhos. interface de comunicação, pois a robustez do sistema é dada por uma boa detecção da piscada e não pelo fato do indivíduo conseguir ou não digitar uma palavra de forma correta. Essa abordagem foi escolhida tomando como base que o usuário pode corrigir a palavra caso seja detectado uma piscada que não existiu, bem como simplesmente esperar que a letra desejada apareça novamente caso seja executada uma piscada e o sistema não reconheça. No entanto, ainda assim serão apresentadas as taxas relativas a estes dois erros. Os testes foram feitos com uma webcam integrada à uma resolução de 1024x768 pixels. Esta foi posicionada a uma distância cômoda do voluntário e cada vídeo teve em média 50 segundos, sendo requisitado que os participantes piscassem os olhos em intervalos de 5 em 5 segundos, totalizando um total de 10 piscadas. Estes voluntários foram escolhidos de modo que o sistema pudesse ser testado com pessoas que possuem características diferentes quanto à cor da pele, tipo de cabelo e uso ou não de óculos. Os resultados obtidos com 10 voluntários podem ser vistos na tabela 1. Nesta tabela, a falsa aceitação ocorre quando o sistema detecta uma piscada que não existiu (ou não ocorreu de forma intencional) e a falsa rejeição ocorre quando uma piscada voluntária não é detectada pelo sistema. Tabela 1. Resultado do Teste de Reconhecimento de Piscadas Acertos Figura 7. Interface - Teclado virtual O protocolo de comunicação é baseado em piscar os olhos no momento em que a letra desejada está selecionada. Desta maneira, primeiramente a linha vertical é movida de coluna em coluna no teclado virtual até que o indivíduo pisque e escolha o conjunto de letras onde está localizada a letra desejada. Nesse momento, a linha vertical permanece fixa, dando início ao movimento da linha horizontal, que é movida de linha em linha até que o indivíduo pisque o olho novamente e escolha a letra desejada através da interseção entre as linhas vertical e horizontal. Com este tipo de interface é possível que um indivíduo que só tenha controle sobre o movimento dos olhos possa se comunicar e interagir com outras pessoas. 4 Resultados O sistema proposto foi desenvolvido no software Matlab R2010a e foi testado com um conjunto de vídeos feitos com alguns voluntários não deficientes. Nos testes foi priorizada a detecção da piscada sem a ISBN: 978-85-8001-069-5 Voluntário 1 Voluntário 2 Voluntário 3 Voluntário 4 Voluntário 5 Voluntário 6 Voluntário 7 Voluntário 8 Voluntário 9 Voluntário 10 8 9 9 10 10 9 8 6 5 4 Falsa Aceitação 0 2 0 2 1 2 3 2 1 2 Falsa Rejeição 2 1 1 0 0 1 2 4 5 6 A partir dos dados da tabela, pode-se perceber que o sistema teve uma boa taxa de acertos com exceção dos voluntários 8, 9 e 10. Com o voluntário 8, não foi obtido um bom resultado devido ao fato do mesmo ter inclinado o rosto durante o teste. Desta maneira, como a detecção de olhos é feita com base no histograma horizontal, a região dos olhos não foi bem evidenciada, causando uma baixa taxa de acerto. Já com os voluntários 9 e 10, a baixa taxa de acerto deveu-se ao uso de óculos pelos mesmos, pois este acessório reflete luz e acaba interferindo no cálculo de variância nos olhos. Com os demais voluntários, foram obtidos bons resultados, sendo detectadas de forma correta 63 das 70 piscadas efetuadas. As falsas aceitações tiveram valores aceitáveis, uma vez que os testes duraram em torno de 50 segundos. 5207 Anais do XIX Congresso Brasileiro de Automática, CBA 2012. Assim como explicado anteriormente, o teste da interface desenvolvida para comunicação não é objetivo deste trabalho e, portanto, foi testada penas para um voluntário, obtendo o resultado mostrado na figura 8. Agradecimentos Os autores gostariam de agradecer a COPES/UFS pelo apoio financeiro, que tornou possível a realização deste projeto. Referências Bibliográficas Bacivarov, Ioana and Corcoran, Peter Senior (2008). Statistical Models of Appearance for Eye Tracking and Eye-Blink Detection and Measurement, IEEE Transactions on Consumer Electronics, Vol. 54, No. 3. Figura 8. Texto digitado com o sistema desenvolvido 5 Conclusão Neste artigo foi proposto um sistema de auxílio à comunicação de usuários descapacitados baseado na piscada dos olhos e processamento de imagens. Para tanto, foi implementado em Matlab R2010a um sistema composto por detecção de face, detecção de olhos, detecção de piscadas e uma interface de comunição. O sistema proposto é não invasivo, opera a uma distância confortável do usuário, é de baixo custo (utiliza um computador doméstico e uma câmera com resolução 1024x768 pixels) e não precisa de iluminação especial. Adicionalmente, o sistema com a interface proposta foi testado em tempo real a uma taxa de 10 frames por segundo, com execução no Matlab R2010a em uma máquina com um processador Intel core i3 e 4 GB de memória. Os resultados obtidos com o sistema desenvolvido foram apresentados neste artigo e permitem concluir que a abordagem proposta funciona satisfatoriamente, podendo ser futuramente aplicada a um usuário descapacitado, com o qual espera-se estabelecer uma boa comunicação tomando como base as piscadas dos olhos. Uma vez que foi utilizado um limiar fixo para a binarização, a escolha deste limiar pode afetar significativamente o desempenho do sistema. Além disso, a rotação do rosto na imagem e o uso de óculos se mostrou como fatores limitantes na qualidade da abordagem proposta. Esses aspectos deverão ser abordados em trabalhos futuros, bem como a realização de novos testes, considerando usuários descapacitados e outras possíveis limitações do sistema. Betke, Margrit; Gips, James; and Fleming, Peter (2002). The Camera Mouse: Visual Tracking of Body Features to Provide Computer Access for People With Severe Disabilities, IEEE Transactions on Neural Systems and Rehabilitation Engineering. Birbaumer, N., Ghanayim, N., Hinterberger, T., Iversen, I., Kotchoubey, B., Kübler, A., Perelmouter, J., E. Taub, and H. Flor, (1999). A spelling device for the paralysed, Nature, vol. 398, pp. 297-298. Birchfield, Stan (1998). “Elliptical Head Tracking Using Intensity Gradients and Color Histograms”, IEEE Conference on Computer Vision and Pattern Recognition. Chau, M., Betke, M. (2005). “Real time eye tracking and blink detection with USB câmeras.”, Boston University Computer Science Technical Report No. 2005-12. Cavalieri, D. C.; Brandão, A. S.; Ferreira, A.; BastosFilho, T. F.; Sarcinelli-Filho, M. e Benevides, A. B. (2007). Redes neurais artificiais aplicadas na detecção de piscadas de olhos, Anais do VIII Simpósio Brasileiro de Automação Inteligente VIII SBAI, Florianópolis/SC. FREUND, Y. “Boosting a weak learning algorithmby majority”, Inform. Com- put., v. 121, n. 2, pp. 256–285, 1995. Gajwani PS, Chhabria SA (2010). Eye motion tracking for wheelchair control. Int J Inform Technol Knowl Manag. 2(2):185-87. Grauman, K.; Betke, M.; Lombardi, J.; Gips, J.; Bradski, G.R. (2003). Communication Via Eye Blinks and Eyebrowraises”, Video-Based Human-Computer Interfaces. Hsu, R.-L., Abdel-Mottaleb, M., And Jain, A. K. 2002. Face detection in color images. IEEE Trans. Pattern Analysis and Machine Intelligence 24, 5, 696–706. ISBN: 978-85-8001-069-5 5208 Anais do XIX Congresso Brasileiro de Automática, CBA 2012. Ishiguro, Y., Mujibiya, A., Miyaki, T., And Rekimoto, J. (2010). Aided eyes: eye activity sensing for daily life. In The 1st Augmented Human International Conference (AH2010), ACM, H. Saito, J.-M. Seigneur, G. Moreau, and P. Mistry, Eds., 25. Ji, Q., 2002. 3D face pose estimation and tracking from a monocular camera. Image Vision Comput. vol. 20, pp. 499-511. Kay, Steven M. (1951). Intuitive Probability and Random Process Using Matlab, Springer. Conference on International Information Hiding and Multimedia Signal Processing (IIH-MSP 2007), Yin, Lijun (2011). Real Time Eye Tracking and Hand Tracking Using Regular Video Cameras for Human Computer Interaction, State University Of New York At Binghamton, Final Technical Report, 2011. Krolak, A., and Strumillo, P. 2008. Vision-based eye blink monitoring system for human-computer interfacing. In Conference on Human System Interactions – HIS 2008. New York: IEEE, 994 - 998. Matos, Gabriel Araújo (2010). Algoritmo para Reconhecimento de Características Faciais Baseado Em Filtros de Correlação; Dissertação de Mestrado, UFRJ. Medeiros, M.S.M., Lima, E., Martins, R.A., Gomes, L.A., Medeiros, R.F. (2002). Treinamento de força em sujeitos portadores de Acidente Vascular Cerebral. Rev Dig Vida Saúde;1(3):1-21. Peng Wang, Green, M.B., Ji, Q., and Wayman, J. (2005). Automatic Eye Detection and Its Validation, IEEE Workshop on Computer Vision and Pattern Recognition.. Usakli, A. B. and Gurkan, S. (2010). Design of a novel efficient human computer inteface: an electrooculagram based virtual keyboard, submitted to IEEE Transactions on Instrumentation and Measurement. Veigl, Christoph (2006). An Open-Source System for Biosignal- and Camera-Mouse Applications submission for the Young Researchers Consortium of the ICCHP, Linz. Viola, P., Jones, M. (2001). Rapid object detection using a boosted cascade of simple features. In: Computer Vision and Pattern Recognition, 2001. Proceedings of the 2001 IEEE Computer Society Conference on, 2001. Wang, L. J.. Yin, and J. Moore (2007). Using geometric property of topographic manifold to detect and track eyes for human computer interaction, ACM TOMCCAP. Yen-Wei Chen and Kubo, K., (2007). Robust Eye Detection and Tracking Technique using Gabor Filters. Proceedings of the Third International ISBN: 978-85-8001-069-5 5209