ВИКОРИСТАННЯ КРОС-КОРЕЛЯЦІЇ ЯК ІНСТРУМЕНТУ ВЗАЄМОДІЇ З КОМП’ЮТЕРНИМИ СИСТЕМАМИ ДЛЯ ОСІБ З ПОРУШЕННЯМИ ОПОРНО-РУХОВОГО АПАРАТУ
DOI:
https://doi.org/10.36994/2788-5518-2025-02-10-12Ключові слова:
крос-кореляція; взаємодія людини з комп’ютером; комп’ютерна система; Інтернет речей (ІоТ); обробка зображень; авторизація; біометричні показники; малюнок капілярів судинної оболонки ока; сканування; HQ-камера; одноплатний мінікомп’ютер; допоміжні технології; альтернативні методи введення.Анотація
Анотація. Ця робота заглиблюється у використання методів крос-кореляції як вирішального інструменту для покращення взаємодії людини з комп’ютером (HCI) для осіб, які потребують спеціалізованої підтримки. Основна мета зосереджена на розробці альтернативних та доступних методів взаємодії, які перетворюють конкретні, часто нюансовані, сигнали користувача на надійні комп’ютерні команди. Запропонована методологія інтегрує алгоритми крос-кореляції для досягнення точного розпізнавання шаблонів у сигналах людської поведінки, таких як погляд та орієнтація голови. Отримані сигнали потім призначаються до певних команд введення, що дозволяє керувати комп’ютерними системами без використання типових систем введення на основі миші. Ключовою інноваційною особливістю цього дослідження є використання крос-кореляції для аналізу незвичайних людських дій у системах HCI в режимі реального часу, що призводить до створення надійного та персоналізованого інтерфейсу. Практичне значення цього дослідження є суттєвим, оскільки воно пропонує життєздатну та економічну основу для розробки допоміжних технологій. Цей підхід може бути безпосередньо застосований до створення засобів комунікації, систем контролю навколишнього середовища та освітнього програмного забезпечення, тим самим надаючи людям з інвалідністю можливість розвиватися та сприяючи покращенню цифрової інклюзії. Щоб підтвердити достовірність цього підходу, дослідження включало розробку функціонального прототипу інтерфейсу, де відеодані захоплюються за допомогою камери Raspberry Pi HQ та обробляються потоки сигналів у режимі реального часу. Ефективність системи була кількісно оцінена за допомогою серії випробувань, які підтвердили її ефективність завдяки високим показникам розпізнавання команд. Ця емпірична перевірка не лише підтверджує технічну доцільність методу на основі крос-кореляції, але й підкреслює його потенціал для плавної інтеграції в практичні повсякденні обчислювальні середовища, тим самим закладаючи основу для майбутніх досліджень складніших багатомодальних схем взаємодії.
Посилання
Leblond Ménard C., Achiche S. (2023). Non-intrusive real time eye tracking using facial alignment for assistive technologies. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 31. 954–961. DOI: https://doi.org/10.1109/ TNSRE.2023.3236886.
Temitope Babayemi, Raji, N. O., Osita Victor Egwuatu, & Oludoyi Mayowa Olumide. (2021). Integrating Artificial Intelligence with Assistive Technology to Expand Educational Access through Speech to Text, Eye Tracking and Augmented Reality. 7 (4), 652–680.
Amantis, R., Corradi, F., Molteni, A. M., Massara, B., Orlandi, M., Federici, S., Olivetti Belardinelli, M., & Mele, M. L. (2011). Eye-tracking assistive technology: is this effective for the developmental age? Evaluation of eye-tracking systems for children and adolescents with cerebral palsy. Everyday Technology for Independence and Care. 489–496. DOI: https://doi.org/10.3233/ 978-1-60750-814-4-489.
Sikora, O. V., Vdovychyn, T. Ya., & Kohut, U. P. (2020). SYSTEM OF COMPUTER SUPPORT OF THE EDUCATIONAL PROCESS IN THE PEDAGOGICAL UNIVERSITY. Scientific Notes of Taurida National V. I. Vernadsky University. Series: Technical Sciences. 5. DOI: https://doi.org/10.32838/2663-5941/2020.5/18 [in Ukrainian].
Tareen H. (2025). Computer-based modelling for science teaching and learning: A literature review. Arghand Journal of Social Science (AJSS). 1 (1). 24–33.
Gedraite E., Hadad M. (2011). Investigation on the effect of a Gaussian Blur in image filtering and segmentation. Conference: ELMAR. 2011 Proceedings. 393–396.
Patil S., Patil B. P. (2020). Retinal fundus image enhancement using adaptive CLAHE methods. Seybold Report. 15 (9). 3476–3484.
Reich, D. R., Prasse, P., Jäger, L. A. (2025). Evaluating Gaze Event Detection Algorithms: Impacts on Machine Learning- based Classification and Psycholinguistic Statistical Modeling. Proceedings of the ACM on Human-Computer Interaction. 9 (3), 1–15. DOI: https://doi.org/10.1145/3725835.
Patterson, A. S., Nicklin, C., & Vitta, J. P. (2025). Methodological recommendations for webcam-based eye tracking: A scoping review. Research Methods in Applied Linguistics. 4 (3). 100244. DOI: https://doi.org/10.1016/j.rmal.2025.100244.
Shortliffe E. (1991). Developing trends in clinical computing. Annals – Official Journal of the Academy of Medicine, Singapore. 20 (2). 277–80. PMID: 1883190.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
