Made available in DSpace on 2018-08-02T00:00:34Z (GMT). No. of bitstreams: 1
tese_10127_Dissertação-de-Mestrado-Alexandre-Bissoli-Versão-Final.pdf: 5108283 bytes, checksum: a4a9dde79a52505e6a3c7b70f49dbb0c (MD5)
Previous issue date: 2016-07-29 / Pessoas com deficiência têm dificuldade de interagir com o ambiente onde vivem, devido às próprias limitações inerentes à sua deficiência. Atividades simples como ligar lâmpada, ventilador, televisão ou qualquer outro equipamento, de forma independente, pode ser impossível para esse grupo de pessoas. Este trabalho apresenta um sistema assistivo multimodal para controlar um ambiente inteligente por meio de sinais biológicos. Os usuários em potencial deste sistema são indivíduos com deficiências motoras graves, que desejam adquirir mais autonomia dentro do ambiente doméstico. Os sinais biológicos utilizados são sEMG, EOG e VOG. Isso possibilitou dois tipos de interação: uma empregando gestos faciais e movimento dos olhos, e a outra utilizando o rastreamento das fixações do olhar (eye/gaze tracking). Um diferencial importante deste trabalho é a utilização de dispositivos convencionais de baixo custo, fácil manuseio e de rápida configuração.
No primeiro bloco de testes, o objetivo era avaliar o desempenho do sistema
utilizando o Emotiv EPOC e o Eye Tracker, comparando a Taxa de Transferência de Informação (ITR) e a Utilidade (U) de ambas as Interfaces Humano-Máquina (IHM) desenvolvidas para controlar o Ambiente Inteligente. Para esses testes foram pré-estabelecidas cinco tarefas, as quais foram realizadas por dez voluntários. No segundo bloco de testes, o objetivo era avaliar a usabilidade (SUS) e o desempenho (GAS) do sistema do ponto de vista do usuário, utilizando o Eye Tracker em três aplicações diferentes: Controle do Ambiente Inteligente (AI), Comunicação Aumentativa e Alternativa (CAA) e Ambiente Virtual (AV). Os testes foram realizados por 17 voluntários (sendo dois com deficiência em todas as aplicações) e foram pré-estabelecidas 5, 5 e 18 tarefas para as três aplicações (AI, CAA e AV, respectivamente). Com relação aos resultados da avaliação de desempenho, observou-se que 15 dos 17 participantes obtiveram resultado esperado ou superior ao esperado logo na primeira utilização. Este resultado ainda pode ser melhorado, à medida que o participante obtiver maior familiaridade com o sistema.
| Identifer | oai:union.ndltd.org:IBICT/oai:dspace2.ufes.br:10/9549 |
| Date | 29 July 2016 |
| Creators | Bissoli, A.L.C. |
| Contributors | LIMA, E. R., Anselmo Frizera Neto, BASTOS FILHO, T. F. |
| Publisher | Universidade Federal do Espírito Santo, Mestrado em Engenharia Elétrica, Programa de Pós-Graduação em Engenharia Elétrica, UFES, BR |
| Source Sets | IBICT Brazilian ETDs |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFES, instname:Universidade Federal do Espírito Santo, instacron:UFES |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0013 seconds