OTHER EYES: VIABILIDAD Y RIESGOS DE LA IMPLEMENTACIÓN DE LA VISIÓN POR COMPUTADORA EN LA VIDA COTIDIANA
Palabras clave:
Asistencia visual, ESP32-CAM, YOLOv11, arquitectura cliente-servidor, edge computing, discapacidad visual, IoT, inteligencia artificialResumen
La discapacidad visual ha sido por décadas una de las problemáticas de salud más grande que afecta a la mayoría de la población mundial; aproximadamente 2.2 millones de personas se ven afectas, cabe resaltar que cualquier persona está expuesta a sufrir la enfermedad, sea dada a causa de un accidente, genética o una situación incontrolable. Esto hace que las personas que lo padecen sean limitadas en su autonomía e independencia, lamentablemente se ha convertido en una situación común generando ambiguamente una especie de negocio y ante esto las soluciones comerciales creanbarreras económicas y en algunos casos inalcanzables; Other Eyes es un proyecto enfocado en mejorar la calidad de vida y experiencias de los usuarios ofreciendo una solución asequible e innovadora mediante el uso de gafas inteligentes con ESP32-CAM; una herramienta con la capacidad de capturar y procesar imágenes con un servidor integrado en la nube para procesamiento del video con YOLOv11 que proporciona información contextual del entorno de manera discreta y eficiente integrándose a un modelo de visión por computadora e inteligencia artificial con la capacidad de reconocer, analizar e identificar el ambiente en el que se encuentra el consumidor, permitiendo así, asistir mediante la identificación en tiempo real, conectando emocionalmente y favoreciendo las vivencias del usuario al estar en constante mejora y adaptación, mediante datos recolectados durante el uso de las gafas.
Descargas
Referencias
[1]
Organización Mundial de la Salud. (2024).
Ceguera y discapacidad visual. https://www.
who.int/es/news-room/fact-sheets/detail/
blindness-and-visual-impairment
[2] Departamento Administrativo Nacional de
Estadística. (2023). Estadísticas de discapa
cidad en Colombia: Caracterización y análi
sis. DANE.
[3] Bourne, R., Steinmetz, J. D., Flaxman, S.,
Briant, P. S., Taylor, H. R., Resnikoff, S., ... &
Vos, T. (2021). Trends in prevalence of blind
ness and distance and near vision impair
ment over 30 years: An analysis for the Glo
bal Burden of Disease Study. The Lancet
Global Health, 9(2), e130-e143. https://doi.
org/10.1016/S2214-109X(20)30489-7
[4] World Health Organization. (2021). World re
port on vision. World Health Organization.
[5]
Pascolini, D., & Mariotti, S. P. (2012). Global esti
mates of visual impairment: 2010. British Jour
nal of Ophthalmology, 96(5), 614-618. https://
doi.org/10.1136/bjophthalmol-2011-300539
[6] Redmon, J., & Farhadi, A. (2018). YOLOv3:
An incremental improvement. arXiv pre
print arXiv:1804.02767. https://arxiv.org/
abs/1804.02767
[7] Jocher, G., Chaurasia, A., & Qiu, J. (2023). Ul
tralytics YOLO (Version 8.0.0) [Software].
https://github.com/ultralytics/ultralytics
[8] Wang, C. Y., Bochkovskiy, A., & Liao, H. Y. M.
(2023). YOLOv7: Trainable bag-of-freebies
sets new state-of-the-art for real-time ob
ject detectors. Proceedings of the IEEE/CVF
Conference on Computer Vision and Pat
tern Recognition, 7464-7475.
[9] Lin, T. Y., Maire, M., Belongie, S., Hays, J., Pe
rona, P., Ramanan, D., ... & Zitnick, C. L. (2014).
Microsoft COCO: Common objects in con
text. European Conference on Computer Vi
sion, 740-755. Springer.
[10] Girshick, R., Donahue, J., Darrell, T., & Malik, J.
(2014). Rich feature hierarchies for accurate
Universidad Libre - Facultad de Ingeniería
object detection and semantic segmenta
tion. Proceedings of the IEEE Conference on
Computer Vision and Pattern Recognition,
580-587.
[11] Espressif Systems. (2023). ESP32-CAM datas
heet and technical reference. https://www.
espressif.com/
[12] Maier, A., Sharp, A., & Vagapov, Y. (2017). Com
parative analysis and practical implementa
tion of the ESP32 microcontroller module for
the internet of things. 2017 Internet Techno
logies and Applications (ITA), 143-148. IEEE.
[13] Kodali, R. K., & Mahesh, K. S. (2016). Low cost
ambient monitoring using ESP8266. 2016
2nd International Conference on Contem
porary Computing and Informatics (IC3I),
779-782. IEEE.
[14] Shahzad, M. K., & Cho, T. H. (2020). An ener
gy-efficient data collection framework
for smart city applications. IEEE Access, 8,
22369-22381.
[15] Gupta, S., & Gill, S. S. (2022). Edge AI: A sur
vey. Internet of Things and Cyber-Physical
Systems, 2, 71-92.
[16] Zhao, Y., Hu, Q., Cheng, H., & Liu, Y. (2021). A
review of assistive technologies for the vi
sually impaired. IEEE Access, 9, 64531-64548.
https://doi.org/10.1109/ACCESS.2021.3075976
[17] Real, S., & Araujo, A. (2019). Navigation sys
tems for the blind and visually impaired:
Past work, challenges, and open problems.
Sensors, 19(15), 3404. https://doi.org/10.3390/
s19153404
[18] Bhowmick, A., & Hazarika, S. M. (2017). An
insight into assistive technology for the vi
sually impaired and blind people: State-of
the-art and future trends. Journal on Multi
modal User Interfaces, 11(2), 149-172.
[19] Tapu, R., Mocanu, B., & Zaharia, T. (2020).
Wearable assistive devices for visually im
paired: A state of the art survey. Pattern Re
cognition Letters, 137, 37-52
[20] Gori, M., Cappagli, G., Tonelli, A., Baud-Bovy,
G., & Finocchietti, S. (2016). Devices for vi
sually impaired people: High technological
devices with low user acceptance and no
adaptability for children. Neuroscience &
Biobehavioral Reviews, 69, 79-88.
[21] Kruchten, P. B. (1995). The 4+1 view model
of architecture. IEEE Software, 12(6), 42-50.
https://doi.org/10.1109/52.469759
[22] Bass, L., Clements, P., & Kazman, R. (2021).
Software architecture in practice (4th ed.).
Addison-Wesley Professional.
[23] Richards, M., & Ford, N. (2020). Fundamen
tals of software architecture: An enginee
ring approach. O’Reilly Media.
241] Newman, S. (2021). Building microservices:
Designing fine-grained systems (2nd ed.).
O’Reilly Media.
[25] Burns, B., Beda, J., & Hightower, K. (2019). Ku
bernetes: Up and running (2nd ed.). O’Reilly
Media.
[26] Khare, Y., Jain, S., & Nagar, S. (2020). Real-ti
me object detection systems: A review. 2020
International Conference on Communica
tion and Signal Processing (ICCSP), 1164
1168. IEEE.
[27] Huang, J., Rathod, V., Sun, C., Zhu, M., Korat
tikara, A., Fathi, A., ... & Murphy, K. (2017). Spe
ed/accuracy trade-offs for modern convolu
tional object detectors. Proceedings of the
IEEE Conference on Computer Vision and
Pattern Recognition, 7310-7311.
[28] Tian, Z., Shen, C., Chen, H., & He, T. (2019).
FCOS: Fully convolutional one-stage object
detection. Proceedings of the IEEE/CVF In
ternational Conference on Computer Vision,
9627-9636.
[29] Liu, W., Anguelov, D., Erhan, D., Szegedy, C.,
Reed, S., Fu, C. Y., & Berg, A. C. (2016). SSD:
Single shot multibox detector. European
Conference on Computer Vision, 21-37.
Springer.
[30] Ren, S., He, K., Girshick, R., & Sun, J. (2015).
Faster R-CNN: Towards real-time object de
tection with region proposal networks. Ad
vances in Neural Information Processing
Systems, 28, 91-99.
[31] Shi, W., Cao, J., Zhang, Q., Li, Y., & Xu, L. (2016).
Edge computing: Vision and challenges.
IEEE Internet of Things Journal, 3(5), 637-646.
[32] Satyanarayanan, M. (2017). The emergence
of edge computing. Computer, 50(1), 30-39.
[33] Varghese, B., Wang, N., Barbhuiya, S., Kil
patrick, P., & Nikolopoulos, D. S. (2016). Cha
llenges and opportunities in edge compu
ting. 2016 IEEE International Conference on
Smart Cloud (SmartCloud), 20-26. IEEE.
[34] Mao, Y., You, C., Zhang, J., Huang, K., & Letaief,
K. B. (2017). A survey on mobile edge com
puting: The communication perspective.
IEEE Communications Surveys & Tutorials,
19(4), 2322-2358.
[35] Zen, H., Tokuda, K., & Black, A. W. (2009). Sta
tistical parametric speech synthesis. Speech
Communication, 51(11), 1039-1064.
[36] Taylor, P. (2009). Text-to-speech synthesis.
Cambridge University Press.
[37] Oviatt, S. (2021). Multimodal interfaces. In
The human-computer interaction hand
book (pp. 286-304). CRC Press.
[38] Hoggan, E., & Brewster, S. A. (2010). Cross
modal icons for information display. CHI’10
Extended Abstracts on Human Factors in
Computing Systems, 3447-3452.
[39] Brooke, J. (1996). SUS: A “quick and dirty”
usability scale. In P. W. Jordan, B. Thomas,
B. A. Weerdmeester, & I. L. McClelland (Eds.),
Usability evaluation in industry (pp. 189-194).
Taylor & Francis.
[40] Nielsen, J., & Landauer, T. K. (1993). A mathe
matical model of the finding of usability
problems. Proceedings of the INTERACT’93
and CHI’93 Conference on Human Factors
in Computing Systems, 206-213
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Santiago Orlando Martínez Herrera, Juan Pablo Gómez Barreto
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
