El documento describe el desarrollo de un sistema de rastreo ocular ligero y económico para ayudar a personas con discapacidades motoras a comunicarse. El sistema utiliza una cámara web modificada para rastrear el movimiento de la pupila y asociarlo con el cursor del mouse. Esto permite que la persona use su mirada para interactuar con un teclado virtual en la pantalla y comunicarse. Los resultados preliminares mostraron que el prototipo fue bien recibido por los usuarios y generó oportunidades para realizar ajustes de calibración.

1. SISTEMA DE RASTREO OCULAR PARA LA INTERVENCIÓN DE
PERSONAS CON DISCAPACIDADES MOTORAS
Christian Gabriel Gomez, Norma Beatriz Perez
Facultad de Ciencias Físico Matemáticas y Naturales (FCFMyN)
Departamento de Física (DF) - Departamento de Informática (DI)
Universidad Nacional de San Luis (UNSL) Argentina
Ejercito de Los Andes 950–D5700HHW San Luis, +54-0266 4520300–Int. 2102
cristian.gomez.86@gmail.com, nbperez@unsl.edu.ar
Resumen
En los últimos años, el mundo es testigo de la amplia
aceptación de las Tecnologías de la Información y la
Comunicación (TIC’s) en el sector social, cultural, edu-
cativo, económico, entre otros. En particular, las tecno-
logías de rastreo oculares son aplicadas en los más di-
versos ámbitos ya sea en aplicaciones médicas e indus-
triales, neuromarketing y en la práctica pedagógica en el
entorno educativo. Se utilizan las técnicas de seguimien-
to ocular como indicadores fisiológicos que permiten
determinar y conocer el recorrido visual del sujeto en
estudio. En este trabajo, se describe la implementación
así como el proceso de construcción del prototipo de un
sistema de rastreo ocular ligero y económico. Este siste-
ma se orientó a un caso real de estudio para “personas
con discapacidad motora” con el fin de ser un nexo entre
el sujeto y la sociedad; permitiendo al sujeto facilitarle
la comunicación e integrarse en la sociedad empleando
esta tecnología. El sistema de rastreo ocular permite
monitorear el movimiento pupilar de un ojo de la perso-
na con discapacidad motora. De esta manera, se asocia
el movimiento pupilar al cursor del mouse con una inter-
faz gráfica de usuario compuesta por un teclado virtual.
Los resultados preliminares de este sistema de rastreo
ocular presentaron un amplia aceptación por parte de
los sujetos que testearon este prototipo. Este análisis ha
generado la posibilidad de realizar ajustes de calibra-
ción en el mismo.
Palabras Claves: TIC’s, Sistema de Rastreo Ocular; Movi-
miento Ocular, Discapacidad Motora.
1. Introducción
El análisis de los movimientos oculares es un tipo de me-
dición biométrica [1, 2] que ayuda a comprender el in-
consciente de los sujetos en estudio. Esto se consigue a
través de la recolección de datos en tiempo real relativos
a la dirección de la mirada de los ojos de la persona.
Las personas que tienen algún tipo de discapacidad
motora, como es la parálisis cerebral, espina bífida, dis-
trofia muscular, entre otras, pueden verse afectadas no
solo por los inconvenientes físicos que padecen, sino pro-
bablemente la posible ausencia de bienestar psicológico y
estar próximo a la exclusión social o ya inmerso en ella.
Sin embargo, estas personas pueden encontrar en la tec-
nología un sostén adecuado para llevar una vida más ple-
na e independiente, gracias a los dispositivos y softwares
especializados existentes en el mercado [3, 4]. El análisis
de la mirada de los sujetos de estudio es muy útil en
muchas aplicaciones multimedia en la actualidad; como
por ejemplo aplicaciones de rastreo ocular aplicado a
dispositivos móviles, neuromarketing, publicidad, diseño
de sitios Web, entre otros [5, 6].
Lo expresado en los párrafos anteriores ha sido una
de las principales motivaciones que impulso a los autores
de este artículo el interés en desarrollar un sistema de ras-
treo ocular económico y ligero.
En este artículo, se describe el desarrollo que se lle-
vo adelante para la construcción del prototipo, así como
la implementación (codificación) del sistema que permite
realizar el rastreo ocular. El prototipo que se presenta en
este artículo, se desarrollo bajo la premisa de ayudar a las
personas que presenten alguna discapacidad motora. Los
usuarios podrán utilizar dicho sistema de rastreo sin que
el mismo sea demasiado costoso, permitiendo de esta
manera que este al alcance de personas de bajos recursos
económicos. Se ha previsto que éste sistema de rastreo
ocular satisfaga medidas de seguridad que son necesarias
para el sujeto que haga uso de este dispositivo. El sistema
propuesto permite la interacción del discapacitado motriz
con una computadora. De esta manera el usuario puede
interactuar con la sociedad. En otras palabras, el usuario
se puede comunicar, de una manera simple, empleando la
computadora que es un recurso que actúa como mediador
en el contexo de inclusión de este usuario en la sociedad.
El sistema de rastreo ocular trabaja bajo una interfaz
gráfica de usuario (graphic user interface GUI) [7] com-
puesto por un teclado virtual. A través de dicho teclado la
persona con discapacidad motora puede interactuar con el

2. mismo permitiendo escribir en pantalla. Este proceso es
realizado “con un simple pestañeo” o “fijar la mirada”
sobre una tecla por una fracción de segundos; donde la
posición del cursor del mouse se fija sobre la tecla o
punto donde el sujeto fijo la mirada.
2. Prototipo de Sistema de Rastreo Ocular
Las consideraciones realizadas para el desarrollo e
implementación del sistema de rastreo ocular, propuesto
en este artículo, se describen en las siguientes subseccio-
nes.
1.1. Descripción Física
Para la implementación del sistema ocular se utilizó
una notebook CX cuyas características, principales, son:
procesador Intel® Core™ I3-3120M CPU@2.50Ghz,
memoria RAM DDR3 4Gb, Placa de video Intel(R) HD
Graphics 4000 (1847684 KB), DirectX 11.0. Se trabajo
bajo el sistema operativo Windows 7 Ultimate (64bits)
sevice pack 1. Se empleo MATLAB R2013a necesaria
para la codificación del sistema de rastreo propuesto.
Donde se le incoporó bibliotecas para el procesamiento
de imágenes.
Figura 1. Prototipo de Sistema de Rastreo Ocular
El sistema de rastreo, se diseño con elementos y
materiales de fácil adquisición y a un bajo costo (inferior
a 35 dólares). En la Figura 1, se puede observar que el
sistema de rastreo ocular está compuesto por un marco de
gafas de protección industrial, una Webcam USB Genius
Facecam 320x VGA, tres diodos leds infrarrojo 850nm,
un resistor de 100 ohmios y el soporte para la Webcam
donde se empleo alambre acerado, tubos termo contraí-
bles y cinchos de plásticos [8, 9].
Figura 2. Reflexión Infrarrojo
La Webcam USB está sujeta a un soporte de exten-
sión de alambre acerado recubierto con tubos termo con-
traíbles y a su vez sobre el marco de las gafas de prote-
cción. La Webcam empleada en este prototipo fue modi-
ficada de manera tal que permita trabajar en el rango del
infrarrojo cercano (700-800 nm) al remover el filtro de
bloqueo de luz infrarroja de la lente. Además, se emplea-
ron tres diodos leds infrarrojos de 850nm que se encuen-
tran montados sobre la placa de la cámara y espaciados
en forma de triangulo como se puede observar en la
Figura 2. Esta configuración permite que de esta manera
se ilumine la región del ojo uniformemente evitando
cualquier sombra en el espectro del infrarrojo cercano. A
su vez estos diodos se alimentan por 5 voltios desde el
conector USB a través de un resistor de 100 ohmios.
Figura 3. Prototipo de Sistema de Rastreo Ocular
El resultado, de la configuración descripta en los
párrafos anteriores, se denomina iluminación de pupila
oscura por fuente infrarroja. Dicha configuración se
puede observar en la Figura 3. La iluminación de la
pupila oscura hace que la fuente de iluminación no sea
coaxial con la mirada, haciendo que la pupila aparezca
oscura. Esto se consigue debido a que el reflejo de la
retina se desvía lejos de la cámara. Por lo tanto, los dio-
dos utilizados en la configuración de este prototipo se en-
cuentran situados fuera de eje con respecto al eje focal de
la cámara lo que permite que la reflexión infrarroja en la
cornea del ojo no sea recibida directamente hacia la
cámara logrando un efecto opuesto a lo que se consigue
con la técnica denominada pupila brillante [10]. Donde
en la técnica de pupila brillante la iluminación es coaxial
con la mirada, los ojos actúan como catadióptricos de
manera que la luz refleja en la retina un efecto de pupila
brillante similar al efecto de los ojos rojos.
Para el diseño del rastreador ocular se debió tener
en cuenta el nivel de potencia infrarroja incidente en el
ojo. Según estudios experimentales [11, 12, 13] la irra-
diación (mW / cm2) en el ojo es una función de la poten-
cia emitida por los diodos infrarrojos, el área sobre la que
se extiende esa energía, y la uniformidad del patrón de
iluminación. Este factor fue considerado en base a que un
nivel de irradiación de menos de 10 mW / cm2 se consi-
dera seguro para la exposición infrarroja crónica en el
rango de 720-1400 nm para exposiciones mayores a 1000
segundos sin afectar a la visión del sujeto. Los diodos
leds infrarrojos utilizados en el prototipo del sistema pro-
puesto en este artículo proporcionan una iluminación
adecuada con una irradiación de sólo el 2,4 mW / cm2,
Marco de Gafas de
Protección Industrial
Soporte
Diodos Leds
Infrarrojos
y Resistencia 100ohm
WebCam FaceCam

3. por debajo del recomendado nivel de seguiridad sin que
de esta manera sea perjudicial para el sujeto que utilice el
aparato (prototipo).
Figura 4. Ángulo y Orientación
Por otro lado, el ángulo y la orientación de captura
de la cámara se encuentran comprendidos entre 30 a 40
grados por debajo del eje focal de la mirada. Esta medi-
ción testeada y realizada con la finalidad de no obstruir
la visión del sujeto en cuestión. En la Figura 4 se muestra
el ángulo y la orientación de captura de la cámara.
1.2. Descripción del Sistema de Rastreo Ocular
El sistema de rastreo ocular propuesto eneste artículo
es descripto, en forma general,a través de los pasos que
se pueden seguir al observar la Figura 5. Donde:
Figura 5. Diagrama General del Sistema de Rastreo Ocular
• Paso 1. Captura de Fotogramas: se realiza la cap-
tura de 7 fotogramas por segundo. Esta cantidad de
fotogramas se emplea debido a que a través de los
diferentes test de capturas de fotogramas fue la can-
tidad que mejor respondió a la sensibilidad del dis-
positivo haciéndolo más estable.
• Paso 2. Pre-Procesamiento: en este paso se realiza
la conversión a escala de grises de los fotogramas
capturados en el paso 1. Se realiza además, ajustes
de gamma, filtrado y umbralización.
• Paso 3. Procesamiento Morfológico: se realiza la
identificación de pupila a través de técnicas de pro-
cesamiento morfológico y por transformada de
hough aplicada a círculos.
• Paso 4. Calibración y Transformación Geométri-
ca: en este paso se procede a calibrar la mirada de la
persona respecto a un punto de fijación visual en la
pantalla del computador.
• Paso 5. Interfaz Gráfica de Usuario: se le provee
al sujeto de un teclado virtual qwerty alfanumérico.
A este teclado se le ha agregado botones de inicio y
parada de la interfaz, botón de calibración y botón
de borrado de pantalla.
Figura 6. Fotograma de Ojo en Escala de Gris y su
Histograma.
En la Figura 6 se puede observar el procesamiento en
tiempo real del movimiento pupilar. Este procesamiento
consiste en tomar muestras de fotogramas de la imagen
del ojo a través de la Webcam que trabaja con una resolu-
ción de 640x480 pixeles a una tasa de captura de 7 foto-
gramas por segundos (fps) y capturándolas en escala de
grises. Es importante mencionar que la captura realizada
en escala de grises permite simplificar el procesamiento
posterior de la identificación de la pupila del sujeto en
tiempo real.
Figura 7. Ecualización de Histograma, Ajuste de
Gamma y Filtrado de Mediana
Figura 8. Imagen Fotograma
El siguiente paso, consiste en el proceso de una ecua-
lización de su histograma para obtener una uniformidad
entre el número de pixeles y los niveles de grises, un
ajuste de gamma y un filtrado de mediana para suavizar y
reducir el nivel de ruido que pueda estar presente en la
imagen. Dicho proceso puede observarse en la Figura 7.
A continuación se realiza una conversión de la imagen
fotograma de escala de gris a una imagen binarizada
(blanco y negro). Observar la Figura 8. A través de téc-
Paso 3
Paso 4
Paso 5
Paso 1
Paso 2
Paso 3
Paso 4
Paso 5

4. nicas de umbralización por métodos del valor umbral
(método Otsu [14, 15]).
Figura 9. Identificación de la pupila
El procesamiento morfológico permite eliminar el rui-
do producto de la umbralización y además permite identi-
ficar a la pupila a través de técnicas aplicadas [15] de
apertura y cierre, etiquetado y cálculo de centroide de
pupila sobre fotograma actual. Este proceso se muestra
en la Figura 9.
Figura 10. Ajuste de Calibración
Para iniciar el seguimiento de la mirada del sujeto en
cuestión es necesario realizar una calibración previa. Esta
calibración se desarrolla en una interfaz gráfica de usua-
rio, como se observa en la Figura 10, desarrollada en Ma-
tlab que permite vincular el punto centroide de la pupila
con un punto de fijación visual en la pantalla del ordena-
dor. Esta interfaz de calibración permite definir el área de
trabajo del sistema rastreador, observando y seleccionan-
do los cuatro botones ubicados en las esquinas de dicha
interfaz. El proceso es el siguiente, en primer lugar el
usuario fija su mirada en el botón rojo (observar la Figura
10, parte de superior de la pantalla margen izquierdo)
etiquetado como número 1 y simultáneamente hará clic
con el mouse en el mismo para obtener el primer punto
de calibración. Este procedimiento se debe efectuar se-
cuencialmente con los tres botones restantes (ubicados en
cada lateral). La líneas punteadas, en la Figura 10, mues-
tran este proceso. Por consiguiente, una vez obtenido los
cuatro puntos de calibración se dará aviso a través de un
mensaje que indicara al usuario la correcta calibración,
caso contrario se debe efectuar la calibración nuevamen-
te.
En caso que se haya logrado una correcta calibración,
mediante una transformación geométrica a través de fun-
ciones polinómicas [16] vinculara la mirada del sujeto en
un punto en la pantalla de la computadora, de esta se
asocia al puntero del mouse para interactuar sobre una
interfaz gráfica correspondiente a un teclado virtual.
1.3. Interfaz Gráfica
La interfaz gráfica desarrollada para el sistema de
rastreo ocular propuesto en este artículo, es una GUI de-
sarrollada en Matlab que corresponde a un teclado vir-
tual. Esta interfaz se puede observar en la Figura 11.
Figura 11. Interfaz Gráfica del Teclado Virtual
La interfaz permite al sujeto seleccionar la tecla que
identifica a la letra correspondiente que se desea escribir
con solo posicionar el cursor del mouse fijando el punto
de observación en dicha tecla y durante un determinado
tiempo, esto se observa en la Figura 12.
Figura 12. Interacción con Teclado Virtual a través de la
Mirada.
La interfaz propuesta incluye botones que permiten
dar inicio y fin al uso de la misma por medio del rastreo
ocular, borrado de pantalla y calibración del sistema de
rastreo ocular al área de trabajo de la interfaz gráfica.
3. Resultados
Se pudo observar que el sistema de rastreo propuesto
cumple las expectativas con un mínimo margen de error
que puede compensarse con un leve movimiento de la
cabeza. Se pudo comprobar que al trabajar con una tasa
de captura de fotogramas por defecto a 30 fps la sensibi-
lidad del dispositivo aumenta. Por este motivo al ajustar
minimizando la tasa de captura el error en el punto de
fijación disminuye. Es por ello que se tomo como refe-
rencia 7 fotogramas por segundo como velocidad de cap-
tura y el sistema rastreador respondió óptimo y eficiente-
mente haciéndolo más estable en relación a la velocidad
del movimiento pupilar de la persona.

5. Experimentalmente se comprobó que el sistema de
rastreo es aceptable por los usuarios testeadores por su
ligera y fácil usabilidad. El ángulo de captura del sistema
debió ser ajustado dependiendo de las características
faciales de la persona. Se pudo observar además, que
estas personas pudieron hacer una correcta calibración
pudiendo fijar un punto a la vez hasta armar la palabra
que ellos querían escribir en el teclado virtual.
4. Conclusiones y Trabajos Futuros
En el presente artículo se ha propuesto un sistema de
rastreo ocular ligero y económico usando una Webcam
para la intervención en personas con discapacidades mo-
toras permitiéndoles la comunicación a través de una in-
terfaz gráfica de usuario correspondiente a un teclado
virtual de modo que permita favorecer el contexto de in-
clusión en la sociedad.
Se prevé como trabajos futuros realizar mejoras del
prototipo propuesto en este artículo de manera que a tra-
vés de experimentos con sujetos que utilicen anteojos así
como aquellos que emplean lentes de contacto el rastrea-
dor ocular funcione bajo rangos aceptables. Además, rea-
lizar estudios de la mirada de la persona, es decir frente a
una imagen estimulo, como se muestra en la Figura 13,
analizar velocidad de parpadeo, tiempos de fijación de la
mirada, velocidad de respuesta de microsacadas y
sacadas.
Figura 13. Imagen estimulo para análisis y estudio de la
mirada de la persona.
La imagen estimulo (de la Figura 13) corresponde a 9
puntos de fijación visual, los cuales se iluminan en verde
mostrando el estado activo de dicho punto y en rojo el
estado inactivo del mismo. Esto quiere decir que se pue-
de establecer una secuencia de activación de puntos a los
cuales la persona fijara su mirada, obteniéndose estadís-
ticas en cuanto a velocidad respuesta acorde a las caracte-
rísticas visuales de esa persona. El proceso anterior resul-
ta muy útil por ejemplo para obtener el grado de atención
del sujeto a prueba, lo cual podría ser empleado en estu-
dios sistemáticos en la lectura y visualización de imáge-
nes. Es decir se podría emplear en sistemas simuladores
de seguridad vial para analizar la influencia de la condu-
cción subconsciente, distracción del conductor, señaliza-
ción vial, entre otros. Por otro lado, puede ser muy útil
como herramienta de soporte en neuromarketing para
hacer estudio de mercado y obtener resultados hacia
donde dirige la mirada el consumidor a la hora de sele-
ccionar y elegir un determinado producto, por ejemplo en
una góndola del supermercado, tal como se muestra en la
Figura 14 mediante mapas de calor. El hecho de
confeccionar un mapa de calor y superponerlo con la
imagen estimulo da una mejor percepción y precisión de
la estadística de fijación de la mirada del sujeto en
estudio.
Figura 14. Mapa de calor correspondiente a la fijación
visual de la persona en una góndola de supermercado.
Por otro lado, con este tipo de tecnología de rastreo
ocular es posible el desarrollo de simuladores y aplica-
ciones de video juegos, como herramientas para mejorar
habilidades como la atención, memoria visual, velocidad
de respuesta y reacción ante estímulos y objetos en movi-
miento. O bien emplear el sistema de rastreo ocular como
periférico de entrada en consolas de video juegos.
Otras aplicaciones futuras incluyen el desarrollo de un
sistema de evaluación de procesos cognitivos a través de
la lectura. Es decir desarrollar un método para diagnos-
ticar y medir el desempeño y el deterioro cognitivo tem-
prano a partir de un modelo computacional de los mo-
vimientos oculares, evaluar la manera en que personas
sanas y pacientes con distintas afecciones procesan la in-
formación durante la lectura. La amplitud de los movi-
mientos oculares y el tiempo de cada fijación muestran,
en personas sanas, un patrón de comportamiento que
puede modelarse a partir de las propiedades sintácticas,
semánticas y morfológicas de las palabras y las oracio-
nes. Diversas afecciones (alzheimer esquizofrenia, estrés,
depresión, parkinson, etc.) producen diferentes aparta-
mientos de dichos modelos.A partir de la lectura de una
cantidad determinada de oraciones se puede evaluar
aspectos de desempeño cognitivo vinculados con la me-
moria, aprendizaje y toma de decisiones, como así tam-
bién indicios claros del tipo de afección. Por otro lado, se
pueden medir el funcionamiento de la memoria ejecutiva,
la memoria de trabajo, la memoria semántica, la memoria

6. de recuperación (retrieval memory) y la atención.
Por otro lado, queda abierta la posibilidad de adaptar al
prototipo una segunda Webcam para la identificación y
por ende el rastreo ocular en ambas pupilas simultá-
neamente dándole una mejor implementación, precisión y
adquisición de información de la visualización y mirada
de la persona en estudio. O bien esta segunda Webcam
podría implementarse como una cámara de escena la cual
estaría montada sobre el marco de gafas que comprende
el sistema rastreador y grabaría todo lo que sucede
alrededor de lo que la persona está mirando en ese mo-
mento y a su vez en complemento con la Webcam ocular
obtener simultáneamente los datos de la mirada en tiem-
po real. Este tipo de desarrollo podría ajustarse en am-
bientes tanto indoor como outdoor.
Por último, se prevé a futuro emplear herramientas de
software open-source como la librería OpenCV [17, 18],
técnicas de calibración que aporten mayor robustez [19,
20, 21] al sistema mediante el uso de redes neuronales
que permitan reducir el error en el punto de fijación en
pantalla, técnicas de calibración de acceso indirecto al
usuario a través de la interacción de objetos en movimi-
ento en pantalla, técnicas predictivas de seguimiento de
la mirada a través de filtro de kalman [22], base de datos
predictiva de selección de palabras [23, 24].
5. Referencias
[1] Jain, A. K., Ross, A., and Prabhakar, S. An introduction to
biometric recognition. Circuits and Systemsfor Video Techno-
logy, IEEE Transactions, 14(1), 4-20. 2004.
[2] Biometric Scanning Technologies: Finger, Facial and Reti-
nal Scanning. SANS Institute InfoSec Reading Room.
[3] Physical Disabilities & ICT. British Educational Communi-
cations and Technology Agency (Becta) Mil-burn Hill Road,
Science Park, Coventry CV4 7JJ
[4] Assistive Technology in the Workplace for People with a
Disability. Deakin University Australia. National Disability
Coordination Officer Program (NDCO).
[5] Eye-Based Interaction in Graphical Systems: Theory
&Practice Andrew Duchowski Clemson University Part III Po-
tential Gaze-Contingent Applications, 2000.
[6] Lohmann, S., Tomanek, K., Ziegler, J., and Hahn, U.
Getting at the Cognitive Complexity of Linguistic Metadata
Annotation–A Pilot Study Using Eye-Tracking.
[7] Depcik, C., and Assanis, D. N. Graphicaluser interfaces in
an engineering educational environment. Computer Applica-
tions in Engineering Education, 13(1), 48-59. 2005.
[8] Mantiuk, R., Kowalik, M., Nowosielski, A., and Bazyluk,
B,. Do-it-your self eye tracker: Low-costpupil-based eye tra-
cker for computer graphics applications (pp. 115-125).
Springer Berlin Heidelberg, 2012.
[9] Kowalik, M,. How to build low cost eye tracking glasses for
head mounted system. The West Pomeranian University of
Technology, Szczecin, Poland. Rapport Interne. 2010.
[10]Morimoto, C. H., Koons, D., Amir, A., &Flickner, M.,
Pupildetection and tracking usingmultiple light sources. Image
and visioncomputing, 18(4), pp 331-335. 2000.
[11] Documentation of the Threshold Limit Values and Biologi-
cal Exposure Indices, 7th Ed. American Conference of Govern-
mental Industrial Hygienists (ACGIH(R)), 2001.
[12] Allen M. andMurphy R. R.Intersil Application Note 1737
Eye Safety for Proximity Sensing Using Infrared Light-emitting
Diodes, Earman Principal Optical Applications Engineer
Intersil Corp. 1001, Milpitas, California, USA, 27 March 2015.
[13] Correa Orozco C.,Iluminando lo invisible: nueva fuente de
radiación infrarroja para la adquisición de imágenes digitales en
el espectro infrarrojo.
[14] Vala, H. J., &Baxi, A., A review on Otsu image
segmentation algorithm. International Journal of Advanced
Research in Computer Engineering & Technology
(IJARCET), 2(2), Chicago, pp-387, 2013.
[15] Gonzalez, R. C., Woods, R. E., and Eddins, S. L.,, Digital
image processing using MATLAB. Pearson Education India.
2004.
[16] Lee, J. W., Heo, H., and Park, K. R,. A novel gaze tracking
method based on the generation of virtual calibration
points. Sensors, 13(8), pp 10802-10822, 2013.
[17] Bradski, G., and Kaehler, A. Learning Open CV:
Computer vision with the Open CV library. " O'Reilly Media,
Inc.", 2008.
[18] Viraktamath, S. V., Katti, M., Khatawkar, A., and
Kulkarni, P., Face Detection and Tracking using Open CV. The
SIJ Transactionson Computer Networks & Communication
Engineering (CNCE), 1(3). 2013.
[19]Duchowski., Eye tracking methodology: Theory and
practice (Vol. 373). Springer Science & Business Media. 2007.
[20]Chen, J., Tong, Y., Gray, W., and Ji, Q.. A robust 3D
eyegaze tracking system using noisereduction. In Proceedings
of the 2008 symposium on Eye tracking research &
applications, pp. 189-196. ACM. 2008, March.
[21]Hua, H., Krishnaswamy, P., and Rolland, J. P., Video-based
eye tracking methods and algorithms in head-mounteddis
plays. Optics Express, 14(10), pp 4328-4350. 2006.
[22] Blake, A., and Isard, M., Active contours: the application
of techniques from graphics, vision, control theory and
statistics to visual tracking of shapes in motion. Springer
Science & Business Media.2012.
[23] Cagigas, S. E. P., Martín, J. L., Sánchez, L. H. S., and
Guarasa, J. M., Hacia una arquitectura flexible para sistemas de
predicción de palabras: propuesta de diseño y evalua-
ción. Procesamiento de Lenguaje Natural, pp 0-35. 2005.
[24] Cagigas, S. E. P., Sánchez, J. L. M., and Guarasa, J. M.,
Evaluación automática de un sistema híbrido de predicción de
palabras y expansiones. Procesamiento del lenguaje natural,
(39), pp 147-154. 2007.