Reconocimiento de gestos dinámicos

El objetivo de esta tesina es estudiar, desarrollar, analizar y comparar distintas técnicas de aprendizaje automático aplicables al reconocimiento automático de gestos dinámicos. Para ello, se definió un modelo de gestos a reconocer, se generó una base de datos de prueba con gestos llamadas LNHG, y...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Quiroga, Facundo
Otros Autores: Lanzarini, Laura Cristina
Formato: Tesis Tesis de grado
Lenguaje:Español
Publicado: 2013
Materias:
Ciencias Informáticas
aprendizaje automático
Object recognition
Neural nets
SVM
reconocimiento de gestos
Learning
redes neuronales
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/36025
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-36025
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
aprendizaje automático
Object recognition
Neural nets
SVM
reconocimiento de gestos
Learning
redes neuronales
spellingShingle Ciencias Informáticas
aprendizaje automático
Object recognition
Neural nets
SVM
reconocimiento de gestos
Learning
redes neuronales
Quiroga, Facundo
Reconocimiento de gestos dinámicos
topic_facet Ciencias Informáticas
aprendizaje automático
Object recognition
Neural nets
SVM
reconocimiento de gestos
Learning
redes neuronales
description El objetivo de esta tesina es estudiar, desarrollar, analizar y comparar distintas técnicas de aprendizaje automático aplicables al reconocimiento automático de gestos dinámicos. Para ello, se definió un modelo de gestos a reconocer, se generó una base de datos de prueba con gestos llamadas LNHG, y se estudiaron e implementaron clasificadores basados en máquinas de vectores de soporte (SVM), redes neuronales feedfoward (FF) y redes neuronales competitivas (CPN), utilizando representaciones locales y globales para caracterizar los gestos. Además, se propone un nuevo modelo de reconocimiento de gestos, el clasificador neuronal competitivo (CNC). Los gestos a reconocer son movimientos de la mano, con invariancia a la velocidad, la rotación, la escala y la traslación. La captura de la información referida a los gestos para generar la base de datos se realizó mediante el dispositivo Kinect y su SDK correspondiente, que reconoce las partes del cuerpo y determina sus posiciones en tiempo real. Los clasificadores se entrenaron con dichos datos para poder determinar si una secuencia de posiciones de la mano es un gesto. Se implementó una librería de clasificadores con los métodos mencionados anteriormente, junto con las transformaciones para llevar una secuencia de posiciones a una representación adecuada para el reconocimiento. Se realizaron experimentos con la base de datos LNHG, compuesta de gestos que representan dígitos y letras, y con un base de datos de otro autor con gestos típicos de interacción, obteniendo resultados satisfactorios.
author2 Lanzarini, Laura Cristina
author_facet Lanzarini, Laura Cristina
Quiroga, Facundo
format Tesis
Tesis de grado
author Quiroga, Facundo
author_sort Quiroga, Facundo
title Reconocimiento de gestos dinámicos
title_short Reconocimiento de gestos dinámicos
title_full Reconocimiento de gestos dinámicos
title_fullStr Reconocimiento de gestos dinámicos
title_full_unstemmed Reconocimiento de gestos dinámicos
title_sort reconocimiento de gestos dinámicos
publishDate 2013
url http://sedici.unlp.edu.ar/handle/10915/36025
work_keys_str_mv AT quirogafacundo reconocimientodegestosdinamicos
bdutipo_str Repositorios
_version_ 1764820472351948802

Ejemplares similares