Un enfoque inteligente para el reconocimiento de gestos manuales

En los últimos años, el reconocimiento de gestos de las manos ha atraído un creciente interés por sus aplicaciones en diversos campos, como la interacción humano-computadora, robótica, videojuegos, interpretación automática de lenguaje de señas y demás. Los sensores más nuevos proporcionan datos...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Andrade, Facundo José
Formato: Artículo revista
Lenguaje:Español
Publicado: Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas 2016
Materias:
Acceso en línea:http://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/601
Aporte de:
Descripción
Sumario:En los últimos años, el reconocimiento de gestos de las manos ha atraído un creciente interés por sus aplicaciones en diversos campos, como la interacción humano-computadora, robótica, videojuegos, interpretación automática de lenguaje de señas y demás. Los sensores más nuevos proporcionan datos que pueden ser utilizados con éxito para reconocer gestos y por lo tanto el control de una computadora. Actualmente, hay varios dispositivos que producen datos útiles para el reconocimiento de gestos. Sin embargo, estos novedosos dispositivos no vienen acompañados de herramientas que permitan el creado y reconocimiento de gestos personalizados. Esto provoca que los desarrolladores deban implementar el reconocimiento de gestos específicamente para cada uno de estos para poder utilizarlos en aplicaciones de interfaz natural. En este contexto, esta tesis estudia las posibilidades del reconocimiento de gestos manuales a partir de los datos obtenidos del dispositivo Leap Motion -un pequeño dispositivo que cuenta con una extrema precisión de hasta 0,01 mm en la detección del dedo- obteniendo como resultado una herramienta de reconocimiento de gestos de fácil integración con aplicaciones de terceros. Esta herramienta toma como entrada los datos del ambiente capturados por Leap Motion y provee soporte para aprender, administrar y reconocer gestos realizados con la(s) mano(s). Para lograr esto, se proponen dos técnicas de reconocimiento de gestos actuales con el fin de reducir los esfuerzos de desarrollo de nuevas aplicaciones que utilicen esta herramienta. Estas técnicas son Alineamiento Temporal Dinámico -conocida por sus siglas en inglés como DTW- y Modelos Ocultos de Márkov. Luego de una serie de pruebas realizadas, se comprobó que con la utilización de estas técnicas se puede lograr una precisión de más del 95% en los reconocimientos.