Reconocimiento de posturas de las manos para la Interacción Natural Humano-Computadora en Ambientes Inteligentes a través de cámara RGB

Reconocimiento de posturas de las manos para la Interacción Natural Humano-Computadora en Ambientes Inteligentes a través de cámara RGB

Tesis (DCI)--FCEFN-UNC, 2023

Saved in:
Bibliographic Details
Main Author: Osimani, César
Other Authors: Araguás, Roberto Gastón
Format: doctoralThesis biblioteca
Language:spa
Published: 2023-12-05
Subjects:Redes Neuronales Artificiales, Visión Artificial, Reconocimiento de gestos de las manos, Nube de puntos, Cámara digital RGB,
Online Access:http://hdl.handle.net/11086/550095
Tags: Add Tag
No Tags, Be the first to tag this record!
id dig-unc-ar-11086-550095
record_format koha
spelling dig-unc-ar-11086-5500952023-12-06T06:20:13Z Reconocimiento de posturas de las manos para la Interacción Natural Humano-Computadora en Ambientes Inteligentes a través de cámara RGB Osimani, César Araguás, Roberto Gastón https://orcid.org/0000-0003-0579-6231 Redes Neuronales Artificiales Visión Artificial Reconocimiento de gestos de las manos Nube de puntos Cámara digital RGB Tesis (DCI)--FCEFN-UNC, 2023 Fil: Osimani, César. Universidad Blas Pascal; Argentina. El constante desarrollo y mejoras realizadas sobre los algoritmos de aprendizaje profundo ha motivado a realizar grandes inversiones de tiempo y dinero para la implementación de soluciones basadas en esta tecnología. Casos de éxito de nuevas empresas son cada vez más frecuentes en este campo, ya sea en el procesamiento del lenguaje natural, visión artificial o distintas áreas de la inteligencia artificial. La visión artificial, definida en pocas palabras, es la automatización de la vista humana. Actualmente podemos encontrar visión artificial en aplicaciones de diversos sectores, como agricultura, seguridad y vigilancia, automatización y control de calidad en las industrias, servicios de salud, logística, ciudades inteligentes, entre otros. También hay momentos en que la visión artificial queda en un segundo plano y se limita a ser una herramienta de asistencia en las tareas que el humano realiza, por ejemplo, actuando como un medio para la interacción entre los humanos y las computadoras. En este sentido, el uso de la visión artificial para identificar los gestos de las manos ofrece una alternativa para el control de computadoras sin necesidad de tocar los periféricos o sistemas de mando, tal como el teclado, mouse o pantalla táctil. Este trabajo presenta una solución que reconoce los gestos de la mano mediante el análisis de puntos de referencia tridimensionales ubicados en las articulaciones de la misma, los cuales definen su esqueleto. Estos puntos de referencia se extraen utilizando un modelo creado con técnicas de aprendizaje automático con el uso de una cámara web que permiten obtener 21 puntos de referencia distribuidos: uno en la muñeca y cuatro más en cada dedo. Cada punto de referencia es una estimación de una coordenada tridimensional ( x , y, z ) que corresponde a la ubicación ( x , y ) dentro de la imagen y la dimensión z es una estimación de la distancia hacia la cámara. Estos 21 puntos tridimensionales de cada mano detectada en las imágenes son los datos de entrada para una red neuronal profunda que permite identificar 9 gestos. Además del diseño de una arquitectura de red apropiada para esto, la creación de un dataset propio y el entrenamiento de la red, otra de las principales aportaciones de este trabajo es la implementación de un procesamiento de los datos previo a ingresar a la red. Este procesamiento es una normalización de los datos y una transformación de los puntos de referencia, lo que mejora considerablemente el rendimiento del modelo. La evaluación del modelo propuesto entrega una tasa de aciertos del 99,87% en las predicciones realizadas en el reconocimiento de los 9 gestos de la mano. Finalmente, se realiza la implementación del modelo en una aplicación que se le da el nombre Hand Controller, la cual es una interfaz natural de usuario que permite tomar el control del teclado y mouse de una computadora a través de gestos (o secuencias de gestos) y desplazamientos de la mano. Fil: Osimani, César. Universidad Blas Pascal; Argentina. 2023-12-05T12:49:32Z 2023-12-05T12:49:32Z 2023-12-05 doctoralThesis http://hdl.handle.net/11086/550095 spa Attribution-NonCommercial-NoDerivatives 4.0 International http://creativecommons.org/licenses/by-nc-nd/4.0/
institution UNC AR
collection DSpace
country Argentina
countrycode AR
component Bibliográfico
access En linea
databasecode dig-unc-ar
tag biblioteca
region America del Sur
libraryname Biblioteca 'Ing. Agrónomo Moisés Farber' de la Facultad de Ciencias Agropecuarias
language spa
topic Redes Neuronales Artificiales
Visión Artificial
Reconocimiento de gestos de las manos
Nube de puntos
Cámara digital RGB
Redes Neuronales Artificiales
Visión Artificial
Reconocimiento de gestos de las manos
Nube de puntos
Cámara digital RGB
spellingShingle Redes Neuronales Artificiales
Visión Artificial
Reconocimiento de gestos de las manos
Nube de puntos
Cámara digital RGB
Redes Neuronales Artificiales
Visión Artificial
Reconocimiento de gestos de las manos
Nube de puntos
Cámara digital RGB
Osimani, César
Reconocimiento de posturas de las manos para la Interacción Natural Humano-Computadora en Ambientes Inteligentes a través de cámara RGB
description Tesis (DCI)--FCEFN-UNC, 2023
author2 Araguás, Roberto Gastón
author_facet Araguás, Roberto Gastón
Osimani, César
format doctoralThesis
topic_facet Redes Neuronales Artificiales
Visión Artificial
Reconocimiento de gestos de las manos
Nube de puntos
Cámara digital RGB
author Osimani, César
author_sort Osimani, César
title Reconocimiento de posturas de las manos para la Interacción Natural Humano-Computadora en Ambientes Inteligentes a través de cámara RGB
title_short Reconocimiento de posturas de las manos para la Interacción Natural Humano-Computadora en Ambientes Inteligentes a través de cámara RGB
title_full Reconocimiento de posturas de las manos para la Interacción Natural Humano-Computadora en Ambientes Inteligentes a través de cámara RGB
title_fullStr Reconocimiento de posturas de las manos para la Interacción Natural Humano-Computadora en Ambientes Inteligentes a través de cámara RGB
title_full_unstemmed Reconocimiento de posturas de las manos para la Interacción Natural Humano-Computadora en Ambientes Inteligentes a través de cámara RGB
title_sort reconocimiento de posturas de las manos para la interacción natural humano-computadora en ambientes inteligentes a través de cámara rgb
publishDate 2023-12-05
url http://hdl.handle.net/11086/550095
work_keys_str_mv AT osimanicesar reconocimientodeposturasdelasmanosparalainteraccionnaturalhumanocomputadoraenambientesinteligentesatravesdecamarargb
_version_ 1792482307051880448

Similar Items