Resumen:
Currently, gesture recognition is presented as a problem of feature extraction and pattern recognition, in which we label a movement as belonging to a given class. The response of a gesture recognition system can be applied for different problems in different fields, such as medicine, teaching, robotics etc. There are different models proposed in the scientific literature that try to solve the problem of hand gesture recognition. These works do not meet the demand for real-time processing and high recognition accuracy, simultaneously. In this context, the present work proposes to develop a new model for the recognition of hand gestures using infrared information, acquired with the Leap Motion Controller, and also using machine learning techniques. The proposed model is intended to recognize 5 static and 4 dynamic gestures of the hand in real time and with high accuracy, simultaneously. The methodology that will be used for developing this work is composed of two phases, the training and testing: In the first phase, we will design, classify, preliminary validation and tune the proposed model. In the second phase, we will test the proposed model by estimating its accuracy of recognition and time of processing.
Descripción:
Actualmente, el reconocimiento de gestos se presenta como un problema de extracción de características y reconocimiento de patrones, en el cual se etiqueta un movimiento como perteneciente a una clase determinada. La respuesta de un sistema de reconocimiento de gestos puede aplicarse a diferentes problemas en diferentes campos, como la medicina, la docencia, la robótica, etc. Existen diferentes modelos propuestos en la literatura científica que intentan resolver el problema del reconocimiento del gesto de la mano. Estos trabajos no satisfacen la demanda de procesamiento en tiempo real y alta precisión de reconocimiento, simultáneamente. En este contexto, el presente trabajo propone desarrollar un nuevo modelo para el reconocimiento de gestos con la mano utilizando información infrarroja, adquirida con el Leap Motion Controller, y también utilizando técnicas de aprendizaje automático. El modelo propuesto pretende reconocer 5 gestos estáticos y 4 dinámicos de la mano en tiempo real y con gran precisión, de forma simultánea. La metodología que se utilizará para desarrollar este trabajo se compone de dos fases: el entrenamiento y la prueba: en la primera fase, diseñaremos, clasificaremos, validaremos preliminarmente y sintonizaremos el modelo propuesto. En la segunda fase, probaremos el modelo propuesto estimando su precisión de reconocimiento y el tiempo de procesamiento.
Excepto si se señala otra cosa, la licencia del ítem se describe como openAccess