Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/803| Reconocimiento anticipado de gestos | |
| YARED SABINAS FIGUEROA | |
| JOSE EDUARDO MORALES MORALES HUGO JAIR ESCALANTE BALDERAS | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Early gesture recognition One-shot learning Kinect Time sequences | |
| Early gesture recognition consists in recognizing gestures at their beginning,
using incomplete information. Among other applications, these methods can be
used to compensate for the delay of gesture-based interactive systems. In this thesis,
we propose a new approach for early recognition of full-body gestures based
on dynamic time warping (DTW) that uses a single example from each category.
Our method is based on the comparison between time sequences obtained from
known and unknown gestures. The classifier provides a response before the unknown
gesture finishes and can work under the one-shot scheme, i.e. only need
one example of each gesture to recognize the unknown gestures. We performed experiments
in the MSR-Actions3D benchmark and another data set that we built.
Results show that, in average, the classifier is capable of recognizing gestures with
~50% of the information in real time, losing only 13% of accuracy with respect
to using all the information. El reconocimiento anticipado de gestos es el problema de reconocer los gestos en sus partes iniciales, por lo que el reconocimiento debe hacerse sin contar con toda la información sobre el gesto que se quiere reconocer. Entre otras aplicaciones, el reconocimiento anticipado puede ser usado para compensar el retraso de sistemas interactivos basados en gestos. En esta tesis proponemos un nuevo enfoque para el reconocimiento temprano de gestos de cuerpo completo que está basado en Dynamic Time Warping (DTW) y que no necesita una fase compleja de entrenamiento. Nuestro método está basado en la comparación de secuencias de tiempo, mismas que se obtienen de los gestos conocidos y desconocidos. Nuestro método arroja una respuesta antes de que el gesto desconocido sea terminado y es capaz de funcionar bajo el esquema one-shoot, i.e., sólo necesita un ejemplo de cada gesto para poder clasificar los gestos entrantes. Realizamos experimentos con una base de datos que nosotros construimos y con la base de datos MSR-Action3D propuesta en otros trabajos. Los resultados muestran que nuestro clasificador es capaz de reconocer gestos en tiempo real con sólo el ~50% de la información, perdiendo un máximo de 13% de precisión con respecto a los resultados obtenidos con nuestro método de clasificación sin anticipación (en promedio). | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| 2013-08 | |
| Tesis de maestría | |
| Español | |
| Estudiantes Investigadores Público en general | |
| Sabinas-Figueroa Y. | |
| CIENCIA DE LOS ORDENADORES | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Ciencias Computacionales |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| SabinasFY.pdf | 3.36 MB | Adobe PDF | Visualizar/Abrir |