Modelo Bio-inspirado para el Reconocimiento de Gestos Usando Primitivas de Movimiento en Visión

Resumen: Se aborda el problema del reconocimiento de gestos usando la información de movimiento con el fin de obtener un modelo bio-inspirado para, en un futuro, utilizarlo en la programación de robots mediante el paradigma del aprendizaje por imitación. En este trabajo se extraen las primitivas...

Full description

Bibliographic Details
Main Authors: Sandra E. Nope, Humberto Loaiza, Eduardo Caicedo
Format: Article
Language:Spanish
Published: Universitat Politecnica de Valencia 2008-10-01
Series:Revista Iberoamericana de Automática e Informática Industrial RIAI
Online Access:http://www.sciencedirect.com/science/article/pii/S1697791208701791
Description
Summary:Resumen: Se aborda el problema del reconocimiento de gestos usando la información de movimiento con el fin de obtener un modelo bio-inspirado para, en un futuro, utilizarlo en la programación de robots mediante el paradigma del aprendizaje por imitación. En este trabajo se extraen las primitivas de movimiento a partir de imágenes consecutivas, capturadas por una cámara web estándar. Para la programación por imitación de robots se identificó, como primera fase, el reconocimiento de gestos, en el cual es necesario resolver tres aspectos principales: La representación instantánea del movimiento, la integración temporal de dicha información y, la estrategia de clasificación. Estos tres aspectos serán tratados a lo largo de este trabajo y, en contraste con otros, la extracción del movimiento y su codificación está inspirada en el procesamiento del movimiento realizado en el cerebro de macacos. El modelo obtenido fue aplicado al reconocimiento de cuatro tipos de gestos realizados con la mano por diferentes personas. El porcentaje de aciertos varió entre 91.42% y 97.14%, utilizando diferentes estrategias estándar de clasificación. Palabras clave: Reconocimiento de gestos, modelo bio-inspirado, primitivas de movimiento, codificación del movimiento, integración temporal, visión artificial
ISSN:1697-7912