dc.contributorJOSE EDUARDO MORALES MORALES
dc.contributorHUGO JAIR ESCALANTE BALDERAS
dc.creatorYARED SABINAS FIGUEROA
dc.date2013-08
dc.date.accessioned2023-07-25T16:22:20Z
dc.date.available2023-07-25T16:22:20Z
dc.identifierhttp://inaoe.repositorioinstitucional.mx/jspui/handle/1009/803
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/7806020
dc.descriptionEarly 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.
dc.descriptionEl 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).
dc.formatapplication/pdf
dc.languagespa
dc.publisherInstituto Nacional de Astrofísica, Óptica y Electrónica
dc.relationcitation:Sabinas-Figueroa Y.
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/4.0
dc.subjectinfo:eu-repo/classification/Reconocimiento temprano de gestos/Early gesture recognition
dc.subjectinfo:eu-repo/classification/Aprendizaje de una sola vez/One-shot learning
dc.subjectinfo:eu-repo/classification/Kinect/Kinect
dc.subjectinfo:eu-repo/classification/Secuencias de tiempo/Time sequences
dc.subjectinfo:eu-repo/classification/cti/1
dc.subjectinfo:eu-repo/classification/cti/12
dc.subjectinfo:eu-repo/classification/cti/1203
dc.subjectinfo:eu-repo/classification/cti/1203
dc.titleReconocimiento anticipado de gestos
dc.typeinfo:eu-repo/semantics/masterThesis
dc.typeinfo:eu-repo/semantics/acceptedVersion
dc.audiencestudents
dc.audienceresearchers
dc.audiencegeneralPublic


Este ítem pertenece a la siguiente institución