Deteccion de poses de las manos usando descriptores LBP
El reconocimiento de gestos se ha presentado como una alternativa para la implementación de sistemas de interacción eficaces. Particularmente las aplicaciones basadas en visión artificial poseen ventajas en potabilidad frente a otras alternativas. Sin embargo, los algoritmos suelen requerir entrenam...
- Autores:
-
Torres Arboleda, Cristhian David
- Tipo de recurso:
- Fecha de publicación:
- 2015
- Institución:
- Universidad Militar Nueva Granada
- Repositorio:
- Repositorio UMNG
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unimilitar.edu.co:10654/6695
- Acceso en línea:
- http://hdl.handle.net/10654/6695
- Palabra clave:
- SISTEMAS MULTIMEDIA
MULTIMEDIA POR COMPUTADOR
Local binary Pattern
human computer interaction
computer vision
detect hand poses
HCI
LBP
pose
Local binary Pattern
interacción humano computador
LBP
HCI
visión por computador
pose
reconocimiento de gestos de las manos
- Rights
- License
- http://purl.org/coar/access_right/c_abf2
| id |
UNIMILTAR2_4966a83dcf6b282038a7905170b3e67f |
|---|---|
| oai_identifier_str |
oai:repository.unimilitar.edu.co:10654/6695 |
| network_acronym_str |
UNIMILTAR2 |
| network_name_str |
Repositorio UMNG |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Deteccion de poses de las manos usando descriptores LBP |
| dc.title.translated.spa.fl_str_mv |
Detection poses of hands using LBP descriptors |
| title |
Deteccion de poses de las manos usando descriptores LBP |
| spellingShingle |
Deteccion de poses de las manos usando descriptores LBP SISTEMAS MULTIMEDIA MULTIMEDIA POR COMPUTADOR Local binary Pattern human computer interaction computer vision detect hand poses HCI LBP pose Local binary Pattern interacción humano computador LBP HCI visión por computador pose reconocimiento de gestos de las manos |
| title_short |
Deteccion de poses de las manos usando descriptores LBP |
| title_full |
Deteccion de poses de las manos usando descriptores LBP |
| title_fullStr |
Deteccion de poses de las manos usando descriptores LBP |
| title_full_unstemmed |
Deteccion de poses de las manos usando descriptores LBP |
| title_sort |
Deteccion de poses de las manos usando descriptores LBP |
| dc.creator.fl_str_mv |
Torres Arboleda, Cristhian David |
| dc.contributor.advisor.spa.fl_str_mv |
Iregui Guerrero, Marcela |
| dc.contributor.author.spa.fl_str_mv |
Torres Arboleda, Cristhian David |
| dc.subject.lemb.spa.fl_str_mv |
SISTEMAS MULTIMEDIA MULTIMEDIA POR COMPUTADOR |
| topic |
SISTEMAS MULTIMEDIA MULTIMEDIA POR COMPUTADOR Local binary Pattern human computer interaction computer vision detect hand poses HCI LBP pose Local binary Pattern interacción humano computador LBP HCI visión por computador pose reconocimiento de gestos de las manos |
| dc.subject.keywords.spa.fl_str_mv |
Local binary Pattern human computer interaction computer vision detect hand poses HCI LBP pose |
| dc.subject.proposal.spa.fl_str_mv |
Local binary Pattern interacción humano computador LBP HCI visión por computador pose reconocimiento de gestos de las manos |
| description |
El reconocimiento de gestos se ha presentado como una alternativa para la implementación de sistemas de interacción eficaces. Particularmente las aplicaciones basadas en visión artificial poseen ventajas en potabilidad frente a otras alternativas. Sin embargo, los algoritmos suelen requerir entrenamiento computacional intensivo, siendo difíciles de implementar en dispositivos móviles. En este artículo se realiza un estudio preliminar para la detección de poses de la mano usando un algoritmo basado en Patrones Binarios locales, más conocido por su sigla en inglés LBP (Local Binary Patterns). Para lo anterior, se presenta un modelo heurístico de división de la mano en regiones ponderadas diferencialmente, que permite la clasificación directa de los gestos usando una medida de similitud. Los pesos y la distribución de regiones se evaluaron de acuerdo a su precisión en la clasificación de cada pose de la mano. Estas pruebas se realizaron en un conjunto de imágenes, capturadas en condiciones controladas, correspondientes a cinco poses diferentes. El algoritmo propuesto con el esquema de regiones ponderadas muestra una buena capacidad de discriminación y presenta una alternativa válida para futuras aplicaciones. |
| publishDate |
2015 |
| dc.date.accessioned.none.fl_str_mv |
2015-10-08T13:36:00Z 2019-12-26T22:05:14Z |
| dc.date.available.none.fl_str_mv |
2015-10-08T13:36:00Z 2019-12-26T22:05:14Z |
| dc.date.issued.none.fl_str_mv |
2015-08-28 |
| dc.type.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.local.spa.fl_str_mv |
Trabajo de grado |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10654/6695 |
| url |
http://hdl.handle.net/10654/6695 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Meenakshi Panwar and Pawan Singh Mehra, “Hand Gesture Recognition for Human Computer Interaction“. Timo Ahonen, Abdenour Hadid and Matti Pietik¨ainen, “Face Description with Local Binary Patterns: Application to Face Recognition”. Youdong Ding, Haibo Pang, Xuechun Wu and Jianliang Lan, “Recognition of hand-gestures using improved local binary pattern”. Paulo Trigueiros, Fernando Ribeiro and Lu´ıs Reis, “A Comparative Study of Different Image Features for Hand Gesture Machine Learning” Vladimir I. Pavlovic, Rajeev Sharma and Thomas S. Huang, “Visual Interpretation of Hand Gestures for Human-Computer Interaction: A Review” Ankit Chaudhary, J. L. Raheja, Karen Das and Sonia Raheja, “Intelligent Approaches to interact with Machines using Hand Gesture Recognition in Natural way: A Survey” Bin Xiao, Xiang-min Xu and Qian-pei Mai, “Real-Time Hand Detection and Tracking Using LBP Features”. |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Calle 100 |
| dc.publisher.department.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería Multimedia |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Militar Nueva Granada |
| institution |
Universidad Militar Nueva Granada |
| bitstream.url.fl_str_mv |
http://repository.unimilitar.edu.co/bitstream/10654/6695/1/TorresArboledaCristhianDavid2015.pdf http://repository.unimilitar.edu.co/bitstream/10654/6695/2/license.txt http://repository.unimilitar.edu.co/bitstream/10654/6695/3/TorresArboledaCristhianDavid2015.pdf.txt http://repository.unimilitar.edu.co/bitstream/10654/6695/4/TorresArboledaCristhianDavid2015.pdf.jpg |
| bitstream.checksum.fl_str_mv |
adb370726385c63991f09e60fd65a3bf 57c1b5429c07cf705f9d5e4ce515a2f6 566a55b38feef53eda3f20150c59c097 66bcbd89c59d6d7341c1e2bf4ffab0d4 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UMNG |
| repository.mail.fl_str_mv |
bibliodigital@unimilitar.edu.co |
| _version_ |
1837098355221594112 |
| spelling |
Iregui Guerrero, MarcelaTorres Arboleda, Cristhian DavidIngeniero MultimediaCalle 1002015-10-08T13:36:00Z2019-12-26T22:05:14Z2015-10-08T13:36:00Z2019-12-26T22:05:14Z2015-08-28http://hdl.handle.net/10654/6695El reconocimiento de gestos se ha presentado como una alternativa para la implementación de sistemas de interacción eficaces. Particularmente las aplicaciones basadas en visión artificial poseen ventajas en potabilidad frente a otras alternativas. Sin embargo, los algoritmos suelen requerir entrenamiento computacional intensivo, siendo difíciles de implementar en dispositivos móviles. En este artículo se realiza un estudio preliminar para la detección de poses de la mano usando un algoritmo basado en Patrones Binarios locales, más conocido por su sigla en inglés LBP (Local Binary Patterns). Para lo anterior, se presenta un modelo heurístico de división de la mano en regiones ponderadas diferencialmente, que permite la clasificación directa de los gestos usando una medida de similitud. Los pesos y la distribución de regiones se evaluaron de acuerdo a su precisión en la clasificación de cada pose de la mano. Estas pruebas se realizaron en un conjunto de imágenes, capturadas en condiciones controladas, correspondientes a cinco poses diferentes. El algoritmo propuesto con el esquema de regiones ponderadas muestra una buena capacidad de discriminación y presenta una alternativa válida para futuras aplicaciones.Universidad Militar Nueva GranadaThe gesture recognition has been presented as an alternative to the implementation of effective systems of interaction. Particularly based in machine vision applications have advantages over other alternatives potability. However, computational algorithms often require intensive training, being difficult to implement on mobile devices. In this paper, a preliminary study to detect hand poses using local binary patterns based algorithm, better known by its acronym LBP (Local Binary Patterns) is performed. For this, a heuristic model of division hand in regions differentially weighted, which allows direct classification of gestures using a similarity measure is presented. The weights and distribution regions were evaluated according to their classification accuracy of each hand pose. These tests were performed on a set of images taken in controlled conditions corresponding to five different poses. The proposed scheme regions with weighted algorithm shows a good ability to discriminate and presents a viable alternative for future applications.Pregradoapplication/pdfspaDeteccion de poses de las manos usando descriptores LBPDetection poses of hands using LBP descriptorsinfo:eu-repo/semantics/bachelorThesisTrabajo de gradohttp://purl.org/coar/resource_type/c_7a1fSISTEMAS MULTIMEDIAMULTIMEDIA POR COMPUTADORLocal binary Patternhuman computer interactioncomputer visiondetect hand posesHCILBPposeLocal binary Patterninteracción humano computadorLBPHCIvisión por computadorposereconocimiento de gestos de las manosFacultad de IngenieríaIngeniería MultimediaUniversidad Militar Nueva GranadaMeenakshi Panwar and Pawan Singh Mehra, “Hand Gesture Recognition for Human Computer Interaction“.Timo Ahonen, Abdenour Hadid and Matti Pietik¨ainen, “Face Description with Local Binary Patterns: Application to Face Recognition”.Youdong Ding, Haibo Pang, Xuechun Wu and Jianliang Lan, “Recognition of hand-gestures using improved local binary pattern”.Paulo Trigueiros, Fernando Ribeiro and Lu´ıs Reis, “A Comparative Study of Different Image Features for Hand Gesture Machine Learning”Vladimir I. Pavlovic, Rajeev Sharma and Thomas S. Huang, “Visual Interpretation of Hand Gestures for Human-Computer Interaction: A Review”Ankit Chaudhary, J. L. Raheja, Karen Das and Sonia Raheja, “Intelligent Approaches to interact with Machines using Hand Gesture Recognition in Natural way: A Survey”Bin Xiao, Xiang-min Xu and Qian-pei Mai, “Real-Time Hand Detection and Tracking Using LBP Features”.http://purl.org/coar/access_right/c_abf2ORIGINALTorresArboledaCristhianDavid2015.pdfarticuloapplication/pdf647341http://repository.unimilitar.edu.co/bitstream/10654/6695/1/TorresArboledaCristhianDavid2015.pdfadb370726385c63991f09e60fd65a3bfMD51LICENSElicense.txttext/plain1521http://repository.unimilitar.edu.co/bitstream/10654/6695/2/license.txt57c1b5429c07cf705f9d5e4ce515a2f6MD52TEXTTorresArboledaCristhianDavid2015.pdf.txtExtracted texttext/plain20832http://repository.unimilitar.edu.co/bitstream/10654/6695/3/TorresArboledaCristhianDavid2015.pdf.txt566a55b38feef53eda3f20150c59c097MD53THUMBNAILTorresArboledaCristhianDavid2015.pdf.jpgIM Thumbnailimage/jpeg6162http://repository.unimilitar.edu.co/bitstream/10654/6695/4/TorresArboledaCristhianDavid2015.pdf.jpg66bcbd89c59d6d7341c1e2bf4ffab0d4MD5410654/6695oai:repository.unimilitar.edu.co:10654/66952020-06-30 12:53:00.448Repositorio Institucional UMNGbibliodigital@unimilitar.edu.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 |