Reconhecimento de gestos customizados da mão em tempo real usando aprendizado de métricas e grafos de ação
Ano de defesa: | 2017 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , , |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Alagoas
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação em Matemática
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: | |
Área do conhecimento CNPq: | |
Link de acesso: | http://www.repositorio.ufal.br/handle/riufal/2257 |
Resumo: | Devido à recente popularização dos sensores de profundidade e de movimento, o reconhecimento eficiente de gestos humanos tem se apresentado como uma alternativa para interação homem-máquina. Nesta dissertação tratamos, em particular, do reconhecimento de gestos da mão em tempo real utilizando o sensor Leap Motion. Consideramos que um gesto dinâmico, em geral, pode ser representado por uma pequena sequência finita de poses estáticas, as quais são treinadas e reconhecidas por um novo classificador baseado em aprendizagem de métricas denominado Classificador de Distâncias Médias Mínimas (DMM). Para aprender métricas no espaço de poses, experimentamos o algoritmo Large Margin Nearest Neighbor (LMNN) nas versões linear e não-linear. Para reconhecer gestos dinâmicos, apresentamos um classificador baseado nos Modelos ocultos de Markov (HMM) e em grafos de ação. Com esta abordagem probabilística, mostramos que gestos dinâmicos da mão podem ser reconhecidos em tempo real e online, ou seja, sem a necessidade de pausas ou segmentações extras por parte do usuário. Finalmente, experimentamos o método proposto em quatro aplicações, onde destacamos o reconhecimento de sinais da Língua Brasileira de Sinais (LIBRAS). Os resultados apresentados mostram a robustez de todas as variações do método proposto. |
id |
UFAL_dd7a276abf9d36b722cce44173cc628b |
---|---|
oai_identifier_str |
oai:www.repositorio.ufal.br:riufal/2257 |
network_acronym_str |
UFAL |
network_name_str |
Repositório Institucional da Universidade Federal de Alagoas (UFAL) |
repository_id_str |
|
spelling |
Vieira, Thales Miranda de Almeidahttp://lattes.cnpq.br/8181104476035846Silva, Adelailson Peixoto dahttp://lattes.cnpq.br/3899898023629349Morera, Dimas Martinezhttp://lattes.cnpq.br/9474423287192932Vieira, Tiago Figueiredohttp://lattes.cnpq.br/8601011832053651http://lattes.cnpq.br/2901800540357404Silva, Samuel Rocha2018-01-10T13:03:02Z2018-01-092018-01-10T13:03:02Z2017-09-13SILVA, Samuel Rocha. Reconhecimento de gestos customizados da mão em tempo real usando aprendizado de métricas e grafos de ação. 2017. 111 f. Dissertação (Mestrado em Matemática) - Instituto de Matemática, Programa de Pós-Graduação em Matemática, Universidade Federal de Alagoas, Maceió, 2017.http://www.repositorio.ufal.br/handle/riufal/2257Devido à recente popularização dos sensores de profundidade e de movimento, o reconhecimento eficiente de gestos humanos tem se apresentado como uma alternativa para interação homem-máquina. Nesta dissertação tratamos, em particular, do reconhecimento de gestos da mão em tempo real utilizando o sensor Leap Motion. Consideramos que um gesto dinâmico, em geral, pode ser representado por uma pequena sequência finita de poses estáticas, as quais são treinadas e reconhecidas por um novo classificador baseado em aprendizagem de métricas denominado Classificador de Distâncias Médias Mínimas (DMM). Para aprender métricas no espaço de poses, experimentamos o algoritmo Large Margin Nearest Neighbor (LMNN) nas versões linear e não-linear. Para reconhecer gestos dinâmicos, apresentamos um classificador baseado nos Modelos ocultos de Markov (HMM) e em grafos de ação. Com esta abordagem probabilística, mostramos que gestos dinâmicos da mão podem ser reconhecidos em tempo real e online, ou seja, sem a necessidade de pausas ou segmentações extras por parte do usuário. Finalmente, experimentamos o método proposto em quatro aplicações, onde destacamos o reconhecimento de sinais da Língua Brasileira de Sinais (LIBRAS). Os resultados apresentados mostram a robustez de todas as variações do método proposto.The recent popularization of depth and motion sensors, human gestures recognition has become an alternative for human-computer interaction. In this Masters dissertation we focus on hand gesture recognition in real time using the Leap Motion sensor. We consider that a dynamic gesture can be represented by a small finite sequence of static poses, which are trained and recognized by a novel classifier based on metric learning called Minimal Mean Distances Classifier (MMD). To learn metrics in the pose space, we experimented the Large Margin Nearest Neighbor (LMNN) algorithm in both linear and non-linear variants. To recognize dynamic gestures, we present a classifier based on the Hidden Markov Model (HMM) and action graphs. Using this probabilistic approach, we show that dynamic hand gestures can be recognized in real-time and online (not requiring pauses or segmentation information to the user). Finally, we experimented the proposed method in four applications, highlighting the recognition of signals of the Brazilian Sign Language (LIBRAS). The presented results show the robustness of all variations of the proposed method.Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de AlagoasPrograma de Pós-Graduação em MatemáticaUFALBrasilCNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICALíngua Brasileira de Sinais (LIBRAS)Leap motionAprendizagem de máquinaReconhecimento de gestosAprendizagem de métricaBrazilian sign languageMachine learningRecognition of gesturesMetric learningReconhecimento de gestos customizados da mão em tempo real usando aprendizado de métricas e grafos de açãoCustom hand gestures recognition in real time using metric learning and action graphsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal de Alagoas (UFAL)instname:Universidade Federal de Alagoas (UFAL)instacron:UFALORIGINALReconhecimento de gestos customizados da mão em tempo real usando aprendizado de métricas e grafos de ação.pdfReconhecimento de gestos customizados da mão em tempo real usando aprendizado de métricas e grafos de ação.pdfapplication/pdf6802307http://www.repositorio.ufal.br/jspui/bitstream/riufal/2257/1/Reconhecimento%20de%20gestos%20customizados%20da%20m%c3%a3o%20em%20tempo%20real%20usando%20aprendizado%20de%20m%c3%a9tricas%20e%20grafos%20de%20a%c3%a7%c3%a3o.pdf01acba6820fdad2a57b85974e6d0532fMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81866http://www.repositorio.ufal.br/jspui/bitstream/riufal/2257/2/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD52riufal/22572019-01-11 17:13:26.042oai:www.repositorio.ufal.br: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ório InstitucionalPUBhttp://www.repositorio.ufal.br/oai/requestri@sibi.ufal.bropendoar:46482019-01-11T17:13:26Repositório Institucional da Universidade Federal de Alagoas (UFAL) - Universidade Federal de Alagoas (UFAL)false |
dc.title.pt_BR.fl_str_mv |
Reconhecimento de gestos customizados da mão em tempo real usando aprendizado de métricas e grafos de ação |
dc.title.alternative.pt_BR.fl_str_mv |
Custom hand gestures recognition in real time using metric learning and action graphs |
title |
Reconhecimento de gestos customizados da mão em tempo real usando aprendizado de métricas e grafos de ação |
spellingShingle |
Reconhecimento de gestos customizados da mão em tempo real usando aprendizado de métricas e grafos de ação Silva, Samuel Rocha CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA Língua Brasileira de Sinais (LIBRAS) Leap motion Aprendizagem de máquina Reconhecimento de gestos Aprendizagem de métrica Brazilian sign language Machine learning Recognition of gestures Metric learning |
title_short |
Reconhecimento de gestos customizados da mão em tempo real usando aprendizado de métricas e grafos de ação |
title_full |
Reconhecimento de gestos customizados da mão em tempo real usando aprendizado de métricas e grafos de ação |
title_fullStr |
Reconhecimento de gestos customizados da mão em tempo real usando aprendizado de métricas e grafos de ação |
title_full_unstemmed |
Reconhecimento de gestos customizados da mão em tempo real usando aprendizado de métricas e grafos de ação |
title_sort |
Reconhecimento de gestos customizados da mão em tempo real usando aprendizado de métricas e grafos de ação |
author |
Silva, Samuel Rocha |
author_facet |
Silva, Samuel Rocha |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Vieira, Thales Miranda de Almeida |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/8181104476035846 |
dc.contributor.referee1.fl_str_mv |
Silva, Adelailson Peixoto da |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/3899898023629349 |
dc.contributor.referee2.fl_str_mv |
Morera, Dimas Martinez |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/9474423287192932 |
dc.contributor.referee3.fl_str_mv |
Vieira, Tiago Figueiredo |
dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/8601011832053651 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/2901800540357404 |
dc.contributor.author.fl_str_mv |
Silva, Samuel Rocha |
contributor_str_mv |
Vieira, Thales Miranda de Almeida Silva, Adelailson Peixoto da Morera, Dimas Martinez Vieira, Tiago Figueiredo |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA Língua Brasileira de Sinais (LIBRAS) Leap motion Aprendizagem de máquina Reconhecimento de gestos Aprendizagem de métrica Brazilian sign language Machine learning Recognition of gestures Metric learning |
dc.subject.por.fl_str_mv |
Língua Brasileira de Sinais (LIBRAS) Leap motion Aprendizagem de máquina Reconhecimento de gestos Aprendizagem de métrica Brazilian sign language Machine learning Recognition of gestures Metric learning |
description |
Devido à recente popularização dos sensores de profundidade e de movimento, o reconhecimento eficiente de gestos humanos tem se apresentado como uma alternativa para interação homem-máquina. Nesta dissertação tratamos, em particular, do reconhecimento de gestos da mão em tempo real utilizando o sensor Leap Motion. Consideramos que um gesto dinâmico, em geral, pode ser representado por uma pequena sequência finita de poses estáticas, as quais são treinadas e reconhecidas por um novo classificador baseado em aprendizagem de métricas denominado Classificador de Distâncias Médias Mínimas (DMM). Para aprender métricas no espaço de poses, experimentamos o algoritmo Large Margin Nearest Neighbor (LMNN) nas versões linear e não-linear. Para reconhecer gestos dinâmicos, apresentamos um classificador baseado nos Modelos ocultos de Markov (HMM) e em grafos de ação. Com esta abordagem probabilística, mostramos que gestos dinâmicos da mão podem ser reconhecidos em tempo real e online, ou seja, sem a necessidade de pausas ou segmentações extras por parte do usuário. Finalmente, experimentamos o método proposto em quatro aplicações, onde destacamos o reconhecimento de sinais da Língua Brasileira de Sinais (LIBRAS). Os resultados apresentados mostram a robustez de todas as variações do método proposto. |
publishDate |
2017 |
dc.date.issued.fl_str_mv |
2017-09-13 |
dc.date.accessioned.fl_str_mv |
2018-01-10T13:03:02Z |
dc.date.available.fl_str_mv |
2018-01-09 2018-01-10T13:03:02Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SILVA, Samuel Rocha. Reconhecimento de gestos customizados da mão em tempo real usando aprendizado de métricas e grafos de ação. 2017. 111 f. Dissertação (Mestrado em Matemática) - Instituto de Matemática, Programa de Pós-Graduação em Matemática, Universidade Federal de Alagoas, Maceió, 2017. |
dc.identifier.uri.fl_str_mv |
http://www.repositorio.ufal.br/handle/riufal/2257 |
identifier_str_mv |
SILVA, Samuel Rocha. Reconhecimento de gestos customizados da mão em tempo real usando aprendizado de métricas e grafos de ação. 2017. 111 f. Dissertação (Mestrado em Matemática) - Instituto de Matemática, Programa de Pós-Graduação em Matemática, Universidade Federal de Alagoas, Maceió, 2017. |
url |
http://www.repositorio.ufal.br/handle/riufal/2257 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Alagoas |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Matemática |
dc.publisher.initials.fl_str_mv |
UFAL |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Alagoas |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal de Alagoas (UFAL) instname:Universidade Federal de Alagoas (UFAL) instacron:UFAL |
instname_str |
Universidade Federal de Alagoas (UFAL) |
instacron_str |
UFAL |
institution |
UFAL |
reponame_str |
Repositório Institucional da Universidade Federal de Alagoas (UFAL) |
collection |
Repositório Institucional da Universidade Federal de Alagoas (UFAL) |
bitstream.url.fl_str_mv |
http://www.repositorio.ufal.br/jspui/bitstream/riufal/2257/1/Reconhecimento%20de%20gestos%20customizados%20da%20m%c3%a3o%20em%20tempo%20real%20usando%20aprendizado%20de%20m%c3%a9tricas%20e%20grafos%20de%20a%c3%a7%c3%a3o.pdf http://www.repositorio.ufal.br/jspui/bitstream/riufal/2257/2/license.txt |
bitstream.checksum.fl_str_mv |
01acba6820fdad2a57b85974e6d0532f 43cd690d6a359e86c1fe3d5b7cba0c9b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal de Alagoas (UFAL) - Universidade Federal de Alagoas (UFAL) |
repository.mail.fl_str_mv |
ri@sibi.ufal.br |
_version_ |
1785017000668430336 |