Reconocimiento de actividad física humana usando máquinas de soporte vectorial penalizadas y modelos ocultos de markov en sistemas multimodales
| Autor: | Pamplona Berón, Leidy Esperanza |
|---|---|
| Přispěvatelé: | Calvo Salcedo, Andrés Felipe |
| Jazyk: | Spanish; Castilian |
| Rok vydání: | 2019 |
| Předmět: | |
| Zdroj: | Repositorio Institucional UTP Universidad Tecnológica de Pereira instacron:Universidad Tecnológica de Pereira |
| Popis: | El reconocimiento de las actividades físicas se estudia actualmente con el objetivo de comprender las acciones de las personas y de cómo estas interactúan con su entorno físico. Algunas de las áreas aplicaciones son los vídeo juegos, robótica, rehabilitación, ingeniería deportiva, seguridad, entre otras [8, 9, 10, 11]. Por lo tanto, para la identificación de las actividades se debe realizar el seguimiento de los movimientos efectuados por el cuerpo humano, considerando que este se modela como un conjunto de articulaciones que interactúan entre sí para efectuar una acción [8, 11, 12]. Para la detección de las actividades físicas se han usado diferentes modalidades de sensores tales como cámaras de profundidad (Kinectr, MoCap), cámaras de vídeo, sensores ambulatorios (IMUs) y sensores electromiográficos (EMGs). Cada sensor tiene ventajas significativas con respecto a otras modalidades para la caracterización de actividades, donde la fusión de estos permite mejorar la eficiencia de los clasificadores en el reconocimiento de las actividades. Entre los trabajos que han desarrollado una metodología de fusión se tienen las siguientes combinaciones Kinectr+IMU, Kinectr+EMG y EMG+IMU. Sin embargo, sólo en [13] y [14] realizan la fusión de las tres modalidades de sensores mencionadas con anterioridad obteniendo mejores rendimientos con respecto a los métodos que usan uno o dos tipos de sensores [15, 16, 17, 18, 19]. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|