Revista: | Journal of applied research and technology |
Base de datos: | PERIÓDICA |
Número de sistema: | 000342365 |
ISSN: | 1665-6423 |
Autores: | Avilés Arriaga, H.H1 Sucar Succar, L.E2 Mendoza Durán, C.E3 Pineda Cortés, L.A1 |
Instituciones: | 1Universidad Nacional Autónoma de México, Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas, México, Distrito Federal. México 2Instituto Nacional de Astrofísica, Optica y Electrónica, Departamento de Ciencias de la Computación, Tonantzintla, Puebla. México 3Universidad Anáhuac, Huixquilucan, Estado de México. México |
Año: | 2011 |
Periodo: | Abr |
Volumen: | 9 |
Número: | 1 |
Paginación: | 81-102 |
País: | México |
Idioma: | Inglés |
Tipo de documento: | Artículo |
Enfoque: | Experimental, aplicado |
Resumen en español | En este documento se compara el desempeño de los clasificadores Bayesianos dinámicos simples (CBDSs) y los modelos ocultos de Markov (MOM) en el reconocimiento visual de ademanes. Los CBDSs extienden a los MOM incorporando suposiciones de independencia condicional entre los atributos dado el estado del modelo. Esta factorización ofrece porcentajes de clasificación y dispersión de error competitivos, un menor número de parámetros para el modelo y una mejora considerable del tiempo de entrenamiento. Para describir los gestos se propone un conjunto de atributos simples de postura y movimiento que incrementan el porcentaje de reconocimiento en comparación a modelos que sólo utilizan información de movimiento. Adicionalmente, se propone un esquema de detección de color de piel adaptativo para considerar diferentes usuarios y condiciones de iluminación. Se describe uno de los conjuntos de experimentos más exhaustivos presentados en la literatura de reconocimiento de gestos hasta el momento que incluyen gestos de un usuario, de diferentes personas, con variaciones de distancia y de rotación. Se presenta también una base de datos con 9441 ejemplos de 9 gestos de 15 personas. Los resultados muestran la efectividad de esta aproximación y la confiabilidad de los CBDSs en el reconocimiento de gestos |
Resumen en inglés | In this paper we present a study to assess the performance of dynamic naive Bayesian classifiers (DNBCs) versus standard hidden Markov models (HMMs) for gesture recognition. DNBCs incorporate explicit conditional independence among gesture features given states into HMMs. We show that this factorization offers competitive classification rates and error dispersion, it requires fewer parameters and it improves training time considerably in the presence of several attributes. We propose a set of qualitative and natural set of posture and motion attributes to describe gestures. We show that these posture–motion features increase recognition rates significantly in comparison to motion features. Additionally, an adaptive skin detection approach to cope with multiple users and different lighting conditions is proposed. We performed one of the most extensive experimentation presented in the literature to date that considers gestures of a single user, multiple people and with variations on distance and rotation using a gesture database with 9441 examples of 9 different classes performed by 15 people. Results show the effectiveness of the overall approach and the reliability of DNBCs in gesture recognition |
Disciplinas: | Ciencias de la computación |
Palabras clave: | Cibernética, Robótica, Visión por computadora, Reconocimiento de gestos, Rastreo visual, Análisis de movimiento, Modelos ocultos de Markov |
Keyword: | Computer science, Cybernetics, Robotics, Computer vision, Gesture recognition, Visual tracking, Motion analysis, Hidden Markov models |
Texto completo: | Texto completo (Ver HTML) |