Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto. / Submitted by Oliveira Flávia (flavia@sisbin.ufop.br) on 2015-01-06T16:55:02Z
No. of bitstreams: 2
license_rdf: 22190 bytes, checksum: 19e8a2b57ef43c09f4d7071d2153c97d (MD5)
DISSERTAÇÃO_ReconhecimentoSinaisEstáticos.pdf: 4774831 bytes, checksum: fd107eae50704869137ffff1117d53a4 (MD5) / Approved for entry into archive by Gracilene Carvalho (gracilene@sisbin.ufop.br) on 2015-01-15T17:22:14Z (GMT) No. of bitstreams: 2
license_rdf: 22190 bytes, checksum: 19e8a2b57ef43c09f4d7071d2153c97d (MD5)
DISSERTAÇÃO_ReconhecimentoSinaisEstáticos.pdf: 4774831 bytes, checksum: fd107eae50704869137ffff1117d53a4 (MD5) / Made available in DSpace on 2015-01-15T17:22:14Z (GMT). No. of bitstreams: 2
license_rdf: 22190 bytes, checksum: 19e8a2b57ef43c09f4d7071d2153c97d (MD5)
DISSERTAÇÃO_ReconhecimentoSinaisEstáticos.pdf: 4774831 bytes, checksum: fd107eae50704869137ffff1117d53a4 (MD5)
Previous issue date: 2014 / Durante os últimos anos, têm sido desenvolvidas diversas abordagens para o reconhecimento de sinais. Muitas delas baseadas somente em informação de intensidade, o que tornava o pré-processamento mais complexo. Devido ao avanço da tecnologia, têm sido desenvolvidos novos dispositivos para a obtenção de informação mais complexa, além da informação de intensidade também é fornecida informação de profundidade e localização. O sensor Kinect é um deles e foi criado no ano de 2010. Com esse dispositivo, é possível obter dois tipos de informações: intensidade e profundidade. Isso significa uma vantagem quando se quer desenvolver um modelo para reconhecimento de sinais. Como já foi dito, usar somente informação de intensidade, que é o mais usual, implica ter processos mais complexos e algumas vezes imprecisos. Para solucionar isso, é possível usar informação de profundidade que, além de conter informação da mão, facilita o pré-processamento. Nesta dissertação apresentamos um modelo para o reconhecimento de sinais estáticos, usando informação de intensidade e profundidade (RGB-D) de cada sinal. As imagens de intensidade oferecem informação visual do sinal. Enquanto que as imagens de profundidade permitem obter informação da forma da mão com a qual é executado o sinal. Além disso, usando este último tipo de imagem, o processo de segmentação é facilitado. Uma avaliação entre o descritor local SIFT e o descritor kernel gradiente foi realizada na etapa de extração de características. A partir das características obtidas, foi extraída informação semântica usando a técnica BoW (Bag-of-Words), para então finalmente classificar os sinais usando SVM (Support Vector Machine). Os resultados reportados nesta dissertação se mostraram superiores a outros modelos da literatura. Foi alcançado um incremento na acurácia de 20%, sendo o melhor resultado de 95,63% de acurácia média, isso demonstra que o modelo proposto é promissor no reconhecimento de sinais.
| Identifer | oai:union.ndltd.org:IBICT/oai:localhost:123456789/4213 |
| Date | January 2014 |
| Creators | Rodriguez, Karla Catherine Otiniano |
| Contributors | Chávez, Guillermo Cámara |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFOP, instname:Universidade Federal de Ouro Preto, instacron:UFOP |
| Rights | Autorização concedida ao Repositório Institucional da UFOP pelo autor, 05/12/2014, com as seguintes condições: disponível sob Licença Creative Commons 3.0, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta., info:eu-repo/semantics/openAccess |
Page generated in 0.0014 seconds