Diseño de un guante electrónico para el mapeo y reconocimiento de gestos utilizando redes neuronales
La presente tesis tiene como objetivo diseñar un sistema de reconocimiento de gestos manuales que traduzca gestos a necesidades básicas de la persona, con el fin de ayudar a personas de la tercera edad que padecen problemas del habla. Dicho sistema de reconocimiento de gestos es aplicado en un gu...
| Autor Principal: | Dulanto Ramos, Luis Enrique |
|---|---|
| Formato: | Tesis de Licenciatura |
| Idioma: | Español |
| Publicado: |
Pontificia Universidad Católica del Perú
2017
|
| Materias: | |
| Acceso en línea: |
http://tesis.pucp.edu.pe/repositorio/handle/123456789/8010 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: |
La presente tesis tiene como objetivo diseñar un sistema de reconocimiento de gestos manuales
que traduzca gestos a necesidades básicas de la persona, con el fin de ayudar a personas de la
tercera edad que padecen problemas del habla. Dicho sistema de reconocimiento de gestos es
aplicado en un guante electrónico que extrae señales de la mano.
Para el desarrollo de la tesis, se hace uso de dos ejes de modelamiento: modelamiento directo
y modelamiento inverso. Primero, se modela por análisis paramétrico (modelamiento directo)
a una mano antropomórfica que responde a los movimientos del guante electrónico; luego, se
aplica identificación de sistemas por red neuronal mediante algoritmos de retropropagación a
los modelos obtenidos por análisis paramétrico, con el fin de utilizar estos modelos basados
en redes neuronales en el sistema de reconocimiento de gestos. Este segundo paso es el
modelamiento inverso y la razón de su aplicación se fundamenta en el hecho de que se desea
obtener un sistema que posea tolerancia a fallas, la cual es una propiedad de las redes
neuronales. Finalmente, se diseña un núcleo de reconocimiento de gestos, el cual reconoce
patrones en la data resultante de las redes neuronales. Dicho núcleo de reconocimiento de
gestos es también una red neuronal y, a diferencia de otros tipos de sistemas de reconocimiento
de patrones, tiene la capacidad de aprender a partir de data experimental y generar soluciones
en base a lo aprendido.
Los resultados obtenidos en la culminación del proyecto son que ante la presencia de ruido
aditivo blanco gaussiano, el sistema alcanza un índice de reconocimiento de 99.98% cuando
las condiciones son ideales (a una relación señal a ruido de 30 dB); manteniéndose por sobre
99% cuando la relación señal a ruido es mayor a 18.88 dB; por otro lado, si la relación señal a
ruido en las entradas del sistema es igual a 13.67 dB, el sistema es capaz de reconocer gestos
con una efectividad de 90%. Así mismo, se demuestra que el sistema es tolerante a fallas y a
circunstancias no previstas en el diseño, manteniendo su porcentaje de reconocimiento por
sobre 90% en condiciones ideales ante estas adversidades. |
|---|