Reconocimiento automático de posiciones de artes marciales usando cámaras RGB-D

En el presente proyecto se utiliza un algoritmo de aprendizaje automático para poder reconocer correctamente 8 posiciones de artes marciales, con la posibilidad de determinar su pertenencia a una forma específica. El sistema implementado se compone de una aplicación desarrollada en su totalidad en C...

Full description

Autores:
Sibaja García, Julián Elías
Ardila Salazar, Karolay
Tipo de recurso:
Fecha de publicación:
2017
Institución:
Universidad del Norte
Repositorio:
Repositorio Uninorte
Idioma:
spa
OAI Identifier:
oai:manglar.uninorte.edu.co:10584/7805
Acceso en línea:
http://hdl.handle.net/10584/7805
Palabra clave:
Artes-Marciales
Kinect
MVS
SVM
Martial-Arts
Kinect
Rights
License
Universidad del Norte
Description
Summary:En el presente proyecto se utiliza un algoritmo de aprendizaje automático para poder reconocer correctamente 8 posiciones de artes marciales, con la posibilidad de determinar su pertenencia a una forma específica. El sistema implementado se compone de una aplicación desarrollada en su totalidad en C ++, la cual tiene 2 modos, uno de entrenamiento y otro de pruebas. En el modo de entrenamiento se adquieren datos de articulaciones y ángulos para construir la base de datos, los cuales se utilizan para el sistema posterior. En el modo de pruebas se genera un modelo del clasificador SVM que se usa para predecir las posiciones, a partir de las últimas tres posiciones el sistema decide si corresponda a una forma. La aplicación hace uso de las librerías para el manejo del clasificador libsvm, sqlite3 para el manejo de la base de datos y también usa el SDK del Kinect para obtener la información de las articulaciones. Se construyó una base de datos que contiene la información para el sistema de 800 muestras, 100 por posición. También se han incluido 800 entradas, 100 por posición, pero estas se han logrado por dos tipos de personas, con niveles de habilidad diferentes en artes marciales (para principiantes y expertos) para comparar los resultados obtenidos. Por ultimo con los datos de las pruebas, la aplicación se valida haciendo uso del porcentaje de acierto del clasificador.