Diseño de un Modelo de Interacción para la navegación en 3D, basado en la captura de gestos corporales por el Sensor Microsoft Kinect

Encontrar la interacción humana natural ideal es uno de los principales objetivos del campo de estudio Interacción Hombre-Máquina (HCI), y la interacción por medio de gestos es una opción que apunta en esta dirección. Igualmente las ventajas de un usuario interactuando con un sistema usando movimien...

Full description

Autores:
Figueroa Pedreros, Julián Rodrigo
Tipo de recurso:
Fecha de publicación:
2012
Institución:
Universidad Militar Nueva Granada
Repositorio:
Repositorio UMNG
Idioma:
spa
OAI Identifier:
oai:repository.unimilitar.edu.co:10654/9954
Acceso en línea:
http://hdl.handle.net/10654/9954
Palabra clave:
SIMULACION POR COMPUTADORES
REALIDAD VIRTUAL
SISTEMAS INTERACTIVOS DE COMPUTADOR
Realidades Virtuales
Estilos de interaccion
Tecnicas de Interaccion
Lenguaje natural
Entrenamiento
Aprendizaje de maquina
Procesamiento de Informacion Humana
Diseno y evaluacion de clasicadores
Sistemas interactivos
Interaccion Hombre-Maquina
Sistema grabador de gestos
Gestos corporales
Sensor Microsoft Kinect
Dataset
Tirador en primera persona
Videojuego
Rights
License
http://purl.org/coar/access_right/c_abf2
Description
Summary:Encontrar la interacción humana natural ideal es uno de los principales objetivos del campo de estudio Interacción Hombre-Máquina (HCI), y la interacción por medio de gestos es una opción que apunta en esta dirección. Igualmente las ventajas de un usuario interactuando con un sistema usando movimientos naturales implica ciertos problemas no resueltos como el desempeño en tiempo y la tasa de reconocimiento. Este trabajo de grado propone un modelo de interacción para juegos del género de Tirador en Primera Persona (FPS) basado en el reconocimiento de gestos corporales. El modelo usa la captura de 20 puntos del esqueleto del usuario por medio de una cámara de profundidad ampliamente conocida en la industria de los videojuegos, estos puntos son procesados en tiempo real y un conjunto de gestos-comando son reconocidos con enfoques de Modelos Ocultos de Markov (HMM). El trabajo incluye el ajuste y puesta a punto del modelo y su evaluación usando validación cruzada estándar, basada en un dataset de 459 secuencias de gestos. La evaluación muestra una tasa de reconocimiento correcto por encima del 95% para cada gesto, y desempeño en tiempo cómodo para trabajar en sistemas que requieren respuestas de interacción en tiempo real.