Resumen

Reconocer y distinguir el comportamiento y los gestos de un usuario ha cobrado importancia debido al aumento del uso de dispositivos vestibles, como un smartwatch. El objetivo de este estudio es proponer un método para clasificar los gestos de la mano mediante la creación de sonido en el rango de frecuencias no audibles utilizando un smartphone y una señal reflejada. El método propuesto convierte los datos sonoros, reflejados y grabados, en una imagen en poco tiempo mediante la transformada de Fourier en tiempo corto, y los datos obtenidos se aplican a un modelo de red neuronal convolucional (CNN) para clasificar los gestos de las manos. Los resultados mostraron una precisión de clasificación para 8 gestos de la mano con una media del 87,75%. Además, se confirma que el método sugerido tiene una mayor precisión de clasificación que otros algoritmos de clasificación de aprendizaje automático.

• Materias:Biotecnología Sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology sensors Sensor system Sensor technology
• Palabras claves:gestos de la mano, método, red neuronal convolucional, mayor precisión de clasificación, gama de frecuencias no audibles, transformada de fourier en el tiempo, precisión de clasificación, algoritmos de clasificación, otra máquina, tiempo corto
• Keywords:hand gestures, method, convolutional neural network, higher classification accuracy, nonaudible frequency range, time fourier transform, classification accuracy, classification algorithms, other machine, short time