Resumen

El reconocimiento de la postura de la mano es un módulo esencial en aplicaciones como la interacción persona-ordenador (HCI), los juegos y los sistemas de lenguaje de signos, en los que el rendimiento y la solidez son los principales requisitos. En este artículo, proponemos una clasificación automática para reconocer 21 posturas de la mano que representan letras en el deletreo dactilar tailandés, basándonos en la característica Histograma de Gradiente de Orientación (HOG) (que se aplica centrándose más en la información dentro de una determinada región de la imagen que en cada uno de los píxeles) y en la técnica de aprendizaje Adaptive Boost (es decir, AdaBoost) para seleccionar el mejor clasificador débil y construir un clasificador fuerte que consiste en varios clasificadores débiles que se conectan en cascada en la arquitectura de detección. Hemos recogido 21 imágenes estáticas de la postura de la mano de 10 sujetos para la prueba y el entrenamiento en el deletreo de letras tailandesas. Los parámetros del proceso de entrenamiento se han ajustado en tres experimentos, las tasas de falsos positivos (FPR), las tasas de verdaderos positivos (TPR) y el número de etapas de entrenamiento (N), para conseguir el modelo de entrenamiento más adecuado para cada postura de la mano. Todos los clasificadores en cascada se cargan en el sistema simultáneamente para clasificar las diferentes posturas de la mano. Se calcula un coeficiente de correlación para distinguir las posturas de la mano que son similares. El sistema alcanza una media de 78 de media en todos los experimentos de clasificación.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:postura de la mano, imagen de la postura de la mano, reconocimiento de la postura de la mano, varios clasificadores débiles, tasa de falsos positivos, mejor clasificador débil, número de entrenamientos, modelo de entrenamiento adecuado, tasa de verdaderos positivos, histograma de orientación
• Keywords:hand posture, hand posture image, hand posture recognition, several weak classifier, false positive rate, best weak classifier, number of training, suitable training model, true positive rate, histogram of orientation