Resumen

El objetivo principal de este estudio es reconocer la fijacin del diseo con precisin y eficacia. En primer lugar, realizamos un experimento para grabar los vdeos del proceso de diseo y los bocetos de diseo de 12 diseadores durante 15 minutos. A continuacin, realizamos un anlisis en vdeo del lenguaje corporal de los diseadores, correlacionando el lenguaje corporal con la presencia de fijacin en el diseo, a juicio de un panel de seis expertos. Descubrimos que tres tipos de lenguaje corporal se correlacionaban significativamente con la fijacin. Se propuso un modelo hbrido de reconocimiento de la fijacin del diseo basado en el lenguaje corporal. En el primer paso se construy un modelo de reconocimiento del lenguaje corporal mediante aprendizaje por transferencia basado en una red neuronal convolucional VGG-16 preentrenada. La tasa media de reconocimiento alcanzada por el modelo VGG-16 fue del 92,03%. A continuacin, los fotogramas de lenguaje corporal reconocidos se utilizaron como vectores de entrada para el modelo de clasificacin de fijacin de segundo paso basado en una mquina de vectores de soporte (SVM). La tasa media de reconocimiento del estado de fijacin conseguida por el modelo SVM fue del 79,11%. El impacto del trabajo podra ser que la fijacin puede detectarse no slo por los resultados de los bocetos, sino tambin mediante el seguimiento de los movimientos, expresiones y gestos de los diseadores.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Estudio; Fijación del diseño; Lenguaje corporal; Modelo de reconocimiento; VGG-16; Máquina de vectores soporte
• Keywords:Study; Design fixation; Body language; Recognition model; VGG-16; Support vector machine