Resumen

Para lograr la interacción humano-robot (HRI) mediante el uso de gestos, se propone un enfoque de reconocimiento continuo de gestos basado en modelos de Markov ocultos multicapa (MHMM), que consta de dos partes. Una parte es el módulo de localización y segmentación de gestos, y la otra es el módulo de reconocimiento continuo de gestos. En primer lugar, se utiliza un sensor Kinect para capturar datos de aceleración 3D y velocidad angular 3D de los gestos de la mano. A continuación, se utilizan redes neuronales de alimentación hacia delante (FNN) y un criterio de umbral para detectar y segmentar los gestos, respectivamente. A continuación, las señales gestuales segmentadas se preprocesan y se simbolizan vectorialmente mediante una ventana deslizante y un método de agrupación de K-means. Por último, los datos simbolizados se envían a modelos de Markov ocultos inferiores (LHMM) para identificar gestos individuales y, a continuación, se utiliza un filtro bayesiano con restricciones secuenciales entre gestos en modelos de Markov ocultos superiores (UHMM) para corregir los errores de reconocimiento creados en los LHMM. En los experimentos se utilizan cinco gestos predefinidos para interactuar con un robot móvil Kinect. Los resultados experimentales muestran que el método propuesto no sólo tiene una buena eficacia y precisión, sino también un rendimiento favorable en tiempo real.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:detección de gestos, datos de velocidad angular en 3d, modelos de markov ocultos inferiores, modelos de markov ocultos multicapa, modelos de markov ocultos superiores, enfoque de reconocimiento continuo de gestos, módulo de reconocimiento continuo de gestos, redes neuronales forward, lhmms, gestos
• Keywords:gesture spotting, 3d angular velocity data, lower hidden markov models, multilayer hidden markov models, upper hidden markov models, continuous gesture recognition approach, continuous gesture recognition module, forward neural networks, lhmms, gestures