Resumen

La población anciana y discapacitada está aumentando rápidamente. Es importante elevar su nivel de vida mejorando la confianza en las actividades cotidianas. La navegación es una tarea importante para la que la mayoría de las personas mayores y discapacitadas necesitan ayuda. Sustituir la asistencia humana por un sistema inteligente capaz de ayudar a la navegación humana a través de sistemas de sillas de ruedas es una solución eficaz. Los gestos de las manos se utilizan a menudo en los sistemas de navegación. Sin embargo, estos sistemas no tienen la capacidad de identificar con precisión las variaciones de los gestos. Por lo tanto, este trabajo propone un método para crear un sistema inteligente de clasificación de gestos con un modelo de gestos que se construyó basándose en estudios humanos para cada movimiento esencial en la navegación doméstica con capacidad de compensación de la varianza de los gestos de la mano. Se han llevado a cabo experimentos para evaluar la capacidad de recuerdo y memoria del usuario y la adaptabilidad al modelo gestual. Se han introducido el Módulo de Identificación Dinámica de Gestos (DGIM), el Módulo de Identificación Estática de Gestos (SGIM) y el Aclarador de Gestos (GC) para identificar los comandos gestuales. Se analizó la exactitud y la precisión del sistema propuesto utilizando los resultados de los experimentos realizados con usuarios humanos. La precisión del sistema inteligente se determinó con el uso de la matriz de confusión. Además, esos resultados se analizaron mediante el análisis kappa de Cohen, en el que se calcularon la exactitud general, la tasa de clasificación errónea, la precisión y los valores kappa de Cohen.

• Materias:Algoritmos genéticos Ingeniería biomédica Biomecánica Modelo Matemático Prótesis Extremidades (Cuerpo Humano)
• Subjects:Genetic algorithms Biomedical engineering Biomechanics Mathematical model Prostheses Limbs (Human Body)
• Palabras claves:módulo de identificación de gestos, sistema inteligente, modelo de gestos, capacidad de compensación de la varianza, identificación dinámica de gestos, uso de la confusión, varianza del gesto de la mano, identificación estática de gestos, sistema de clasificación de gestos, usuario humano
• Keywords:gesture identification module, intelligent system, gesture model, variance compensation capabilities, dynamic gesture identification, use of confusion, hand gesture variance, static gesture identification, gesture classification system, human user