Use este identificador para citar ou linkar para este item:
https://repositorio.ufba.br/handle/ri/21327
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | Oliveira, Luciano Rebouças de | - |
dc.contributor.author | Santos, Thalisson Nobre | - |
dc.creator | Santos, Thalisson Nobre | - |
dc.date.accessioned | 2017-02-06T15:01:35Z | - |
dc.date.available | 2017-02-06T15:01:35Z | - |
dc.date.issued | 2017-02-06 | - |
dc.date.submitted | 2015-12-16 | - |
dc.identifier.uri | http://repositorio.ufba.br/ri/handle/ri/21327 | - |
dc.description.abstract | As interfaces naturais têm demonstrado uma grande importância na interação entre o homem e a máquina, viabilizando desde jogos eletrônicos até a reabilitação de pacientes submetidos a fisioterapia. O rastreamento da mão por câmeras permite implementar tais interfaces, explorando os gestos humanos para controlar algum sistema computadorizado sem a necessidade de contato físico. O método proposto neste trabalho visa detectar e rastrear as mãos utilizando dados de profundidade. Uma vez que tais dados não produzem quantidade suficiente de pontos de interesse (pontos chaves) para a detecção da mão, foi proposto um algoritmo denominado Volume da Normal para exceder a descrição das características presentes nestas imagens, sendo baseado no cálculo do volume do vetor normal de cada pixel atribuindo valores arbitrários para o tamanho deste vetor. O rastreamento da mão é baseado na análise de descritores locais da imagem de profundidade (processada pela Transformada da Distância Euclidiana) e de um conjunto de imagens da mão após aplicação do Volume da Normal, utilizando para isto o algoritmo Oriented FAST and Rotated BRIEF. Um procedimento para a criação de um modelo cinemático da mão foi proposto como estágio inicial para um possível rastreamento contínuo dos dedos numa pesquisa posterior. Ao final, a detecção da mão foi executada a uma velocidade de 7,9 quadros por segundo, alcançando uma taxa de detecção média para detecção de poses do conjunto de treinamento igual a 36,4% e 38,15% para poses variadas. Para detecção de gestos realizados a partir do conjunto de treinamento foi alcançada uma taxa média de 21,94%. Para cenários onde há presença de objetos semelhantes à mão, o detector apresentou uma taxa de precisão igual a 14,72% com um desvio padrão de 3,82%. | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Rastreamento | pt_BR |
dc.subject | Detecção | pt_BR |
dc.subject | Profundidade | pt_BR |
dc.subject | Mão | pt_BR |
dc.title | Detecção e rastreamento da mão utilizando dados de profundidade | pt_BR |
dc.type | Dissertação | pt_BR |
dc.contributor.referees | Oliveira, Luciano Rebouças de | - |
dc.contributor.referees | Pamplona Segundo, Maurício | - |
dc.contributor.referees | Ângelo, Michele Fúlvia | - |
dc.publisher.departament | Instituto de Matemática. Departamento de Mecatrônica. | pt_BR |
dc.publisher.program | Mestrado em Mecatrônica | pt_BR |
dc.publisher.initials | UFBA | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.subject.cnpq | Sistemas Computacionais | pt_BR |
Aparece nas coleções: | Dissertação (PPGM) |
Arquivos associados a este item:
Não existem arquivos associados a este item.
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.