Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Similars in SciELO
Share
Journal of applied research and technology
On-line version ISSN 2448-6736Print version ISSN 1665-6423
Abstract
AVILES-ARRIAGA, H.H.; SUCAR-SUCCAR, L.E.; MENDOZA-DURAN, C.E. and PINEDA-CORTES, L.A.. A Comparison of Dynamic Naive Bayesian Classifiers and Hidden Markov Models for Gesture Recognition. J. appl. res. technol [online]. 2011, vol.9, n.1, pp.81-102. ISSN 2448-6736.
En este documento se compara el desempeño de los clasificadores Bayesianos dinámicos simples (CBDSs) y los modelos ocultos de Markov (MOM) en el reconocimiento visual de ademanes. Los CBDSs extienden a los MOM incorporando suposiciones de independencia condicional entre los atributos dado el estado del modelo. Esta factorización ofrece porcentajes de clasificación y dispersión de error competitivos, un menor número de parámetros para el modelo y una mejora considerable del tiempo de entrenamiento. Para describir los gestos se propone un conjunto de atributos simples de postura y movimiento que incrementan el porcentaje de reconocimiento en comparación a modelos que sólo utilizan información de movimiento. Adicionalmente, se propone un esquema de detección de color de piel adaptativo para considerar diferentes usuarios y condiciones de iluminación. Se describe uno de los conjuntos de experimentos más exhaustivos presentados en la literatura de reconocimiento de gestos hasta el momento que incluyen gestos de un usuario, de diferentes personas, con variaciones de distancia y de rotación. Se presenta también una base de datos con 9441 ejemplos de 9 gestos de 15 personas. Los resultados muestran la efectividad de esta aproximación y la confiabilidad de los CBDSs en el reconocimiento de gestos.
Keywords : Gesture recognition; hidden Markov models; motion analysis; visual tracking.