Reconeixement visual del moviment humà en temps real per a la interacció natural home-màquina

• Autores: Antoni Jaume Capó
• Directores de la Tesis: Javier Varona Gómez (dir. tes.) , Francisco José Perales López (dir. tes.)
• Lectura: En la Universitat de les Illes Balears ( España ) en 2009
• Idioma: catalán
• Tribunal Calificador de la Tesis: Manuel González Hidalgo (presid.) , Ramón Mas Sansó (secret.) , José Miguel Sales Dias (voc.) , Jordi González Sabaté (voc.) , José Francisco Ramos Romero (voc.)
• Enlaces
  • Tesis en acceso abierto en: RepositoriUIB
• Resumen
  • català

    En la majoria d'interfícies persona-ordinador existents, el coneixement Enactiu com a nou paradigma d'interacció natural, a dia d'avui, no ha estat completament aprofitat. Novetats tecnològiques recents han creat la possibilitat de millorar naturalment i significa, la percepció de la interfície a través d'entrades visuals, les anomenades interfícies basades en visió (VBI). En aquest treball, en primer lloc, s'explora la recuperació de la postura del cos de l'usuari utilitzant la combinació de tècniques robustes de visió per ordinador i els ben coneguts algorismes de cinemàtica inversa en temps real. Llavors, es presenta un algorisme de reconeixement de gestos on els moviments de l'usuari s'obtenen a través del sistema de captura del moviment en temps real basat en visió. Finalment, es presenta com afegir una restricció basada en la imatge a la cinemàtica inversa, amb l'objectiu de millorar els resultats del sistema de captura en temps real basat en visió.

  • English

    In most of the existing human-computer interfaces, enactive knowledge as new natural interaction paradigm has not been fully exploited yet. Recent technological advances have created the possibility to enhance naturally and significantly the interface perception by means of visual inputs, the so-called Vision-Based Interfaces (VBI). In the present document, first, we explore the recovery of the user's body posture by means of combining robust computer vision techniques and a well known inverse kinematics algorithm in real-time. Then, we present a gesture recognition algorithm where the user's movements are obtained through the real-time vision-based motion capture system. Finally, we present how to add image constraints to inverse kinematics in order to improve the results of the real-time vision-based motion capture system.