Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.uci.cu/jspui/handle/123456789/7862
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Trujillo Rivero, Andy | - |
dc.contributor.advisor | Leyva Piñeda, Ernesto | - |
dc.contributor.advisor | Márquez Rodríguez, Marvyn Amado | - |
dc.contributor.author | Ross Aguirre, Roberto | - |
dc.coverage.spatial | 1001206 | es |
dc.date.accessioned | 2018-11-09T14:16:09Z | - |
dc.date.available | 2018-11-09T14:16:09Z | - |
dc.date.issued | 2016 | - |
dc.identifier.uri | https://repositorio.uci.cu/jspui/handle/123456789/7862 | - |
dc.description.abstract | La Inteligencia Artificial combinada con novedosos mecanismos de interacción hombre-máquina, posibilita la creación de múltiples aplicaciones al servicio de la humanidad. Una de ellas son los entrenadores virtuales, que asisten a las personas en tareas de ejercitación, rehabilitación o entrenamiento individualizado de sus habilidades motrices y de coordinación. Estos sistemas siempre están disponibles para los usuarios, generan planes de entrenamiento y demuestran paso a paso la ejecución correcta de cada movimiento. Sin embargo, muchos de ellos adolecen de la capacidad de retroalimentar a los usuarios sobre su desempeño durante la ejecución de los ejercicios. Esa es la motivación fundamental para el desarrollo de esta investigación, cuyo objetivo es reconocer y evaluar automáticamente el desempeño de personas durante la ejecución de ejercicios físicos. Entre las principales técnicas de reconocimiento de patrones aplicables a este tipo de problemas se encuentran “Alineamiento Temporal Dinámico” y “Algoritmos Tipo Votación”. Estos fueron implementados y se demostró su capacidad de clasificación mediante una aplicación que captura datos de movimiento de una persona utilizando el dispositivo Microsoft Kinect. Los buenos resultados obtenidos son independientes de la posición en que se encuentre la persona, ya que toda la información es normalizada antes del proceso de clasificación. Sí se detectó relación entre los resultados de clasificación y los parámetros de configuración de los algoritmos. La arquitectura desarrollada es lo suficientemente extensible como incorporar un dispositivo de captura de datos de mayor precisión o implementar nuevos algoritmos que redunden en la obtención de mejores resultados de clasificación. | es |
dc.language.iso | spa | es |
dc.publisher | Universidad de las Ciencias Informaticas. Facultad-5. | es |
dc.subject | INTELIGENCIA ARTIFICIAL | es |
dc.subject | EVALUACION AUTOMATICA DE MOVIMIENTOS | es |
dc.subject | RECONOCIMIENTO DE PATRONES | es |
dc.subject.other | EVALUACION | es |
dc.subject.other | MICROSISTEMAS | es |
dc.subject.other | SISTEMAS DE RECONOCIMIENTO | es |
dc.title | Reconocimiento y evaluación de la ejecución de ejercicios físicos utilizando Microsoft Kinect | es |
dc.type | bachelorThesis | es |
Aparece en las colecciones: | Trabajos de Diploma |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
TD_08710_16.pdf Restricted Access | 1.59 MB | Adobe PDF | Visualizar/Abrir |
Los ítems del Repositorio están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.