Reconstrucción antropométrica 3D de bajo costo basada en procesamiento de imágenes y Deep Learning

Autores
Trujillo Jiménez, Magda Alexandra
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión aceptada
Colaborador/a o director/a de tesis
Delrieux, Claudio Augusto
Gonzaléz-José, Rolando
Descripción
La presente tesis se centra en la investigación de métodos y algoritmos para la reconstrucción antropométrica 3D y su posterior análisis morfométrico utilizando dispositivos móviles, como teléfonos celulares y tabletas. Estos métodos revolucionan la forma en que entendemos y cuantificamos la forma del cuerpo humano, con aplicaciones en campos tan diversos como la medicina, la moda, la antropología y la ciencia forense. En el primer capítulo, se presenta un modelo de segmentación de imágenes que permite la clasificación y segmentación precisa de cuerpos humanos en escenas complejas. Esto se logra mediante la segmentación semántica y por instancias, lo que brinda una base sólida para la reconstrucción tridimensional. En el segundo capítulo, se explora la reconstrucción de nubes de puntos 3D a partir de fotogrametría, partiendo de frames de videos segmentados, lo que permite una recolección y filtrado eficiente de los datos. Esto es esencial para la generación de modelos tridimensionales precisos y para su posterior análisis. El tercer capítulo se centra en las mallas 3D y en el uso de Deep Learning para mejorar la calidad de las representaciones tridimensionales. Estas mallas son indispensables para el análisis detallado de la morfología humana. El cuarto capítulo destaca la transformación de la antropometría con la adopción de modelos 3D, permitiendo mediciones más precisas y detalladas de la forma corporal. Esto tiene aplicaciones en campos como la antropología biológica. El quinto capítulo se centra en la validación de estos métodos en diferentes poblaciones, lo que garantiza su aplicabilidad generalizada y fortalece su credibilidad científica. En el trabajo en curso, se están explorando algoritmos más avanzados que permitan la automatización de la reconstrucción 3D y se extenderán las aplicaciones en cuanto a la relación o correlación de datos antropométricos con otras variables asociadas. Además, se fomenta la colaboración internacional y la aplicación de la antropometría 3D en investigaciones clínicas específicas. En síntesis, esta tesis representa un avance significativo en la reconstrucción antropométrica 3D y su aplicación en una variedad de campos. El trabajo futuro promete ampliar y enriquecer aún más nuestra comprensión de la morfología humana y su relación con factores de salud, hábitos alimentarios y mucho más.
This thesis focuses on the investigation of methods and algorithms for 3D anthropometric reconstruction and subsequent morphometric analysis using mobile devices such as smartphones and tablets. These methods revolutionize the way we understand and quantify the shape of the human body, with applications in fields as diverse as medicine, fashion design, anthropology and forensic science. In the first chapter, an image segmentation model is presented that allows for the accurate classification and segmentation of human bodies in complex scenes. This is achieved through semantic and instance-based segmentation, which provides a solid basis for three-dimensional reconstruction. In the second chapter, 3D point cloud reconstruction from photogrammetry is explored, starting from segmented video frames, which allows for efficient data collection and filtering. This is essential for the generation of accurate 3D models and their subsequent analysis. The third chapter focuses on 3D meshes and the use of Deep Learning to improve the quality of three-dimensional representations. These meshes are indispensable for detailed analysis of human morphology. The fourth chapter highlights the transformation of anthropometry with the adoption of 3D models, allowing more accurate and detailed measurements of body shape. This has applications in fields such as biological anthropology. The fifth chapter focuses on the validation of these methods in different populations, ensuring their widespread applicability and strengthening their scientific credibility. In ongoing work, more advanced algorithms are being explored to allow automation of 3D reconstruction and applications will be extended in terms of relating or correlating anthropometric data with other associated variables. In addition, international collaboration and the application of 3D anthropometry in specific clinical research is encouraged. In summary, this thesis represents a significant advance in 3D anthropometric reconstruction and its application in a variety of fields. Future work promises to further expand and enrich our understanding of human morphology and its relationship to health factors, dietary habits and much more.
Fil: Trujillo Jiménez, Magda Alexandra. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras; Argentina
Materia
Ingeniería
Antropometría
Reconstrucción antropométrica
Antropometría 3D
Procesamiento de imágenes
Deep Learning
Aprendizaje de máquina
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc/4.0/
Repositorio
Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)
Institución
Universidad Nacional del Sur
OAI Identificador
oai:repositorio.bc.uns.edu.ar:123456789/6864

id RID-UNS_e8124779dc902d371d2c0c97fa46a6ff
oai_identifier_str oai:repositorio.bc.uns.edu.ar:123456789/6864
network_acronym_str RID-UNS
repository_id_str
network_name_str Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)
spelling Reconstrucción antropométrica 3D de bajo costo basada en procesamiento de imágenes y Deep LearningTrujillo Jiménez, Magda AlexandraIngenieríaAntropometríaReconstrucción antropométricaAntropometría 3DProcesamiento de imágenesDeep LearningAprendizaje de máquinaLa presente tesis se centra en la investigación de métodos y algoritmos para la reconstrucción antropométrica 3D y su posterior análisis morfométrico utilizando dispositivos móviles, como teléfonos celulares y tabletas. Estos métodos revolucionan la forma en que entendemos y cuantificamos la forma del cuerpo humano, con aplicaciones en campos tan diversos como la medicina, la moda, la antropología y la ciencia forense. En el primer capítulo, se presenta un modelo de segmentación de imágenes que permite la clasificación y segmentación precisa de cuerpos humanos en escenas complejas. Esto se logra mediante la segmentación semántica y por instancias, lo que brinda una base sólida para la reconstrucción tridimensional. En el segundo capítulo, se explora la reconstrucción de nubes de puntos 3D a partir de fotogrametría, partiendo de frames de videos segmentados, lo que permite una recolección y filtrado eficiente de los datos. Esto es esencial para la generación de modelos tridimensionales precisos y para su posterior análisis. El tercer capítulo se centra en las mallas 3D y en el uso de Deep Learning para mejorar la calidad de las representaciones tridimensionales. Estas mallas son indispensables para el análisis detallado de la morfología humana. El cuarto capítulo destaca la transformación de la antropometría con la adopción de modelos 3D, permitiendo mediciones más precisas y detalladas de la forma corporal. Esto tiene aplicaciones en campos como la antropología biológica. El quinto capítulo se centra en la validación de estos métodos en diferentes poblaciones, lo que garantiza su aplicabilidad generalizada y fortalece su credibilidad científica. En el trabajo en curso, se están explorando algoritmos más avanzados que permitan la automatización de la reconstrucción 3D y se extenderán las aplicaciones en cuanto a la relación o correlación de datos antropométricos con otras variables asociadas. Además, se fomenta la colaboración internacional y la aplicación de la antropometría 3D en investigaciones clínicas específicas. En síntesis, esta tesis representa un avance significativo en la reconstrucción antropométrica 3D y su aplicación en una variedad de campos. El trabajo futuro promete ampliar y enriquecer aún más nuestra comprensión de la morfología humana y su relación con factores de salud, hábitos alimentarios y mucho más.This thesis focuses on the investigation of methods and algorithms for 3D anthropometric reconstruction and subsequent morphometric analysis using mobile devices such as smartphones and tablets. These methods revolutionize the way we understand and quantify the shape of the human body, with applications in fields as diverse as medicine, fashion design, anthropology and forensic science. In the first chapter, an image segmentation model is presented that allows for the accurate classification and segmentation of human bodies in complex scenes. This is achieved through semantic and instance-based segmentation, which provides a solid basis for three-dimensional reconstruction. In the second chapter, 3D point cloud reconstruction from photogrammetry is explored, starting from segmented video frames, which allows for efficient data collection and filtering. This is essential for the generation of accurate 3D models and their subsequent analysis. The third chapter focuses on 3D meshes and the use of Deep Learning to improve the quality of three-dimensional representations. These meshes are indispensable for detailed analysis of human morphology. The fourth chapter highlights the transformation of anthropometry with the adoption of 3D models, allowing more accurate and detailed measurements of body shape. This has applications in fields such as biological anthropology. The fifth chapter focuses on the validation of these methods in different populations, ensuring their widespread applicability and strengthening their scientific credibility. In ongoing work, more advanced algorithms are being explored to allow automation of 3D reconstruction and applications will be extended in terms of relating or correlating anthropometric data with other associated variables. In addition, international collaboration and the application of 3D anthropometry in specific clinical research is encouraged. In summary, this thesis represents a significant advance in 3D anthropometric reconstruction and its application in a variety of fields. Future work promises to further expand and enrich our understanding of human morphology and its relationship to health factors, dietary habits and much more.Fil: Trujillo Jiménez, Magda Alexandra. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras; ArgentinaDelrieux, Claudio AugustoGonzaléz-José, Rolando2024-06-14info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttps://repositoriodigital.uns.edu.ar/handle/123456789/6864spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc/4.0/reponame:Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)instname:Universidad Nacional del Sur2025-09-29T13:42:12Zoai:repositorio.bc.uns.edu.ar:123456789/6864instacron:UNSInstitucionalhttp://repositoriodigital.uns.edu.ar/Universidad públicaNo correspondehttp://repositoriodigital.uns.edu.ar/oaimesnaola@uns.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:2025-09-29 13:42:12.972Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS) - Universidad Nacional del Surfalse
dc.title.none.fl_str_mv Reconstrucción antropométrica 3D de bajo costo basada en procesamiento de imágenes y Deep Learning
title Reconstrucción antropométrica 3D de bajo costo basada en procesamiento de imágenes y Deep Learning
spellingShingle Reconstrucción antropométrica 3D de bajo costo basada en procesamiento de imágenes y Deep Learning
Trujillo Jiménez, Magda Alexandra
Ingeniería
Antropometría
Reconstrucción antropométrica
Antropometría 3D
Procesamiento de imágenes
Deep Learning
Aprendizaje de máquina
title_short Reconstrucción antropométrica 3D de bajo costo basada en procesamiento de imágenes y Deep Learning
title_full Reconstrucción antropométrica 3D de bajo costo basada en procesamiento de imágenes y Deep Learning
title_fullStr Reconstrucción antropométrica 3D de bajo costo basada en procesamiento de imágenes y Deep Learning
title_full_unstemmed Reconstrucción antropométrica 3D de bajo costo basada en procesamiento de imágenes y Deep Learning
title_sort Reconstrucción antropométrica 3D de bajo costo basada en procesamiento de imágenes y Deep Learning
dc.creator.none.fl_str_mv Trujillo Jiménez, Magda Alexandra
author Trujillo Jiménez, Magda Alexandra
author_facet Trujillo Jiménez, Magda Alexandra
author_role author
dc.contributor.none.fl_str_mv Delrieux, Claudio Augusto
Gonzaléz-José, Rolando
dc.subject.none.fl_str_mv Ingeniería
Antropometría
Reconstrucción antropométrica
Antropometría 3D
Procesamiento de imágenes
Deep Learning
Aprendizaje de máquina
topic Ingeniería
Antropometría
Reconstrucción antropométrica
Antropometría 3D
Procesamiento de imágenes
Deep Learning
Aprendizaje de máquina
dc.description.none.fl_txt_mv La presente tesis se centra en la investigación de métodos y algoritmos para la reconstrucción antropométrica 3D y su posterior análisis morfométrico utilizando dispositivos móviles, como teléfonos celulares y tabletas. Estos métodos revolucionan la forma en que entendemos y cuantificamos la forma del cuerpo humano, con aplicaciones en campos tan diversos como la medicina, la moda, la antropología y la ciencia forense. En el primer capítulo, se presenta un modelo de segmentación de imágenes que permite la clasificación y segmentación precisa de cuerpos humanos en escenas complejas. Esto se logra mediante la segmentación semántica y por instancias, lo que brinda una base sólida para la reconstrucción tridimensional. En el segundo capítulo, se explora la reconstrucción de nubes de puntos 3D a partir de fotogrametría, partiendo de frames de videos segmentados, lo que permite una recolección y filtrado eficiente de los datos. Esto es esencial para la generación de modelos tridimensionales precisos y para su posterior análisis. El tercer capítulo se centra en las mallas 3D y en el uso de Deep Learning para mejorar la calidad de las representaciones tridimensionales. Estas mallas son indispensables para el análisis detallado de la morfología humana. El cuarto capítulo destaca la transformación de la antropometría con la adopción de modelos 3D, permitiendo mediciones más precisas y detalladas de la forma corporal. Esto tiene aplicaciones en campos como la antropología biológica. El quinto capítulo se centra en la validación de estos métodos en diferentes poblaciones, lo que garantiza su aplicabilidad generalizada y fortalece su credibilidad científica. En el trabajo en curso, se están explorando algoritmos más avanzados que permitan la automatización de la reconstrucción 3D y se extenderán las aplicaciones en cuanto a la relación o correlación de datos antropométricos con otras variables asociadas. Además, se fomenta la colaboración internacional y la aplicación de la antropometría 3D en investigaciones clínicas específicas. En síntesis, esta tesis representa un avance significativo en la reconstrucción antropométrica 3D y su aplicación en una variedad de campos. El trabajo futuro promete ampliar y enriquecer aún más nuestra comprensión de la morfología humana y su relación con factores de salud, hábitos alimentarios y mucho más.
This thesis focuses on the investigation of methods and algorithms for 3D anthropometric reconstruction and subsequent morphometric analysis using mobile devices such as smartphones and tablets. These methods revolutionize the way we understand and quantify the shape of the human body, with applications in fields as diverse as medicine, fashion design, anthropology and forensic science. In the first chapter, an image segmentation model is presented that allows for the accurate classification and segmentation of human bodies in complex scenes. This is achieved through semantic and instance-based segmentation, which provides a solid basis for three-dimensional reconstruction. In the second chapter, 3D point cloud reconstruction from photogrammetry is explored, starting from segmented video frames, which allows for efficient data collection and filtering. This is essential for the generation of accurate 3D models and their subsequent analysis. The third chapter focuses on 3D meshes and the use of Deep Learning to improve the quality of three-dimensional representations. These meshes are indispensable for detailed analysis of human morphology. The fourth chapter highlights the transformation of anthropometry with the adoption of 3D models, allowing more accurate and detailed measurements of body shape. This has applications in fields such as biological anthropology. The fifth chapter focuses on the validation of these methods in different populations, ensuring their widespread applicability and strengthening their scientific credibility. In ongoing work, more advanced algorithms are being explored to allow automation of 3D reconstruction and applications will be extended in terms of relating or correlating anthropometric data with other associated variables. In addition, international collaboration and the application of 3D anthropometry in specific clinical research is encouraged. In summary, this thesis represents a significant advance in 3D anthropometric reconstruction and its application in a variety of fields. Future work promises to further expand and enrich our understanding of human morphology and its relationship to health factors, dietary habits and much more.
Fil: Trujillo Jiménez, Magda Alexandra. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras; Argentina
description La presente tesis se centra en la investigación de métodos y algoritmos para la reconstrucción antropométrica 3D y su posterior análisis morfométrico utilizando dispositivos móviles, como teléfonos celulares y tabletas. Estos métodos revolucionan la forma en que entendemos y cuantificamos la forma del cuerpo humano, con aplicaciones en campos tan diversos como la medicina, la moda, la antropología y la ciencia forense. En el primer capítulo, se presenta un modelo de segmentación de imágenes que permite la clasificación y segmentación precisa de cuerpos humanos en escenas complejas. Esto se logra mediante la segmentación semántica y por instancias, lo que brinda una base sólida para la reconstrucción tridimensional. En el segundo capítulo, se explora la reconstrucción de nubes de puntos 3D a partir de fotogrametría, partiendo de frames de videos segmentados, lo que permite una recolección y filtrado eficiente de los datos. Esto es esencial para la generación de modelos tridimensionales precisos y para su posterior análisis. El tercer capítulo se centra en las mallas 3D y en el uso de Deep Learning para mejorar la calidad de las representaciones tridimensionales. Estas mallas son indispensables para el análisis detallado de la morfología humana. El cuarto capítulo destaca la transformación de la antropometría con la adopción de modelos 3D, permitiendo mediciones más precisas y detalladas de la forma corporal. Esto tiene aplicaciones en campos como la antropología biológica. El quinto capítulo se centra en la validación de estos métodos en diferentes poblaciones, lo que garantiza su aplicabilidad generalizada y fortalece su credibilidad científica. En el trabajo en curso, se están explorando algoritmos más avanzados que permitan la automatización de la reconstrucción 3D y se extenderán las aplicaciones en cuanto a la relación o correlación de datos antropométricos con otras variables asociadas. Además, se fomenta la colaboración internacional y la aplicación de la antropometría 3D en investigaciones clínicas específicas. En síntesis, esta tesis representa un avance significativo en la reconstrucción antropométrica 3D y su aplicación en una variedad de campos. El trabajo futuro promete ampliar y enriquecer aún más nuestra comprensión de la morfología humana y su relación con factores de salud, hábitos alimentarios y mucho más.
publishDate 2024
dc.date.none.fl_str_mv 2024-06-14
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://repositoriodigital.uns.edu.ar/handle/123456789/6864
url https://repositoriodigital.uns.edu.ar/handle/123456789/6864
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)
instname:Universidad Nacional del Sur
reponame_str Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)
collection Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)
instname_str Universidad Nacional del Sur
repository.name.fl_str_mv Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS) - Universidad Nacional del Sur
repository.mail.fl_str_mv mesnaola@uns.edu.ar
_version_ 1844619088624615424
score 12.559606