Framework para desarrollar aplicaciones móviles con reconocimiento de gestos

Autores
Mangeruga, Jorge Andrés
Año de publicación
2015
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Soria, Álvaro
Ibañez, Rodrigo Sebastian
Descripción
El avance tecnológico ha permitido embeber en los dispositivos móviles una amplia variedad de interfaces naturales, impulsando la investigación en el campo del reconocimiento de gestos en los recientes años. Un ejemplo evidente son los sensores como el acelerómetro o el giroscopio, incluidos en los más comunes dispositivos móviles actuales. También se encuentra muy avanzado el desarrollo de dispositivos móviles que incorporan cámaras de profundidad semejantes a Kinect de Microsoft. En todos los casos, es posible interpretar la información que provee la interfaz para extraer lo relativo al movimiento de una persona. Contar con esa información, permite imaginar su uso en diversos tipos de aplicaciones, por ejemplo, para posibilitar el manejo de dispositivos móviles a personas con alguna discapacidad, para recuperación motriz o simplemente juegos. Sin embargo, no existen herramientas que engloben el problema completo de reconocimiento de gestos en dispositivos móviles. Esto provoca que implementar aplicaciones de interfaz natural involucre la propia creación de mecanismos de reconocimiento por parte de los desarrolladores. Partiendo de esta problemática mencionada, en esta tesis se presenta a DronGR como un framework para que el reconocimiento de gestos pueda ser integrado en aplicaciones de terceros. DronGR toma como entrada los datos del ambiente capturados por alguna de las interfaces naturales provistas en dispositivos móviles y da soporte tanto a la administración de gestos como al reconocimiento de los mismos. En relación a este último punto, se implementaron cuatro técnicas para el reconocimiento de gestos: Alineamiento Temporal Dinámico, Modelos Ocultos de Márkov, Análisis de Procrustes y String Matching, con el fin de evaluar la factibilidad de un rendimiento aceptable para el reconocimiento de gestos en el contexto de los dispositivos móviles. La importancia de lograr avances en la problemática de esta tesis radica en que los recursos disponibles en este tipo de dispositivos son, en la mayoría de los casos, más limitados que las computadoras tradicionales.
Fil: Mangeruga, Jorge Andrés. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Soria, Álvaro. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Ibañez, Rodrigo Sebastian. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina
Materia
Desarrollo del software
Microsoft
Dispositivos móviles
Lenguajes de programación
Sensores
Reconocimiento de gestos
DronGR
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
RIDAA (UNICEN)
Institución
Universidad Nacional del Centro de la Provincia de Buenos Aires
OAI Identificador
oai:ridaa.unicen.edu.ar:123456789/571

id RIDUNICEN_fe57736aba81c32a09696ff6dcea8722
oai_identifier_str oai:ridaa.unicen.edu.ar:123456789/571
network_acronym_str RIDUNICEN
repository_id_str a
network_name_str RIDAA (UNICEN)
spelling Framework para desarrollar aplicaciones móviles con reconocimiento de gestosMangeruga, Jorge AndrésDesarrollo del softwareMicrosoftDispositivos móvilesLenguajes de programaciónSensoresReconocimiento de gestosDronGREl avance tecnológico ha permitido embeber en los dispositivos móviles una amplia variedad de interfaces naturales, impulsando la investigación en el campo del reconocimiento de gestos en los recientes años. Un ejemplo evidente son los sensores como el acelerómetro o el giroscopio, incluidos en los más comunes dispositivos móviles actuales. También se encuentra muy avanzado el desarrollo de dispositivos móviles que incorporan cámaras de profundidad semejantes a Kinect de Microsoft. En todos los casos, es posible interpretar la información que provee la interfaz para extraer lo relativo al movimiento de una persona. Contar con esa información, permite imaginar su uso en diversos tipos de aplicaciones, por ejemplo, para posibilitar el manejo de dispositivos móviles a personas con alguna discapacidad, para recuperación motriz o simplemente juegos. Sin embargo, no existen herramientas que engloben el problema completo de reconocimiento de gestos en dispositivos móviles. Esto provoca que implementar aplicaciones de interfaz natural involucre la propia creación de mecanismos de reconocimiento por parte de los desarrolladores. Partiendo de esta problemática mencionada, en esta tesis se presenta a DronGR como un framework para que el reconocimiento de gestos pueda ser integrado en aplicaciones de terceros. DronGR toma como entrada los datos del ambiente capturados por alguna de las interfaces naturales provistas en dispositivos móviles y da soporte tanto a la administración de gestos como al reconocimiento de los mismos. En relación a este último punto, se implementaron cuatro técnicas para el reconocimiento de gestos: Alineamiento Temporal Dinámico, Modelos Ocultos de Márkov, Análisis de Procrustes y String Matching, con el fin de evaluar la factibilidad de un rendimiento aceptable para el reconocimiento de gestos en el contexto de los dispositivos móviles. La importancia de lograr avances en la problemática de esta tesis radica en que los recursos disponibles en este tipo de dispositivos son, en la mayoría de los casos, más limitados que las computadoras tradicionales.Fil: Mangeruga, Jorge Andrés. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Soria, Álvaro. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Ibañez, Rodrigo Sebastian. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; ArgentinaUniversidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias ExáctasSoria, ÁlvaroIbañez, Rodrigo Sebastian2015-122016-05-13T13:56:36Z2016-05-13T13:56:36Zinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfapplication/pdfhttp://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/571https://www.ridaa.unicen.edu.ar/handle/123456789/571spahttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/info:eu-repo/semantics/openAccessreponame:RIDAA (UNICEN)instname:Universidad Nacional del Centro de la Provincia de Buenos Aires2025-09-29T13:41:28Zoai:ridaa.unicen.edu.ar:123456789/571instacron:UNICENInstitucionalhttps://www.ridaa.unicen.edu.ar/Universidad públicaNo correspondehttps://www.ridaa.unicen.edu.ar/oailleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;ArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-09-29 13:41:28.904RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Airesfalse
dc.title.none.fl_str_mv Framework para desarrollar aplicaciones móviles con reconocimiento de gestos
title Framework para desarrollar aplicaciones móviles con reconocimiento de gestos
spellingShingle Framework para desarrollar aplicaciones móviles con reconocimiento de gestos
Mangeruga, Jorge Andrés
Desarrollo del software
Microsoft
Dispositivos móviles
Lenguajes de programación
Sensores
Reconocimiento de gestos
DronGR
title_short Framework para desarrollar aplicaciones móviles con reconocimiento de gestos
title_full Framework para desarrollar aplicaciones móviles con reconocimiento de gestos
title_fullStr Framework para desarrollar aplicaciones móviles con reconocimiento de gestos
title_full_unstemmed Framework para desarrollar aplicaciones móviles con reconocimiento de gestos
title_sort Framework para desarrollar aplicaciones móviles con reconocimiento de gestos
dc.creator.none.fl_str_mv Mangeruga, Jorge Andrés
author Mangeruga, Jorge Andrés
author_facet Mangeruga, Jorge Andrés
author_role author
dc.contributor.none.fl_str_mv Soria, Álvaro
Ibañez, Rodrigo Sebastian
dc.subject.none.fl_str_mv Desarrollo del software
Microsoft
Dispositivos móviles
Lenguajes de programación
Sensores
Reconocimiento de gestos
DronGR
topic Desarrollo del software
Microsoft
Dispositivos móviles
Lenguajes de programación
Sensores
Reconocimiento de gestos
DronGR
dc.description.none.fl_txt_mv El avance tecnológico ha permitido embeber en los dispositivos móviles una amplia variedad de interfaces naturales, impulsando la investigación en el campo del reconocimiento de gestos en los recientes años. Un ejemplo evidente son los sensores como el acelerómetro o el giroscopio, incluidos en los más comunes dispositivos móviles actuales. También se encuentra muy avanzado el desarrollo de dispositivos móviles que incorporan cámaras de profundidad semejantes a Kinect de Microsoft. En todos los casos, es posible interpretar la información que provee la interfaz para extraer lo relativo al movimiento de una persona. Contar con esa información, permite imaginar su uso en diversos tipos de aplicaciones, por ejemplo, para posibilitar el manejo de dispositivos móviles a personas con alguna discapacidad, para recuperación motriz o simplemente juegos. Sin embargo, no existen herramientas que engloben el problema completo de reconocimiento de gestos en dispositivos móviles. Esto provoca que implementar aplicaciones de interfaz natural involucre la propia creación de mecanismos de reconocimiento por parte de los desarrolladores. Partiendo de esta problemática mencionada, en esta tesis se presenta a DronGR como un framework para que el reconocimiento de gestos pueda ser integrado en aplicaciones de terceros. DronGR toma como entrada los datos del ambiente capturados por alguna de las interfaces naturales provistas en dispositivos móviles y da soporte tanto a la administración de gestos como al reconocimiento de los mismos. En relación a este último punto, se implementaron cuatro técnicas para el reconocimiento de gestos: Alineamiento Temporal Dinámico, Modelos Ocultos de Márkov, Análisis de Procrustes y String Matching, con el fin de evaluar la factibilidad de un rendimiento aceptable para el reconocimiento de gestos en el contexto de los dispositivos móviles. La importancia de lograr avances en la problemática de esta tesis radica en que los recursos disponibles en este tipo de dispositivos son, en la mayoría de los casos, más limitados que las computadoras tradicionales.
Fil: Mangeruga, Jorge Andrés. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Soria, Álvaro. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Ibañez, Rodrigo Sebastian. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina
description El avance tecnológico ha permitido embeber en los dispositivos móviles una amplia variedad de interfaces naturales, impulsando la investigación en el campo del reconocimiento de gestos en los recientes años. Un ejemplo evidente son los sensores como el acelerómetro o el giroscopio, incluidos en los más comunes dispositivos móviles actuales. También se encuentra muy avanzado el desarrollo de dispositivos móviles que incorporan cámaras de profundidad semejantes a Kinect de Microsoft. En todos los casos, es posible interpretar la información que provee la interfaz para extraer lo relativo al movimiento de una persona. Contar con esa información, permite imaginar su uso en diversos tipos de aplicaciones, por ejemplo, para posibilitar el manejo de dispositivos móviles a personas con alguna discapacidad, para recuperación motriz o simplemente juegos. Sin embargo, no existen herramientas que engloben el problema completo de reconocimiento de gestos en dispositivos móviles. Esto provoca que implementar aplicaciones de interfaz natural involucre la propia creación de mecanismos de reconocimiento por parte de los desarrolladores. Partiendo de esta problemática mencionada, en esta tesis se presenta a DronGR como un framework para que el reconocimiento de gestos pueda ser integrado en aplicaciones de terceros. DronGR toma como entrada los datos del ambiente capturados por alguna de las interfaces naturales provistas en dispositivos móviles y da soporte tanto a la administración de gestos como al reconocimiento de los mismos. En relación a este último punto, se implementaron cuatro técnicas para el reconocimiento de gestos: Alineamiento Temporal Dinámico, Modelos Ocultos de Márkov, Análisis de Procrustes y String Matching, con el fin de evaluar la factibilidad de un rendimiento aceptable para el reconocimiento de gestos en el contexto de los dispositivos móviles. La importancia de lograr avances en la problemática de esta tesis radica en que los recursos disponibles en este tipo de dispositivos son, en la mayoría de los casos, más limitados que las computadoras tradicionales.
publishDate 2015
dc.date.none.fl_str_mv 2015-12
2016-05-13T13:56:36Z
2016-05-13T13:56:36Z
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/571
https://www.ridaa.unicen.edu.ar/handle/123456789/571
url http://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/571
https://www.ridaa.unicen.edu.ar/handle/123456789/571
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exáctas
publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exáctas
dc.source.none.fl_str_mv reponame:RIDAA (UNICEN)
instname:Universidad Nacional del Centro de la Provincia de Buenos Aires
reponame_str RIDAA (UNICEN)
collection RIDAA (UNICEN)
instname_str Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.name.fl_str_mv RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.mail.fl_str_mv lleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;
_version_ 1844619035631681536
score 12.559606