Desarrollo de interfaces naturales gestuales con kinect

Autores
Saenz, Julia; Schön, Alejo; Espinosa, Luciano Nahuel
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Este trabajo busca analizar tres programas de detección de manos, cada uno utilizando un distinto método de captación: cascadas de Haar, método de detección de objetos que recorre la imagen en sectores cada vez más pequeños y busca en cada uno si aparecen ciertas características visuales relacionadas con el objeto que se haya entrenado para detectar; blobs por diferencia, lo que implica identificar y delimitar las porciones más brillantes u oscuras de la imagen en regiones de interés llamadas blobs; y modelos de red neuronal, una serie de capas de nodos o neuronas interconectadas que procesan una información y devuelven otra. La definición de un modelo se realiza mediante el entrenamiento de la red, proceso en el que se le muestran ejemplos de lo que se quiere que el modelo realice (por ejemplo, imágenes en las que haya o no manos) para que este identifique la serie de relaciones correctas. Con este fin se desarrolló una interfaz gestual para la solicitud de turnos, como las que se pueden encontrar en hospitales, que puede ser controlada mediante cualquiera de los tres programas analizados. De cada uno se describe detalladamente el proceso de implementación teniendo en cuenta la facilidad de configuración en cada caso y se realizaron pruebas del desempeño en diversas condiciones espaciales. A partir de esto, se busca que este trabajo sirva como material pedagógico introductorio de las posibilidades y limitaciones en cuanto las diferentes formas de desarrollar una interfaz gestual, de tal forma que todo el código mencionado en este trabajo está disponible en un repositorio de GitHub.
Facultad de Artes
Materia
Multimedia
Bellas Artes
HCI
interfaces gestuales
detección del cuerpo
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-nd/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/157216

id SEDICI_86d53571877cd11b2c6bfb64e90d3899
oai_identifier_str oai:sedici.unlp.edu.ar:10915/157216
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Desarrollo de interfaces naturales gestuales con kinectSaenz, JuliaSchön, AlejoEspinosa, Luciano NahuelMultimediaBellas ArtesHCIinterfaces gestualesdetección del cuerpoEste trabajo busca analizar tres programas de detección de manos, cada uno utilizando un distinto método de captación: cascadas de Haar, método de detección de objetos que recorre la imagen en sectores cada vez más pequeños y busca en cada uno si aparecen ciertas características visuales relacionadas con el objeto que se haya entrenado para detectar; blobs por diferencia, lo que implica identificar y delimitar las porciones más brillantes u oscuras de la imagen en regiones de interés llamadas blobs; y modelos de red neuronal, una serie de capas de nodos o neuronas interconectadas que procesan una información y devuelven otra. La definición de un modelo se realiza mediante el entrenamiento de la red, proceso en el que se le muestran ejemplos de lo que se quiere que el modelo realice (por ejemplo, imágenes en las que haya o no manos) para que este identifique la serie de relaciones correctas. Con este fin se desarrolló una interfaz gestual para la solicitud de turnos, como las que se pueden encontrar en hospitales, que puede ser controlada mediante cualquiera de los tres programas analizados. De cada uno se describe detalladamente el proceso de implementación teniendo en cuenta la facilidad de configuración en cada caso y se realizaron pruebas del desempeño en diversas condiciones espaciales. A partir de esto, se busca que este trabajo sirva como material pedagógico introductorio de las posibilidades y limitaciones en cuanto las diferentes formas de desarrollar una interfaz gestual, de tal forma que todo el código mencionado en este trabajo está disponible en un repositorio de GitHub.Facultad de Artes2022-10info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdf143-161http://sedici.unlp.edu.ar/handle/10915/157216spainfo:eu-repo/semantics/altIdentifier/issn/2362-3381info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T11:12:56Zoai:sedici.unlp.edu.ar:10915/157216Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:12:56.456SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Desarrollo de interfaces naturales gestuales con kinect
title Desarrollo de interfaces naturales gestuales con kinect
spellingShingle Desarrollo de interfaces naturales gestuales con kinect
Saenz, Julia
Multimedia
Bellas Artes
HCI
interfaces gestuales
detección del cuerpo
title_short Desarrollo de interfaces naturales gestuales con kinect
title_full Desarrollo de interfaces naturales gestuales con kinect
title_fullStr Desarrollo de interfaces naturales gestuales con kinect
title_full_unstemmed Desarrollo de interfaces naturales gestuales con kinect
title_sort Desarrollo de interfaces naturales gestuales con kinect
dc.creator.none.fl_str_mv Saenz, Julia
Schön, Alejo
Espinosa, Luciano Nahuel
author Saenz, Julia
author_facet Saenz, Julia
Schön, Alejo
Espinosa, Luciano Nahuel
author_role author
author2 Schön, Alejo
Espinosa, Luciano Nahuel
author2_role author
author
dc.subject.none.fl_str_mv Multimedia
Bellas Artes
HCI
interfaces gestuales
detección del cuerpo
topic Multimedia
Bellas Artes
HCI
interfaces gestuales
detección del cuerpo
dc.description.none.fl_txt_mv Este trabajo busca analizar tres programas de detección de manos, cada uno utilizando un distinto método de captación: cascadas de Haar, método de detección de objetos que recorre la imagen en sectores cada vez más pequeños y busca en cada uno si aparecen ciertas características visuales relacionadas con el objeto que se haya entrenado para detectar; blobs por diferencia, lo que implica identificar y delimitar las porciones más brillantes u oscuras de la imagen en regiones de interés llamadas blobs; y modelos de red neuronal, una serie de capas de nodos o neuronas interconectadas que procesan una información y devuelven otra. La definición de un modelo se realiza mediante el entrenamiento de la red, proceso en el que se le muestran ejemplos de lo que se quiere que el modelo realice (por ejemplo, imágenes en las que haya o no manos) para que este identifique la serie de relaciones correctas. Con este fin se desarrolló una interfaz gestual para la solicitud de turnos, como las que se pueden encontrar en hospitales, que puede ser controlada mediante cualquiera de los tres programas analizados. De cada uno se describe detalladamente el proceso de implementación teniendo en cuenta la facilidad de configuración en cada caso y se realizaron pruebas del desempeño en diversas condiciones espaciales. A partir de esto, se busca que este trabajo sirva como material pedagógico introductorio de las posibilidades y limitaciones en cuanto las diferentes formas de desarrollar una interfaz gestual, de tal forma que todo el código mencionado en este trabajo está disponible en un repositorio de GitHub.
Facultad de Artes
description Este trabajo busca analizar tres programas de detección de manos, cada uno utilizando un distinto método de captación: cascadas de Haar, método de detección de objetos que recorre la imagen en sectores cada vez más pequeños y busca en cada uno si aparecen ciertas características visuales relacionadas con el objeto que se haya entrenado para detectar; blobs por diferencia, lo que implica identificar y delimitar las porciones más brillantes u oscuras de la imagen en regiones de interés llamadas blobs; y modelos de red neuronal, una serie de capas de nodos o neuronas interconectadas que procesan una información y devuelven otra. La definición de un modelo se realiza mediante el entrenamiento de la red, proceso en el que se le muestran ejemplos de lo que se quiere que el modelo realice (por ejemplo, imágenes en las que haya o no manos) para que este identifique la serie de relaciones correctas. Con este fin se desarrolló una interfaz gestual para la solicitud de turnos, como las que se pueden encontrar en hospitales, que puede ser controlada mediante cualquiera de los tres programas analizados. De cada uno se describe detalladamente el proceso de implementación teniendo en cuenta la facilidad de configuración en cada caso y se realizaron pruebas del desempeño en diversas condiciones espaciales. A partir de esto, se busca que este trabajo sirva como material pedagógico introductorio de las posibilidades y limitaciones en cuanto las diferentes formas de desarrollar una interfaz gestual, de tal forma que todo el código mencionado en este trabajo está disponible en un repositorio de GitHub.
publishDate 2022
dc.date.none.fl_str_mv 2022-10
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Articulo
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/157216
url http://sedici.unlp.edu.ar/handle/10915/157216
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/issn/2362-3381
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
dc.format.none.fl_str_mv application/pdf
143-161
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1842260633349783552
score 13.13397