Markerless full-body human motion capture and combined motor action recognition for human-computer interaction
Luis Unzueta · Dialnet (Universidad de la Rioja) · 2009
Tradicionalmente las personas interactuan con los ordenadores mediante herramientas como el teclado y el raton. Los ordenadores pueden detectar eventos provenientes de estos, como pulsar y soltar botones por separado o combinados, o movimientos de raton, y despues reaccionar de acuerdo a la interpretacion que se les asigne. Este procedimiento de comunicacion ha sido empleado satisfactoriamente para un amplio numero de aplicaciones. Sin embargo, este enfoque carece de la naturalidad de la comunicacion humana cara a cara. Este proyecto de tesis presenta un metodo para la captura sin marcadores en tiempo real y la interpretacion automatica de movimientos humanos de cuerpo entero para la interaccion persona-computador. Para la consecucion de este objetivo se distinguen tres fases: (1) el seguimiento sin marcadores de cuantas mas partes del cuerpo posibles, (2) la reconstruccion del esqueleto cinematico 3D que representa la postura del usuario a partir de dicho seguimiento, y (3) el reconocimiento de los patrones de movimiento con el objeto de hacer que el ordenador entienda la intencion del usuario y despues reaccione convenientemente. Estos tres procesos han de resolverse en tiempo real para asi llegar a una interaccion persona-computador aceptable. La primera fase puede ser resuelta mediante camaras que enfoquen al usuario y algoritmos de vision artificial que extraigan y hagan el seguimiento de las caracteristicas relevantes del usuario en las imagenes. Este proyecto propone un metodo que combina probabilidades de color y flujo optico. La segunda requiere situar el esqueleto cinematico 3D en posturas biomecanicamente posibles y ajustadas a las partes del cuerpo detectadas, considerando las posturas anteriores para asi obtener movimientos suaves. Este proyecto propone un metodo de cinematica inversa analitica-iterativa que situa las partes del cuerpo secuencialmente, desde el torso hasta los miembros superiores e inferiores, teniendo en cuenta tanto los limites biomecanicos como las colisiones mas relevantes. Finalmente, la ultima fase requiere el analisis de los rasgos significativos del movimiento, para asi interpretar patrones mediante tecnicas de inteligencia artificial. Este proyecto propone un metodo para extraer automaticamente los gestos potenciales del flujo de datos y clasificarlos, permitiendo asimismo la ejecucion de acciones combinadas.