Análise de redes neurais artificiais aplicadas a um sistema em tempo real de reconhecimento de gestos estáticos de mão.

Abstract

Situado nos campos de visão computacional e de interação homem-máquina, este trabalho desenvolveu uma análise de redes neurais MPLs como técnica de classificação em um sistema de reconhecimento de gestos estáticos de mão. A entrada do sistema é fornecida por uma câmera comum. Do frame atual, após um processo de segmentação da mão, são extraídos como vetor de atributos os momentos invariantes de Hu, além de uma relação entre perímetro e raiz da área. Foram utilizadas seis classes de gestos, sendo escolhidas segundo a maximização das mínimas distâncias entre elas no espaço de atributos. Considerando-se diferentes formas de rotular-se os padrões de treinamento, a análise consistiu na busca da MLP mais bem adaptada, sendo para isso realizado uma variação de dois parâmetros: número de frames sobre os quais as redes atuam; e número de neurônios na camada oculta. A melhor rede encontrada obteve acurácia de 99.12%, não havendo nenhuma confusão entre as classes de gestos escolhidas, mas apenas nas regiões de transição entre elas.

Belonging to the fields of computer vision and human-machine interaction, this paper developed an analysis of MLPs neural networks used as a classification technique in a system for the recognition of static hand gestures. The system's input is provided by an ordinary camera. From the current frame, after a segmentation process of the hand, are extracted feature vectors composed by Hu invariant moments and the ratio between perimeter and square root of area. Six classes of gestures, being chosen accordingly to the maximization of the minimum distances between them in the space of attributes were used. Considering different ways to label the patterns of training, the analysis consisted in the search for the most adapted MLP, for which were made a variation of two parameters: the number of frames over which the networks operate; and the number of neurons in the hidden layer. The best network found had an accuracy of 99.12%, and there were no confusion between the chosen classes of gestures, except for the transition regions between them.