KinBehR KINect for human BEHaviour Recognition
Resumen
Actualmente la sociedad está experimentado importantes cambios en los que, cada vez
más, se confía en que la tecnología facilite el día a día de las personas. Es por eso que,
de forma exponencial, están apareciendo continuamente sistemas y dispositivos enfocados a
ayudar a las personas en su vida cotidiana. En este contexto, el reconocimiento de acciones
humanas (Human Action Recognition) está comenzado a jugar un papel fundamental en
importantes áreas cómo la vídeo-vigilancia, asistencia a personas mayores y discapacitados,
la Interacción Persona-Ordenador, etc.
El presente proyecto estudia cómo la utilización de cámaras de profundidad puede ayudar
a mejorar las tasas de reconocimiento de acciones humanas en las que los movimientos
corporales no han sido previamente preestablecidos. La metodología seguida está descompuesta
en dos etapas. En la primera de ellas se ha estudiado cómo obtener e interpretar la
información proporcionada por este tipo de cámaras y analizar qué puede aportar esta información
al reconocimiento de acciones. En la segunda etapa se ha empleado un algoritmo de
aprendizaje máquina, conocido como Bag of Words (BOW), que proporciona una estimación
de la clasificación de acciones a partir de secuencias de vídeo mediante el análisis de las
características de imágenes.
Finalmente, mediante la utilización de diferentes conjunto de datos, se ha entrenado y
evaluado el sistema propuesto de manera que se garantice la robustez del mismo ante la multimodalidad
en la realización de acciones. Por esta razón también se ha llevado a cabo la
elaboración de un dataset propio. Para concluir, los resultados obtenidos han sido comparados
con otros estudios para verificar si este nuevo enfoque basado en el uso de cámara de
profundidad supone una mejora en el reconocimiento de acciones humanas.