Qualificação de doutorado do discente Edwin Cárdenas, dia 07/12/17.

Qualificação de doutorado do discente Edwin Cárdenas, dia 07/12/17, as 15:30 na sala de seminários do DECOM - ICEB III.

Banca: Prof. Dr. Anderson Almeida Ferreira, Profa. Dra. Andrea Campos Bianchi e Prof. Dr. Erickson Rangel do Nascimento.

Resumo: Desenvolvimento de uma Abordagem para o Reconhecimento de gestos Dinâmicos da Língua de Sinais
Durante os últimos anos, têm sido desenvolvidas diversas abordagens para o reconhecimento contínuo de gestos manuais dinâmicos com o objetivo de melhorar a interação humano-computador. A incorporação do Microsoft Kinect gerou uma revolução na área de reconhecimento de gestos, fornecendo novas informações RGB-D e do esqueleto que podem ser utilizadas para gerar novos descritores mais robustos, e para reduzir a complexidade dos processos de localização e segmentação da mão ou corpo. Assim, nessa pesquisa de doutorado, apresenta-se a proposta de uma metodologia para o reconhecimento de gestos manuais dinâmicos contínuos utilizando como dados de entrada as informações fornecidas pelo Kinect. A metodologia proposta está baseada na técnica conhecida como Hidden Markov Models (HMM), incorporando um estado oculto Sλ com a finalidade de resolver o problema denominado Movement Epenthesis (me) que consiste em encontrar os indicadores de separação entre dois gestos dentro de um fluxo continuo de tempo. Dentro do reconhecimento de gestos dinâmicos contínuos, apresenta-se a subárea de reconhecimento de gestos dinâmicos isolados que exclui o problema Movement Epenthesis ao trabalhar com os gestos de forma independente, focando-se na extração de caraterísticas espaço-temporais e nas variações temporais que existem entre gestos da mesma classe. Assim, como parte inicial da metodologia proposta, foram estudadas diferentes técnicas de extração de características utilizando gestos isolados, a fim de encontrar descritores de movimento e pose com um bom desempenho e tempo de processamento.