???jsp.display-item.social.title??? |
|
Please use this identifier to cite or link to this item:
https://tede.ufam.edu.br/handle/tede/9571
???metadata.dc.type???: | Dissertação |
Title: | Reconhecimento de gestos de membros superiores utilizando sensores de movimento e fotopletismografia |
???metadata.dc.creator???: | Rylo, Marcos Negreiros |
???metadata.dc.contributor.advisor1???: | Lucena Junior, Vicente Ferreira |
First advisor-co: | Medeiros, Renan Landau Paiva |
???metadata.dc.contributor.referee1???: | Bessa, Iury Valente |
???metadata.dc.contributor.referee2???: | Rocha, Thiago de Souza |
???metadata.dc.description.resumo???: | Este trabalho visa avaliar as técnicas de aprendizagem de máquinas usando fotopletismografia de baixa frequência associada a sensores de movimento de dispositivos vestíveis, tais como relógios inteligentes, no reconhecimento de gestos do pulso e dos dedos. Após a segmentação dos gestos baseado na identificação de artefatos de movimento no sinal de fotopletismografia (PPG), modelos de classificação utilizando Máquinas de Vetores de Suporte, Florestas Aleatórias e XgBoost foram treinados utilizando atributos estatísticas extraídas de sinais PPG e sensores de movimento. O projeto aponta que frequências de 25 Hz são adequadas para o processo de reconhecimento, alcançando resultados de até 82% precisão e 82% de revocação. |
Abstract: | This project aims to evaluate machine learning techniques using low frequency photoplethysmog raphy coupled with motion sensors from wearable devices, such as smart watches, in recognizing wrist and finger gestures. After gesture segmentation based on the identification of motion artifacts in the photoplethysmography (PPG) signal, classification models using Support Vector Machines, Random Forests and XgBoost were trained using statistical attributes extracted from PPG signals and motion sensors. The project indicates that frequencies of 25 Hz are suitable for the recognition process, achieving results of up to 82% accuracy and 82% recall. |
Keywords: | Aprendizado do computador Inteligência artificial Eletrônica industrial |
???metadata.dc.subject.cnpq???: | ENGENHARIAS: ENGENHARIA ELETRICA: ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS |
???metadata.dc.subject.user???: | Fotopletismografia Dispositivos vestíveis Reconhecimento de gestos Aprendizado de máquina |
Language: | por |
???metadata.dc.publisher.country???: | Brasil |
Publisher: | Universidade Federal do Amazonas |
???metadata.dc.publisher.initials???: | UFAM |
???metadata.dc.publisher.department???: | Instituto de Ciências Exatas |
???metadata.dc.publisher.program???: | Programa de Pós-graduação em Agronomia Tropical |
Citation: | RYLO, Marcos Negreiros. Reconhecimento de gestos de membros superiores utilizando sensores de movimento e fotopletismografia. 2023. 87 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus (AM), 2023. |
???metadata.dc.rights???: | Acesso Aberto |
???metadata.dc.rights.uri???: | http://creativecommons.org/licenses/by/4.0/ |
URI: | https://tede.ufam.edu.br/handle/tede/9571 |
Issue Date: | 28-Apr-2023 |
Appears in Collections: | Mestrado em Engenharia Elétrica |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
DISS_MArcosRylo_PPGEE.pdf | 2.32 MB | Adobe PDF | Download/Open Preview |
This item is licensed under a Creative Commons License