Reconhecimento de gestos de membros superiores utilizando sensores de movimento e fotopletismografia

• Ano de defesa: 2023
• Autor(a) principal: Rylo, Marcos Negreiros
• Outros Autores: http://lattes.cnpq.br/0695393115895978
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Amazonas; Instituto de Ciências Exatas; Brasil; UFAM; Programa de Pós-graduação em Agronomia Tropical
• Palavras-chave em Português: Aprendizado do computador; Inteligência artificial; Eletrônica industrial; ENGENHARIAS: ENGENHARIA ELETRICA: ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS; Fotopletismografia; Dispositivos vestíveis; Reconhecimento de gestos; Aprendizado de máquina
• Link de acesso: https://tede.ufam.edu.br/handle/tede/9571

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.