Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/15628
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2016_MiguelCristaldoBarreto_tcc.pdf2,06 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorEspinoza, Bruno Luiggi Macchiavello-
dc.contributor.authorBarreto, Miguel Cristaldo-
dc.identifier.citationBARRETO, Miguel Cristaldo. Rastreamento e reconhecimento de gestos manuais a partir da análise de características estruturais da imagem. 2016. 74 f., il. Monografia (Bacharelado em Engenharia da Computação)—Universidade de Brasília, Brasília, 2016.pt_BR
dc.descriptionMonografia (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2016.pt_BR
dc.description.abstractUma das áreas na computação que vem sendo amplamente pesquisada é o reconhecimento de objetos, formas e padrões em imagens e vídeos para diversos fins. Um exemplo de aplicação relativa a essa área é a autenticação de sistemas a partir da análise biométrica ou por meio do reconhecimento de faces ou de gestos. Diversos estudos têm como foco a implementação de novas soluções, sugestões de melhor utilização das técnicas já existentes ou também a combinação destas para aperfeiçoamento e melhoria da eficiência quanto ao reconhecimento de padrões. Neste contexto, este trabalho visa a apresentar uma solução específica para o reconhecimento de gestos utilizando técnicas simples, a partir da análise de características estruturais, sem o uso de roupas ou ambientes especiais que possam auxiliar o alcance dos resultados esperados, nem do aprendizado prévio de máquinas ou utilização de funções automatizadas já fornecidas por ferramentas existentes. Para o alcance deste objetivo, também se faz necessário desenvolver técnicas para realizar a segmentação da região de interesse – no caso deste projeto, a cor de pele –, identificação da região da mão na imagem e o acompanhamento de sua trajetória na sequência de imagens. Todos esses processos serão aqui abordados e discutidos, além da integração das partes para a aplicação em um contexto simplificado.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordImagens - análisept_BR
dc.subject.keywordProcessamento de imagenspt_BR
dc.subject.keywordReconhecimento de gestospt_BR
dc.titleRastreamento e reconhecimento de gestos manuais a partir da análise de características estruturais da imagempt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2017-01-10T13:21:38Z-
dc.date.available2017-01-10T13:21:38Z-
dc.date.submitted2016-07-07-
dc.identifier.urihttp://bdm.unb.br/handle/10483/15628-
dc.language.isoPortuguêspt_BR
dc.description.abstract1One of the specific areas in the context of image and video processing that have been widely researched is the recognition of objects, shapes and patterns for various purposes, and an example of application related to this specific area is the authentication systems through biometric analisys or through faces or gestures recognition. Several studies have focused on the implementation of new solutions, suggestions for better use of existing techniques or even the combination of these for improvement and better efficiency for recognition of these patterns. In this context, this paper aims to present a specific solution for gesture recognition using simple techniques as of the analisys of structural elements, without the use of clothes or special environments that can assist in achieving the expected results, nor using the previous machine learning or automated functions already provided by existing tools. To achieve this objective, it is also necessary to develop techniques to perform the segmentation of the region of interest (in this project specifically, the skin color), hand region identification in the image and its tracking. All these processes will be raised and discussed herein, as well as the integration of all the parts for use in a simple context.pt_BR
Aparece na Coleção:Engenharia da Computação



Este item está licenciado na Licença Creative Commons Creative Commons