Suscríbete al boletín semanal

Recibe cada semana los contenidos más relevantes de la actualidad científica.

Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones
Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones

Máquinas ‘inteligentes’ reconocen gestos humanos en imágenes grabadas

Una tecnología, diseñada por científicos de la Universidad Rey Juan Carlos, es capaz de reconocer actividades y gestos humanos en imágenes grabadas. El desarrollo se podrá aplicar para detectar actidades sospechosas en los sistemas automáticos de videovigilancia y en el reconocimiento de las acciones de una persona en un videojuego.

El sistema reconoce de manera automática actividades humanas y gestos de la mano, como atrapar, en imágenes grabadas con cámaras de profundidad. /

Un equipo de la Universidad Rey Juan Carlos (URJC) ha desarrollado un sistema que reconoce de manera automática actividades humanas y gestos de la mano, como atrapar, en imágenes grabadas con cámaras de profundidad.

Los resultados obtenidos, publicados en la revista Pattern Recognition, son un paso más para conseguir que las máquinas entiendan mejor el comportamiento humano. “Las grabaciones, realizadas con cámaras tipo Kinect de Microsoft, nos proporcionan información 3D de la posición de las articulaciones de nuestro esqueleto”, explica Juan Carlos Nuñez, uno de los autores del estudio.

Esta nueva tecnología puede encontrar múltiples aplicaciones en a detección de actividades sospechosas en los sistemas automáticos de videovigilancia, en el etiquetado de la actividad que realiza un atleta en un evento deportivo o en el reconocimiento de la acción que está realizando una persona en un videojuego.

Este trabajo forma parte de una línea de investigación en la que colaboran científicos de los grupos GAVAB (Grupo de Algoritmia aplicada a la Visión Artificial y Biometría) y CAPO (Computación de Altas Prestaciones y Optimización) de la URJC. Los avances logrados superan en algunos casos métodos ya existentes, alcanzando tasas de éxito que se aproximan al 100%. “Hemos realizado experimentos sobre las principales bases de prueba disponibles públicamente, como MSR Action3D, o UTKinect-Action3D, obteniendo un 95,7 y un 99% de acierto, respectivamente”, señala Nuñez.

El desarrollo se podrá aplicar para detectar acividades sospechosas en los sistemas automáticos de videovigilancia

Modelos matemáticos para emular redes neuronales

Las herramientas empleadas para el diseño de esta nueva tecnología se basan en el uso de redes de neuronas artificiales. Estos sistemas consisten en modelos matemáticos que simulan algunos comportamientos de las redes neuronales biológicas como, por ejemplo, su capacidad de aprendizaje.

Según el investigador, “con los recientes avances en las técnicas de aprendizaje sobre redes neuronales artificiales, se ha conseguido crear redes profundas, que constan de muchas capas de neuronas apiladas. Además, por su gran capacidad, están siendo aplicadas con mucho éxito a multitud de problemas que clásicamente se consideraban difíciles, como reconocer objetos en fotografías o reconocer el habla”.

El trabajo realizado por los investigadores de la URJC también presenta una nueva estrategia de aumentado de datos, que les ha permitido extender el limitado número de ejemplos disponibles para el proceso de aprendizaje de la red. “Esta estrategia ha sido fundamental, debido a que las redes neuronales profundas requieren de una gran cantidad de ejemplos para aprender”, explican los autores de artículo.

El estudio se enmarca en varios proyectos, dentro de las convocatorias del Plan Nacional de I+D+i, y cuenta con financiación del programa para la excelencia en la investigación del Banco Santander y la URJC para el grupo Computer Vision and Image Processing (CVIP).

Referencia bibliográfica

Juan C. Núñez, Raúl Cabido, Juan J. Pantrigo, Antonio S. Montemayor, José F.Vélez. "Convolutional Neural Networks and Long Short-Term Memory for skeleton-based human activity and hand gesture recognition". Pattern Recognition, Vol.76 (abril 2018), pags 80-94 https://doi.org/10.1016/j.patcog.2017.10.033

Fuente: URJC
Derechos: Creative Commons
Artículos relacionados
Nuevo microscopio cuántico para muestras fotosensibles

Investigadores del ICFO y otros centros internacionales han fabricado un microscopio que utiliza luz cuántica, con entrelazamiento de fotones, para obtener mejores imágenes de muestras demasiado sensibles a la luz habitual. La técnica se ha probado con éxito para observar proteínas.

Un modelo computacional señala que la carga de trabajo es el factor que más estrés genera en los trabajadores

Investigadores de la Universidad Politécnica de Madrid han desarrollado un sistema de simulación basado en agentes que permite calcular el nivel de estrés en el lugar de trabajo para diseñar las políticas más adecuadas. Los resultados muestran que, por encima de las condiciones ambientales o de la relación con otros trabajadores, la carga laboral es el elemento que tiene una mayor influencia.