Histograma de orientação de gradientes para poses de mão em um ambiente automotivo
Nenhuma Miniatura disponível
Citações na Scopus
Tipo de produção
Dissertação
Data
2015
Autores
Nunes, G. M.
Orientador
Aquino Junior, Plínio T.
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
NUNES, G. M. Histograma de orientação de gradientes para poses de mão em um ambiente automotivo. 2015. 62 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário da FEI, São Bernardo do Campo, 2015
Texto completo (DOI)
Palavras-chave
Gestos,Mãos,Histograma
Resumo
O reconhecimento de poses e gestos pode ser usado como um sistema de interação entre o motorista e o carro, diminuindo sua distração na hora de comandar as diversas interfaces que existem nos automóveis. Desta forma, o foco deste trabalho é estudar um descritor de objetos baseado em gradientes que seja capaz de caracterizar poses de mão e verificar qual é a melhor parametrização para um sistema automotivo. O Histogram of Oriented Gradients (HOG) foi escolhido devido a sua grande robustez para variações de luminosidade e por apresentar uma alta taxa de reconhecimento para pedestres, carros, entre outros. O estudo contribui com a criação de um banco de imagens de poses de mão em um ambiente totalmente escuro, iluminado apenas por luzes infravermelhas. Assim como a análise de 2 poses de mão distintas, descrevendo a melhor parametrização para o calculo do HOG. As poses de mão obtidas possuem variação conforme sexo, cor de pele, vestimentas (como blusas, relógios e luvas). A variação do veículo faz com que tenha-se fundos diferentes para as poses. Analisando do desempenho da variação dos parâmetros de cálculo do HOG (gama, gradiente, número de células, números de blocos e tipo de normalização) foi possível determinar que o melhor conjunto para a pose de mão aberta foi gama com valor 0.5, células de 14 x 14, cálculo do gradiente usando uma máscara 1-D centralizada [-1 0 1], normalização dos blocos usando a norma uniforme e agrupamento dos ângulos no cálculo do histograma em 6 grupos de 0 a 180 graus. Já, para o reconhecimento da pose de mão joia, têm-se gama com valor de 1, células de 16 x 16, cálculo do gradiente usando uma máscara 1-D centralizada [-1 0 1], normalização dos blocos usando a norma L1 e agrupamento dos ângulos no cálculo do histograma em 18 grupos de 0 a 360 graus
Poses recognition poses and gestures can be used as a system of interaction between the car and the driver, reducing its distraction in order to command the various interfaces that exist in automobiles. Thus, the focus of this research is to study a descriptor of objects based on gradients capable of characterizing hand poses and find what is the best group of paramenters for an automotive system. The Histogram of Oriented Gradients (HOG) was chosen due to its high strenght to light variations and has high recognition rate dor pedestrians , cars, among others. The study contributes to the creation of a database of hand poses pictures in a totally dark room, lit only by infrared lights. As well as the analysis of two different nad poses, describing the best parameter for the calcuklation of HOG. The obtained hand poses have variation according to gender, skin color, and clothing (such as sweaters, watches and gloves). The variation of the vehicle makes different backgrounds. Analyzing the performance of variation HOG parameters (gamma, gradient, number of cells, number of blocks and type of normalization) was determined that the best set for the open hand pose was gamma value of 0,5, cells 14 x 14 calculating the gradient using a 1-D central mask [1 1 -1], normalization of blocks using standard norm and histogram of 6 bins of 0 to 180 degress. For the recognition of hand pose only with the thumb, gamma value 0f 1, 16 x 16 cells, calculating the gradient using a mask 1d centralized [-1 0 1], normalization of blocks using the L1 norm and grouping angles in histograms of 18 bins 0 to 360 deress.
Poses recognition poses and gestures can be used as a system of interaction between the car and the driver, reducing its distraction in order to command the various interfaces that exist in automobiles. Thus, the focus of this research is to study a descriptor of objects based on gradients capable of characterizing hand poses and find what is the best group of paramenters for an automotive system. The Histogram of Oriented Gradients (HOG) was chosen due to its high strenght to light variations and has high recognition rate dor pedestrians , cars, among others. The study contributes to the creation of a database of hand poses pictures in a totally dark room, lit only by infrared lights. As well as the analysis of two different nad poses, describing the best parameter for the calcuklation of HOG. The obtained hand poses have variation according to gender, skin color, and clothing (such as sweaters, watches and gloves). The variation of the vehicle makes different backgrounds. Analyzing the performance of variation HOG parameters (gamma, gradient, number of cells, number of blocks and type of normalization) was determined that the best set for the open hand pose was gamma value of 0,5, cells 14 x 14 calculating the gradient using a 1-D central mask [1 1 -1], normalization of blocks using standard norm and histogram of 6 bins of 0 to 180 degress. For the recognition of hand pose only with the thumb, gamma value 0f 1, 16 x 16 cells, calculating the gradient using a mask 1d centralized [-1 0 1], normalization of blocks using the L1 norm and grouping angles in histograms of 18 bins 0 to 360 deress.