Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/8549Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Arriaga Santos, Luis Paul | - |
| dc.creator | Arriaga Santos, Luis Paul%1144314 | - |
| dc.date.accessioned | 2024-11-20T23:29:37Z | - |
| dc.date.available | 2024-11-20T23:29:37Z | - |
| dc.date.issued | 2024-07-02 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/8549 | - |
| dc.description | La estimación de la pose humana brinda una rama de exploración distinta a las utilizadas para el reconocimiento de actividades humanas (HAR, por sus siglas en inglés), los enfoques principalmente utilizados son basados en el uso de sensores con placas de desarrollo, dispositivos inteligentes o a través del procesamiento de imágenes. En este trabajo se propone implementar un modelo de estimación de la pose y otro de clasificación capaces de localizar y clasificar un conjunto de poses humanas a través de puntos característicos del cuerpo humano. Para determinar el modelo de estimación de la pose humana (HPE) a utilizar se realizó la comparativa entre cuatro modelos de estimación de la pose disponibles en la literatura, OpenPose, HRNet, YoloPose y BlazePose. Esto con ayuda de Open MMPose para la evaluación de los modelos en dos conjuntos de datos CrowdPose y OcHuman. La experimentación para seleccionar un modelo de clasificación de los puntos característicos se realizó en dos conjuntos de datos para la etapa de clasificación, uno de origen propio, así como un conjunto de datos reportado en la literatura; se evaluaron los algoritmos de random forest, logistic regression, ridge classifier y gradient boosting classifier con las métricas de exactitud, precisión y sensibilidad. Los resultados muestran que la metodología seguida brinda excelentes resultados para la construcción de un sistema capaz de estimar y clasificar la pose huma aun con la presencia de oclusiones parciales. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | HAR, Open MMPose, CrowdPose y OcHuman | es_MX |
| dc.title | Estimación de la posición del cuerpo humano en secuencia de imágenes | es_MX |
| dc.type | info:eu-repo/semantics/masterThesis | es_MX |
| dc.contributor.director | Pinto Elias, Raul%16149 | - |
| dc.folio | 1456 | es_MX |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Centro Nacional de Investigación y Desarrollo Tecnológico | es_MX |
| Appears in Collections: | Tesis de Maestría en Computación | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MC_Luis_Paul_Arriaga_Santos_2024.pdf | Tesis | 2.13 MB | Adobe PDF | View/Open |
| MC_Luis_Paul_Arriaga_Santos_2024_c.pdf | Cesión de derechos | 477.98 kB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
