Tesis "Marco de trabajo basado en aprendizaje profundo para el seguimiento y evaluación de posturas humanas"
Sustentante: David Rodríguez Hernández
Directores: Dr. Hiram Galeana Zapién, Cinvestav Unidad Tamaulipas; Dr. Edwyn Javier Aldana Bobadilla, Cinvestav Unidad Tamaulipas.
Sinodales: Dr. Iván López Arévalo, Cinvestav Unidad Tamaulipas; Dr. Hiram Galeana Zapién, Cinvestav Unidad Tamaulipas; Dr. Edwyn Javier Aldana Bobadilla, Cinvestav Unidad Tamaulipas; Dr. Carlos Lara Álvarez, CIMAT Zacatecas.
Resumen:
Este trabajo propone un marco de trabajo para el procesamiento y seguimiento de posturas humanas empleando dos aproximaciones: 1) un modelo basado en redes neuronales convolucionales que permite procesar las características de una postura en la forma de una serie de imágenes conteniendo una representación espacial (\textit{stickman}) de una persona, con el fin de asociarla a un conjunto de clases de posturas de interés definidas a priori; y 2) un modelo basado en redes neuronales recurrentes que tienen como entrada una serie de características del estado previo y actual de una postura con el fin de predecir su estado o estados subsiguientes.
Tanto el enfoque de clasificación como el de predicción de posturas humanas obtuvieron resultados prometedores que permiten vislumbrar aplicaciones futuras para el apoyo y asistencia en diferentes dominios como aquellos relacionados con la rehabilitación física (fisioterapia) o el entrenamiento deportivo.
Los enfoques propuestos están basados en dos modelos de extracción de características de la postura humana (MPII y MSCOCO), ampliamente utilizados en la literatura que permitieron extraer sistemáticamente la características de interés acerca de la postura de una persona en una imagen.