Reconhecimento de gestos de membros superiores utilizando sensores de movimento e fotopletismografia

Rylo, Marcos Negreiros

Reconhecimento de gestos de membros superiores utilizando sensores de movimento e fotopletismografia

dc.contributor.advisor-co1	Medeiros, Renan Landau Paiva
dc.contributor.advisor-co1Lattes	http://lattes.cnpq.br/8081923559538095	eng
dc.contributor.advisor1	Lucena Junior, Vicente Ferreira
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/6820830740393500	eng
dc.contributor.referee1	Bessa, Iury Valente
dc.contributor.referee1Lattes	http://lattes.cnpq.br/7433480638156752	eng
dc.contributor.referee2	Rocha, Thiago de Souza
dc.contributor.referee2Lattes	http://lattes.cnpq.br/2541078732974933	eng
dc.creator	Rylo, Marcos Negreiros
dc.creator.Lattes	http://lattes.cnpq.br/0695393115895978	eng
dc.date.issued	2023-04-28
dc.description.abstract	This project aims to evaluate machine learning techniques using low frequency photoplethysmog raphy coupled with motion sensors from wearable devices, such as smart watches, in recognizing wrist and finger gestures. After gesture segmentation based on the identification of motion artifacts in the photoplethysmography (PPG) signal, classification models using Support Vector Machines, Random Forests and XgBoost were trained using statistical attributes extracted from PPG signals and motion sensors. The project indicates that frequencies of 25 Hz are suitable for the recognition process, achieving results of up to 82% accuracy and 82% recall.	eng
dc.description.resumo	Este trabalho visa avaliar as técnicas de aprendizagem de máquinas usando fotopletismografia de baixa frequência associada a sensores de movimento de dispositivos vestíveis, tais como relógios inteligentes, no reconhecimento de gestos do pulso e dos dedos. Após a segmentação dos gestos baseado na identificação de artefatos de movimento no sinal de fotopletismografia (PPG), modelos de classificação utilizando Máquinas de Vetores de Suporte, Florestas Aleatórias e XgBoost foram treinados utilizando atributos estatísticas extraídas de sinais PPG e sensores de movimento. O projeto aponta que frequências de 25 Hz são adequadas para o processo de reconhecimento, alcançando resultados de até 82% precisão e 82% de revocação.	eng
dc.format	application/pdf	*
dc.identifier.citation	RYLO, Marcos Negreiros. Reconhecimento de gestos de membros superiores utilizando sensores de movimento e fotopletismografia. 2023. 87 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus (AM), 2023.	eng
dc.identifier.uri	https://tede.ufam.edu.br/handle/tede/9571
dc.language	por	eng
dc.publisher	Universidade Federal do Amazonas	eng
dc.publisher.country	Brasil	eng
dc.publisher.department	Instituto de Ciências Exatas	eng
dc.publisher.initials	UFAM	eng
dc.publisher.program	Programa de Pós-graduação em Agronomia Tropical	eng
dc.rights	Acesso Aberto
dc.rights.uri	http://creativecommons.org/licenses/by/4.0/
dc.subject	Aprendizado do computador	por
dc.subject	Inteligência artificial	por
dc.subject	Eletrônica industrial	por
dc.subject.cnpq	ENGENHARIAS: ENGENHARIA ELETRICA: ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS	eng
dc.subject.user	Fotopletismografia	por
dc.subject.user	Dispositivos vestíveis	por
dc.subject.user	Reconhecimento de gestos	por
dc.subject.user	Aprendizado de máquina	por
dc.thumbnail.url	https://tede.ufam.edu.br/retrieve/67925/DISS_MArcosRylo_PPGEE.pdf.jpg	*
dc.title	Reconhecimento de gestos de membros superiores utilizando sensores de movimento e fotopletismografia	eng
dc.type	Dissertação	eng