Reconocimiento de gestos estáticos de la mano usando Mediapipe y KNN para interfaces hombre–maquina.
El reconocimiento de gestos de mano es clave en la interacción humano–computadora, desde interfaces táctiles hasta no táctiles. Este trabajo presenta un sistema estático de reconocimiento de gestos con cámara web basado en MediaPipe Hands para la extracción automática de 21 landmarks y un clasificad...
Saved in:
| 主要作者: | |
|---|---|
| 其他作者: | , |
| 格式: | article |
| 語言: | spa |
| 出版: |
2025
|
| 主題: | |
| 在線閱讀: | https://bibdigital.epn.edu.ec/handle/15000/27133 |
| 標簽: |
添加標簽
沒有標簽, 成為第一個標記此記錄!
|
添加標簽 | 總結: | El reconocimiento de gestos de mano es clave en la interacción humano–computadora, desde interfaces táctiles hasta no táctiles. Este trabajo presenta un sistema estático de reconocimiento de gestos con cámara web basado en MediaPipe Hands para la extracción automática de 21 landmarks y un clasificador k-vecinos más cercanos (KNN). Las coordenadas normalizadas (x, y, z) se emplean como vectores de entrada y los datos se almacenan en archivos.npy. El modelo se entrena en scikit-learn y se serializa con Joblib. El sistema funciona en tiempo real en hardware convencional sin GPU, con baja latencia. Evaluamos dos escenarios: (A) 5 clases con ≈ ⟨muestras A⟩ muestras/clase, y (B) 26 clases (alfabeto) con ≈ ⟨muestras B⟩ muestras/clase, obteniendo alta precisión global y buen desempeño por clase. |
|---|