C0NTR0LL: sistema de reconhecimento de gestos e gerenciamento de ações em jogos digitais
dc.contributor.advisor | Dantas, Rummenigge Rudson | |
dc.contributor.advisorLattes | http://lattes.cnpq.br/1868960602254610 | pt_BR |
dc.contributor.author | Santos, André Vieira dos | |
dc.contributor.authorLattes | http://lattes.cnpq.br/6441812633237365 | pt_BR |
dc.contributor.referees1 | Rodrigues, Anna Giselle Câmara Dantas Ribeiro | |
dc.contributor.referees1Lattes | http://lattes.cnpq.br/4440595486888973 | pt_BR |
dc.contributor.referees2 | Azevedo, Samuel Oliveira de | |
dc.contributor.referees2Lattes | http://lattes.cnpq.br/5451585203972378 | pt_BR |
dc.date.accessioned | 2021-10-08T23:11:01Z | |
dc.date.available | 2021-10-08T23:11:01Z | |
dc.date.issued | 2021-07-29 | |
dc.description.abstract | In the last decade, as machine learning techniques and input devices for capturing and estimating gestures and poses have evolved significantly, providing a new form of interaction between man-machines and promoting virtual environments as a recovery treatment through telerehabilitation. In order to assess what is available for the context of telerehabilitation with digital games, a systematic review is presented with the main control systems and devices in the research area. Despite the many therapeutic advantages and benefits of this new paradigm, it is important to centralize the estimation and classification of the complete pose in a single environment, ensuring a safe, useful, scalable and ergonomic tool. This work proposes to address all these points, through the C0NTR0LL motor telerehabilitation system. System scalability is handled by implementing a modular architecture. The safety and effectiveness of the tool are guaranteed by an artificial intelligence module that assesses the quality of movements created by rehabilitation professionals and performed by the user. The usability of the system is evaluated by a method of content validity and the usability scale of the system. The validation of the questionnaires is evaluated using Cronbach’s Alpha coefficient. The results show that a centralization of poses of the system is able to assess the accuracy of human movement both for model training and for application in rehabilitation preparation. | pt_BR |
dc.description.resumo | Na última década as técnicas de aprendizado de máquina e os dispositivos de entrada para captura e estimação de gestos e poses evoluíram significativamente, proporcionando uma nova forma de interação entre homem-máquina e promovendo ambientes virtuais como tratamentos de reabilitação através da telereabilitação. Afim de avaliar o que há de disponível para o contexto de telereabilitação com jogos digitais, uma revisão sistemática é apresentada com os principais sistemas e dispositivos de controle da área de pesquisa. Apesar das diversas vantagens terapêuticas e econômicas desse novo paradigma, é importante centralizar a estimação e classificação da pose completa em um único ambiente, garantindo uma ferramenta segura, útil, escalável e ergonômica. Este trabalho se propõe a abordar todos esses pontos, por meio do sistema C0NTR0LL de telereabilitação motora. A escalabilidade do sistema são tratadas pela implementação de uma arquitetura modular. A segurança e eficácia da ferramenta são garantidas por um módulo de inteligência artificial que avalia a qualidade dos movimentos criados pelos profissionais de reabilitação e realizados pelo usuário. A usabilidade do sistema é avaliada por um método de validade de conteúdo e da escala de usabilidade do sistema. A validade dos questionários é avaliada através do coeficiente de Alpha do Cronbach. Os resultados mostram que a centralização de poses do sistema é capaz de avaliar adequadamente a exatidão do movimento humano tanto para treinamento de modelos quanto para aplicação em sessões de reabilitação. | pt_BR |
dc.identifier.citation | SANTOS, André Vieira dos. C0NTR0LL: sistema de reconhecimento de gestos e gerenciamento de ações em jogos digitais. 2021. 103f. Dissertação (Mestrado Profissional em Tecnologia da Informação) - Instituto Metrópole Digital, Universidade Federal do Rio Grande do Norte, Natal, 2021. | pt_BR |
dc.identifier.uri | https://repositorio.ufrn.br/handle/123456789/43770 | |
dc.language | pt_BR | pt_BR |
dc.publisher | Universidade Federal do Rio Grande do Norte | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.initials | UFRN | pt_BR |
dc.publisher.program | PROGRAMA DE PÓS-GRADUAÇÃO EM TECNOLOGIA DA INFORMAÇÃO | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Estimação de pose | pt_BR |
dc.subject | Jogos digitais | pt_BR |
dc.subject | Reabilitação virtual | pt_BR |
dc.subject | Aprendizado de máquina | pt_BR |
dc.title | C0NTR0LL: sistema de reconhecimento de gestos e gerenciamento de ações em jogos digitais | pt_BR |
dc.title.alternative | C0NTR0LL: gesture recognition and action management system in digital games | pt_BR |
dc.type | masterThesis | pt_BR |
Arquivos
Pacote Original
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- C0NTR0LLsistemareconhecimento_Santos_2021.pdf
- Tamanho:
- 2.96 MB
- Formato:
- Adobe Portable Document Format
Nenhuma Miniatura disponível