Distinguir gestos de la mano y acciones como sentarse, saltar o aplaudir ya no será tan difícil para las máquinas gracias a un nuevo sistema desarrollado por investigadores de la Universidad Rey Juan Carlos (URJC). Gracias a imágenes grabadas con cámaras de profundidad, son un paso más para conseguir que las máquinas entiendan mejor el comportamiento humano. El estudio ha sido publicado en la revista científica Pattern Recognition.
Juan Carlos Nuñez, uno de los autores del estudio, ha explicado que “las grabaciones, realizadas con cámaras tipo Kinect de Microsoft, nos proporcionan información 3D de la posición de las articulaciones de nuestro esqueleto”. En este sentido, los investigadores han señalado que la detección de actividades sospechosas en los sistemas automáticos de videovigilancia, el etiquetado de la actividad que realiza un atleta en un evento deportivo o el reconocimiento de la acción que está realizando una persona en un videojuego son algunas de las aplicaciones que podría tener esta nueva tecnología.
Para desarrollarla se han empleado herramientas basadas en el uso de redes de neuronas artificiales. Se trata de sistemas que usan modelos matemáticos que simulan algunos comportamientos de las redes neuronales biológicas como, por ejemplo, su capacidad de aprendizaje. Según ha destacado Núñez, “con los recientes avances en las técnicas de aprendizaje sobre redes neuronales artificiales, se ha conseguido crear redes profundas, que constan de muchas capas de neuronas apiladas. Además, por su gran capacidad de aprendizaje, están siendo aplicadas con mucho éxito a multitud de problemas que clásicamente se consideraban difíciles, como reconocer objetos en fotografías o reconocer el habla”.
AUMENTADO DE DATOS
Esta investigación, han señalado los investigadores, también presenta una nueva estrategia de aumentado de datos que ha permitido extender el limitado número de ejemplos disponibles para el proceso de aprendizaje de la red. Una estrategia a su juicio “fundamental, debido a que las redes neuronales profundas requieren de una gran cantidad de ejemplos para aprender”.
