Aprendizado de Máquina Aplicado ao Reconhecimento Gestual Utilizando Tensores

Resumo

O rápido desenvolvimento tecnológico utilizando técnicas de aprendizado de máquina permitiu a utilização de alguns tipos de tecnologias por Pessoas com Deficiência (PcDs). O conjunto desse tipo de tecnologia, que incluem as que utilizam aprendizado de máquina, se denominam Tecnologias Assistivas (TAs), elas permitem uma maior inclusão social para as PcD, além de proporcionar comodidade e lazer para as mesmas. Diante disso, a especialidade de reconhecimento gestual possui grande importância para atenuar os efeitos sofridos por parte das PcDs que possuem determinadas condições limitantes. O reconhecimento gestual permite uma vasta gama de aplicações, desde o seu uso na linguagem de libras, o auxílio de pessoas com limitações nos membros superiores utilizando interação homem-máquina, o qual este trabalho se volta. Essa interação permite, entre outras vantagens, a utilização de computadores, smartphones, softwares e hardwares que antes não seriam possíveis. Neste trabalho, o reconhecimento gestual se dá por meio de reconhecimento de padrões, ou seja, utilizando classificadores. Além disso, são utilizados sensores que possuem vários canais de comunicação, tal característica permite uma maior abrangência espacial e possibilidade de distinção de movimentos de mão. Entretanto, a quantidade de sensores e canais de comunicação põe em cheque a utilização de técnicas clássicas de classificação, pois é necessário desfazer a estrutura dos dados para que o classificador trabalhe de forma plena. Neste trabalho, é feita uma análise dos dados utilizando sua estrutura original, em forma de tensor, onde é feita uma tentativa de preservar sua estrutura e classificá-lo, a análise é feita utilizado o classificador de Máquina de Vetor de Suporte (SVM) em sua versão dual-tensorial, assim, preservando sua estrutura ao utilizar técnicas de decomposição tensorial, permitindo o uso de Kernels, as quais podem permitir uma maior acurácia e evitando o mal da dimensionalidade.