Hispanopedia Wiki
Articulo de referencia

Reconocimiento de gestos

La posición y el movimiento de la mano de un niño son detectados por un algoritmo de reconocimiento de gestos. El reconocimiento de gestos es un área de investigación y desarrol...

Hispanopedia WikiContenido en espanolLectura gratuita
La posición y el movimiento de la mano de un niño son detectados por un algoritmo de reconocimiento de gestos.

El reconocimiento de gestos es un área de investigación y desarrollo en ciencias de la computación y tecnología del lenguaje que se ocupa del reconocimiento e interpretación de los gestos humanos . Como subdisciplina de la visión por computadora , emplea algoritmos matemáticos para interpretar gestos. [ 1 ]

El reconocimiento de gestos ofrece una vía para que las computadoras comiencen a comprender e interpretar mejor el lenguaje corporal humano , algo que antes no era posible mediante texto o interfaces gráficas de usuario (GUI) sin mejoras.

Los gestos pueden originarse a partir de cualquier movimiento o estado corporal, pero comúnmente provienen del rostro o la mano . Un área de investigación en este campo es el reconocimiento de emociones a partir de expresiones faciales y gestos con las manos. Los usuarios pueden realizar gestos sencillos para controlar o interactuar con dispositivos sin tocarlos físicamente.

Se han realizado numerosos enfoques utilizando cámaras y algoritmos de visión artificial para interpretar el lenguaje de señas ; sin embargo, la identificación y el reconocimiento de la postura, la marcha, la proxémica y los comportamientos humanos también son objeto de técnicas de reconocimiento de gestos. [ 2 ]

Descripción general

El middleware suele procesar el reconocimiento de gestos y, a continuación, envía los resultados al usuario.

El reconocimiento de gestos tiene aplicaciones en áreas como:

El reconocimiento de gestos se puede realizar con técnicas de visión por computadora y procesamiento de imágenes . [ 5 ]

La literatura incluye trabajos en curso en el campo de la visión por computadora sobre la captura de gestos o posturas y movimientos humanos más generales mediante cámaras conectadas a una computadora. [ 6 ] [ 7 ] [ 8 ] [ 9 ]

El término «reconocimiento de gestos» se ha utilizado para referirse de forma más específica a símbolos de escritura a mano que no implican la introducción de texto, como la escritura en una tableta gráfica , los gestos multitáctiles y el reconocimiento de gestos del ratón . Se trata de la interacción con el ordenador mediante el dibujo de símbolos con el cursor de un dispositivo señalador. [ 10 ] [ 11 ] [ 12 ] La computación con lápiz amplía el reconocimiento de gestos digitales más allá de los dispositivos de entrada tradicionales, como teclados y ratones, y reduce el impacto del hardware en un sistema.

Tipos de gestos

En las interfaces de computadora, se distinguen dos tipos de gestos: [ 13 ] Consideramos los gestos en línea, que también pueden considerarse manipulaciones directas como escalar y rotar, y en contraste, los gestos fuera de línea generalmente se procesan después de que la interacción ha terminado; por ejemplo, se dibuja un círculo para activar un menú contextual .

  • Gestos offline: Aquellos gestos que se procesan después de la interacción del usuario con el objeto. Un ejemplo es un gesto para activar un menú.
  • Gestos en línea: Gestos de manipulación directa. Se utilizan para escalar o rotar un objeto tangible.

Interfaz sin contacto

Una interfaz de usuario sin contacto (TUI) es un tipo de tecnología emergente en la que un dispositivo se controla mediante movimientos corporales y gestos sin tocar un teclado, un ratón o una pantalla. [ 14 ]

Tipos de tecnología sin contacto

Existen diversos dispositivos que utilizan este tipo de interfaz, como teléfonos inteligentes, ordenadores portátiles, juegos, televisores y equipos de música.

Un tipo de interfaz sin contacto utiliza la conectividad Bluetooth de un teléfono inteligente para activar el sistema de gestión de visitantes de una empresa. Esto elimina la necesidad de tocar una interfaz, por comodidad o para evitar una posible fuente de contaminación, como ocurrió durante la pandemia de COVID-19 . [ 15 ]

Dispositivos de entrada

La capacidad de rastrear los movimientos de una persona y determinar qué gestos puede estar realizando se puede lograr mediante diversas herramientas. Las interfaces de usuario cinéticas (KUI) son un tipo emergente de interfaces de usuario que permiten a los usuarios interactuar con dispositivos informáticos a través del movimiento de objetos y cuerpos. [ 16 ] Ejemplos de KUI incluyen interfaces de usuario tangibles y juegos con detección de movimiento como Wii y Kinect de Microsoft , y otros proyectos interactivos. [ 17 ]

Aunque se ha realizado una gran cantidad de investigación sobre el reconocimiento de gestos basado en imágenes y vídeos, existen algunas variaciones en las herramientas y los entornos utilizados entre las diferentes implementaciones.

  • Guantes con cables . Estos pueden proporcionar información al ordenador sobre la posición y rotación de las manos mediante dispositivos de seguimiento magnéticos o inerciales. Además, algunos guantes pueden detectar la flexión de los dedos con un alto grado de precisión (5-10 grados), o incluso proporcionar retroalimentación háptica al usuario, que es una simulación del sentido del tacto. El primer dispositivo tipo guante de seguimiento de manos disponible comercialmente fue el DataGlove, [ 18 ] un dispositivo tipo guante que podía detectar la posición de la mano, el movimiento y la flexión de los dedos. Este utiliza cables de fibra óptica que recorren el dorso de la mano. Se crean pulsos de luz y, cuando los dedos se flexionan, la luz se filtra a través de pequeñas grietas y la pérdida se registra, proporcionando una aproximación de la postura de la mano.
  • Cámaras con detección de profundidad. Mediante cámaras especializadas, como las de luz estructurada o las de tiempo de vuelo , se puede generar un mapa de profundidad de lo que se ve a través de la cámara a corta distancia y utilizar estos datos para aproximar una representación 3D de lo que se observa. Estas cámaras pueden ser eficaces para la detección de gestos con las manos debido a su capacidad de corto alcance. [ 19 ]
  • Cámaras estéreo . Utilizando dos cámaras cuyas relaciones entre sí se conocen, se puede aproximar una representación 3D mediante la salida de las cámaras. Para obtener las relaciones entre las cámaras, se puede utilizar una referencia de posicionamiento como una banda Lexian o un emisor infrarrojo . [ 20 ] En combinación con la medición directa del movimiento ( visión 6D ), se pueden detectar gestos directamente.
  • Controladores basados ​​en gestos. Estos controladores actúan como una extensión del cuerpo, de modo que cuando se realizan gestos, parte de su movimiento puede ser capturado fácilmente por el software. Un ejemplo de captura de movimiento basada en gestos emergente es el seguimiento esquelético de la mano , que se está desarrollando para aplicaciones de realidad aumentada y realidad virtual . Un ejemplo de esta tecnología lo muestran las empresas de seguimiento uSens y Gestigon , que permiten a los usuarios interactuar con su entorno sin controladores. [ 21 ] [ 22 ]
  • Detección Wi-Fi [ 23 ]
  • Seguimiento de gestos del ratón , donde el movimiento del ratón se correlaciona con un símbolo dibujado por la mano de una persona que puede estudiar cambios en la aceleración a lo largo del tiempo para representar gestos. [ 24 ] [ 25 ] [ 26 ] El software también compensa el temblor humano y el movimiento involuntario. [ 27 ] [ 28 ] [ 29 ] Los sensores de estos cubos inteligentes emisores de luz pueden usarse para detectar manos y dedos, así como otros objetos cercanos, y pueden usarse para procesar datos. La mayoría de las aplicaciones están en música y síntesis de sonido, [ 30 ] pero pueden aplicarse a otros campos.
  • Cámara única . Se puede usar una cámara 2D estándar para el reconocimiento de gestos cuando los recursos o el entorno no son adecuados para otras formas de reconocimiento basadas en imágenes. Anteriormente se pensaba que una cámara única podría no ser tan efectiva como las cámaras estéreo o con detección de profundidad, pero algunas empresas están cuestionando esta teoría. Tecnología de reconocimiento de gestos basada en software que utiliza una cámara 2D estándar capaz de detectar gestos de mano robustos.

Algoritmos

Algunos métodos alternativos para rastrear y analizar gestos, y sus respectivas relaciones.

Según el tipo de datos de entrada, la interpretación de un gesto puede realizarse de diferentes maneras. Sin embargo, la mayoría de las técnicas se basan en punteros clave representados en un sistema de coordenadas 3D. A partir del movimiento relativo de estos, el gesto puede detectarse con alta precisión, dependiendo de la calidad de la entrada y del enfoque del algoritmo. [ 31 ]

Para interpretar los movimientos del cuerpo, es necesario clasificarlos según sus propiedades comunes y el mensaje que puedan expresar. Por ejemplo, en el lenguaje de señas, cada gesto representa una palabra o frase.

Algunos estudios distinguen dos enfoques diferentes en el reconocimiento de gestos: uno basado en modelos 3D y otro basado en la apariencia. [ 32 ] El método principal utiliza información 3D sobre elementos clave de las partes del cuerpo para obtener varios parámetros importantes, como la posición de la palma o los ángulos de las articulaciones. Los enfoques derivados de este, como los modelos volumétricos, han demostrado ser muy intensivos en términos de potencia computacional y requieren desarrollos tecnológicos adicionales para su implementación en el análisis en tiempo real. Por otro lado, los sistemas basados ​​en la apariencia utilizan imágenes o vídeos para la interpretación directa. Estos modelos son más fáciles de procesar, pero generalmente carecen de la generalidad necesaria para la interacción humano-computadora .

Algoritmos basados ​​en modelos 3D

Una mano real (izquierda) se interpreta como un conjunto de vértices y líneas en la versión de malla 3D (derecha), y el software utiliza su posición relativa e interacción para inferir el gesto.

El enfoque de modelado 3D puede utilizar modelos volumétricos, esqueléticos o incluso una combinación de ambos. Los enfoques volumétricos se han utilizado ampliamente en la industria de la animación por computadora y en visión artificial. Los modelos generalmente se crean a partir de superficies 3D complejas, como NURBS o mallas poligonales.

La desventaja de este método es su alto costo computacional, y aún no se han desarrollado sistemas para el análisis en tiempo real. Por el momento, un enfoque más interesante sería asignar objetos primitivos simples a las partes más importantes del cuerpo (por ejemplo, cilindros para los brazos y el cuello, esfera para la cabeza) y analizar cómo interactúan entre sí. Además, algunas estructuras abstractas como las supercuádricas y los cilindros generalizados podrían ser incluso más adecuadas para aproximar las partes del cuerpo.

Algoritmos basados ​​en el esqueleto

La versión esquelética (derecha) modela eficazmente la mano (izquierda). Esta versión tiene menos parámetros que la versión volumétrica y es más fácil de calcular, lo que la hace idónea para sistemas de análisis de gestos en tiempo real.

En lugar de utilizar un procesamiento intensivo de los modelos 3D y manejar una gran cantidad de parámetros, se puede usar una versión simplificada de los parámetros de ángulo de las articulaciones junto con las longitudes de los segmentos. Esto se conoce como representación esquelética del cuerpo, donde se calcula un esqueleto virtual de la persona y las partes del cuerpo se asignan a ciertos segmentos. El análisis se realiza utilizando la posición y orientación de estos segmentos y la relación entre cada uno de ellos (por ejemplo, el ángulo entre las articulaciones y la posición u orientación relativa).

Ventajas del uso de modelos esqueléticos:

  • Los algoritmos son más rápidos porque solo se analizan los parámetros clave.
  • Es posible realizar la coincidencia de patrones con una base de datos de plantillas.
  • El uso de puntos clave permite que el programa de detección se centre en las partes significativas del cuerpo.

Modelos basados ​​en la apariencia

Estas imágenes binarias de silueta (izquierda) o contorno (derecha) representan la entrada típica para los algoritmos basados ​​en la apariencia. Se comparan con diferentes plantillas de manos y, si coinciden, se infiere el gesto correspondiente.

Los modelos basados ​​en la apariencia ya no utilizan una representación espacial del cuerpo, sino que derivan sus parámetros directamente de imágenes o vídeos mediante una base de datos de plantillas. Algunos se basan en plantillas 2D deformables de partes del cuerpo humano, en particular las manos. Las plantillas deformables son conjuntos de puntos en el contorno de un objeto, que se utilizan como nodos de interpolación para la aproximación de dicho contorno. Una de las funciones de interpolación más sencillas es la lineal, que calcula una forma promedio a partir de conjuntos de puntos, parámetros de variabilidad de puntos y deformación externa. Estos modelos basados ​​en plantillas se utilizan principalmente para el seguimiento de manos, pero también podrían emplearse para la clasificación de gestos sencillos.

El segundo método de detección de gestos, basado en modelos de apariencia, utiliza secuencias de imágenes como plantillas. Los parámetros de este método son las propias imágenes o ciertas características derivadas de ellas. Generalmente, se utiliza una sola vista (monoscópica) o dos vistas (estereoscópicas).

Modelos basados ​​en electromiografía

La electromiografía (EMG) estudia las señales eléctricas producidas por los músculos del cuerpo. Mediante la clasificación de los datos recibidos de los músculos del brazo, es posible clasificar la acción e introducir el gesto en un software externo. [ 1 ] Los dispositivos EMG de consumo permiten métodos no invasivos, como una banda para el brazo o la pierna, y se conectan mediante Bluetooth. Por ello, la EMG presenta una ventaja sobre los métodos visuales, ya que el usuario no necesita mirar a una cámara para introducir los datos, lo que permite una mayor libertad de movimiento.

Desafíos

Existen numerosos desafíos relacionados con la precisión y la utilidad del reconocimiento de gestos y el software diseñado para implementarlo. En el caso del reconocimiento de gestos basado en imágenes, existen limitaciones en cuanto al equipo utilizado y el ruido de la imagen . Las imágenes o los vídeos pueden no estar bajo una iluminación uniforme ni grabados en la misma ubicación. Los elementos en el fondo o las características distintivas de los usuarios pueden dificultar el reconocimiento.

La variedad de implementaciones para el reconocimiento de gestos basado en imágenes también puede generar problemas con la viabilidad de la tecnología para uso general. Por ejemplo, un algoritmo calibrado para una cámara puede no funcionar con otra. El ruido de fondo también dificulta el seguimiento y el reconocimiento, especialmente cuando se producen oclusiones (parciales o totales). Además, la distancia a la cámara, así como su resolución y calidad, también provocan variaciones en la precisión del reconocimiento.

Para capturar gestos humanos mediante sensores visuales, también se requieren métodos robustos de visión artificial, por ejemplo, para el seguimiento de la mano y el reconocimiento de la postura de la mano [ 33 ] [ 34 ] [ 35 ] [ 36 ] [ 37 ] [ 38 ] [ 39 ] [ 40 ] [ 41 ] o para capturar movimientos de la cabeza, expresiones faciales o dirección de la mirada.

Aceptabilidad social

Un desafío importante para la adopción de interfaces gestuales en dispositivos móviles de consumo, como teléfonos inteligentes y relojes inteligentes, radica en las implicaciones de la aceptación social de la entrada gestual. Si bien los gestos pueden facilitar una entrada rápida y precisa en muchos ordenadores de nuevo formato, su adopción y utilidad suelen estar limitadas por factores sociales más que técnicos. Por ello, los diseñadores de métodos de entrada gestual pueden intentar equilibrar tanto las consideraciones técnicas como la disposición del usuario a realizar gestos en diferentes contextos sociales. [ 42 ] Además, los distintos dispositivos de hardware y mecanismos de detección admiten diferentes tipos de gestos reconocibles.

dispositivo móvil

Las interfaces gestuales en dispositivos móviles y de formato pequeño suelen estar respaldadas por la presencia de sensores de movimiento como las unidades de medición inercial (IMU). En estos dispositivos, la detección de gestos depende de que los usuarios realicen gestos basados ​​en el movimiento que puedan ser reconocidos por estos sensores. Esto puede dificultar la captura de señales de gestos sutiles o de bajo movimiento, ya que pueden ser difíciles de distinguir de los movimientos naturales o el ruido. Mediante una encuesta y un estudio sobre la usabilidad de los gestos, los investigadores descubrieron que los gestos que incorporan movimientos sutiles, que parecen similares a la tecnología existente, se ven o se sienten similares a cualquier acción y son agradables tenían más probabilidades de ser aceptados por los usuarios, mientras que los gestos que parecen extraños, son incómodos de realizar, interfieren con la comunicación o implican movimientos poco comunes hacen que los usuarios tengan más probabilidades de rechazar su uso. [ 42 ] La aceptabilidad social de los gestos en dispositivos móviles depende en gran medida de la naturalidad del gesto y del contexto social.

Ordenadores corporales y portátiles

Los ordenadores portátiles suelen diferenciarse de los dispositivos móviles tradicionales en que su uso e interacción se realizan en el cuerpo del usuario. En estos contextos, las interfaces gestuales pueden volverse preferidas sobre los métodos de entrada tradicionales, ya que su pequeño tamaño hace que las pantallas táctiles o los teclados sean menos atractivos. Sin embargo, comparten muchos de los mismos obstáculos de aceptación social que los dispositivos móviles en lo que respecta a la interacción gestual. No obstante, la posibilidad de que los ordenadores portátiles se oculten a la vista o se integren en otros objetos cotidianos, como la ropa, permite que la entrada gestual imite interacciones comunes con la ropa, como ajustar el cuello de una camisa o frotarse el bolsillo delantero del pantalón. [ 43 ] [ 44 ] Una consideración importante para la interacción con ordenadores portátiles es la ubicación de la colocación del dispositivo y la interacción. Un estudio que exploró las actitudes de terceros hacia la interacción con dispositivos portátiles, realizado en Estados Unidos y Corea del Sur, encontró diferencias en la percepción del uso de ordenadores portátiles entre hombres y mujeres, en parte debido a diferentes áreas del cuerpo consideradas socialmente sensibles. [ 44 ] Otro estudio que investigó la aceptabilidad social de las interfaces proyectadas sobre el cuerpo encontró resultados similares, y ambos estudios calificaron las áreas alrededor de la cintura, la ingle y la parte superior del cuerpo (para las mujeres) como las menos aceptables, mientras que las áreas alrededor del antebrazo y la muñeca fueron las más aceptables. [ 45 ]

Instalaciones públicas

Las instalaciones públicas , como las pantallas públicas interactivas, permiten el acceso a la información y muestran medios interactivos en entornos públicos como museos, galerías y teatros. [ 46 ] Si bien las pantallas táctiles son una forma frecuente de entrada para las pantallas públicas, las interfaces gestuales ofrecen beneficios adicionales como una mejor higiene, interacción a distancia y mayor facilidad de descubrimiento, y pueden favorecer la interacción performativa. [ 43 ] Una consideración importante para la interacción gestual con pantallas públicas es la alta probabilidad o expectativa de una audiencia de espectadores. [ 46 ]

Fatiga

La fatiga en los brazos era un efecto secundario del uso de pantallas táctiles o lápices ópticos orientados verticalmente. Tras un uso prolongado, los brazos de los usuarios comenzaban a sentirse fatigados o incómodos. Este efecto contribuyó al declive de la entrada táctil a pesar de su popularidad inicial en la década de 1980. [ 47 ] [ 48 ]

Para medir el efecto secundario de la fatiga del brazo, los investigadores desarrollaron una técnica llamada Resistencia Consumida. [ 49 ] [ 50 ]

Véase también

Referencias

  1. 1 2 Kobylarz, Jhonatan; Bird, Jordan J.; Faria, Diego R.; Ribeiro, Eduardo Parente; Ekárt, Anikó (2020-03-07). "Pulgar arriba, pulgar abajo: interacción humano-robot no verbal a través de la clasificación EMG en tiempo real mediante aprendizaje por transferencia transductivo inductivo y supervisado" (PDF) . Journal of Ambient Intelligence and Humanized Computing . 11 (12). Springer Science and Business Media LLC: 6021– 6031. doi : 10.1007/s12652-020-01852-z . ISSN 1868-5137 . 
  2. ↑ Matthias Rehm, Nikolaus Bee, Elisabeth André, Saluda como un egipcio: reconocimiento de gestos basado en acelerómetros para interacciones culturales específicas , British Computer Society, 2007
  3. ↑ "Informe sobre el panorama de patentes: Reconocimiento de gestos con las manos PatSeer Pro" . PatSeer . Archivado del original el 24 de marzo de 2023. Consultado el 2 de noviembre de 2017 .{{cite news}}: CS1 maint: bot: estado de la URL original desconocido ( enlace )
  4. ↑ Chai, Xiujuan, et al. " Reconocimiento y traducción del lenguaje de señas con Kinect. Archivado el 10 de enero de 2021 en Wayback Machine ". Conferencia IEEE sobre AFGR. Vol. 655. 2013.
  5. ↑ Sultana A, Rajapuspha T (2012), "Reconocimiento de gestos basado en visión para gestos manuales alfabéticos utilizando el clasificador SVM" , International Journal of Computer Science & Engineering Technology (IJCSET), 2012
  6. ↑ Pavlovic, V., Sharma, R. y Huang, T. (1997), "Interpretación visual de gestos de la mano para la interacción humano-computadora: una revisión" , IEEE Transactions on Pattern Analysis and Machine Intelligence, julio de 1997, vol. 19(7), págs. 677-695.
  7. ↑ R. Cipolla y A. Pentland, Visión por computadora para la interacción humano-máquina , Cambridge University Press, 1998, ISBN 978-0-521-62253-0
  8. ↑ Ying Wu y Thomas S. Huang, "Reconocimiento de gestos basado en la visión: una revisión" Archivado el 25 de agosto de 2011 en Wayback Machine , En: Comunicación basada en gestos en la interacción persona-ordenador, Volumen 1739 de Springer Lecture Notes in Computer Science, páginas 103-115, 1999, ISBN 978-3-540-66935-7, doi : 10.1007/3-540-46616-9
  9. ↑ Alejandro Jaimes y Nicu Sebe, Interacción multimodal humano-computadora: una revisión. Archivado el 6 de junio de 2011 en Wayback Machine , Computer Vision and Image Understanding, Volumen 108, Números 1-2, octubre-noviembre de 2007, Páginas 116-134. Número especial sobre Visión para la Interacción Humano-Computadora, doi : 10.1016/j.cviu.2006.10.019
  10. ↑ Dopertchouk, Oleg; "Reconocimiento de gestos de escritura a mano" , gamedev.net , 9 de enero de 2004
  11. ↑ Chen, Shijie; "Técnicas de reconocimiento de gestos en la aplicación del reconocimiento de escritura a mano" , Frontiers in Handwriting Recognition, págs. 142-147, noviembre de 2010
  12. ↑ Balaji, R; Deepu, V; Madhvanath, Sriganesh; Prabhakaran, Jayasree "Reconocimiento de gestos manuscritos para teclado gestual" Archivado el 6 de septiembre de 2008 en Wayback Machine , Laboratorios Hewlett-Packard
  13. ↑ Dietrich Kammer, Mandy Keck, Georg Freitag, Markus Wacker, Taxonomía y descripción general de los marcos multitáctiles: arquitectura, alcance y características. Archivado el 25/01/2011 en Wayback Machine.
  14. ↑ "Interfaz de usuario sin contacto. Definición de la enciclopedia de PC Magazine" . pcmag.com . Consultado el 28 de julio de 2017 .
  15. ↑ Iqbal, Muhammad Zahid; Campbell, Abraham G. (2020). "La necesidad emergente de tecnologías de interacción sin contacto" . ResearchGate . Recuperado el 30 de junio de 2021 .
  16. ↑ "(PDF) Interfaces de usuario cinéticas" .
  17. ↑ S. Benford; H. Schnadelbach; B. Koleva; B. Gaver; A. Schmidt; A. Boucher; A. Steed; R. Anastasi; C. Greenhalgh; T. Rodden; H. Gellersen (2003). "Sensible, sensato y deseable: un marco para el diseño de interfaces físicas" (PDF) . BenfordTech . CiteSeerX 10.1.1.190.2504 . Archivado del original (PDF) el 26 de enero de 2006. 
  18. ↑ Thomas G. Zimmerman, Jaron Lanier, Chuck Blanchard, Steve Bryson y Young Harvill. http://portal.acm.org . " UN DISPOSITIVO DE INTERFAZ DE GESTOS MANUALES Archivado el 2 de octubre de 2011 en Wayback Machine ." http://portal.acm.org .
  19. ↑ Yang Liu, Yunde Jia, Un método robusto de seguimiento de manos y reconocimiento de gestos para interfaces visuales portátiles y sus aplicaciones , Actas de la Tercera Conferencia Internacional sobre Imagen y Gráficos (ICIG'04), 2004
  20. ↑ Kue-Bum Lee, Jung-Hyun Kim, Kwang-Seok Hong, Implementación de una interfaz de juego multimodal basada en PDAs , Quinta Conferencia Internacional sobre Investigación, Gestión y Aplicaciones de Ingeniería de Software, 2007
  21. ↑ "Gestigon Gesture Tracking - TechCrunch Disrupt" . TechCrunch . Consultado el 11 de octubre de 2016 .
  22. ↑ Matney, Lucas (29 de agosto de 2016). "uSens muestra nuevos sensores de seguimiento que buscan brindar experiencias más enriquecedoras para la realidad virtual móvil" . TechCrunch . Consultado el 29 de agosto de 2016 .
  23. ↑ Khalili, Abdullah; Soliman, Abdel-Hamid; Asaduzzaman, Md; Griffiths, Alison (marzo de 2020). "Detección Wi-Fi: aplicaciones y desafíos" . The Journal of Engineering . 2020 (3): 87–97 . arXiv : 1901.00715 . doi : 10.1049/joe.2019.0790 . ISSN 2051-3305 . 
  24. ↑ Per Malmestig, Sofie Sundberg, SignWiiver – implementación de tecnología de lenguaje de señas. Archivado el 25/12/2008 en Wayback Machine.
  25. ↑ Thomas Schlomer, Benjamin Poppinga, Niels Henze, Susanne Boll, Reconocimiento de gestos con un mando de Wii. Archivado el 27/07/2013 en Wayback Machine . Actas de la 2.ª Conferencia Internacional sobre Interacción Tangible e Integrada, 2008.
  26. ↑ AiLive Inc., Libro Blanco de LiveMove Archivado el 13/07/2007 en Wayback Machine , 2006
  27. ↑ Diseño electrónico, 8 de septiembre de 2011. William Wong. La interfaz de usuario natural emplea la integración de sensores.
  28. ↑ Cable & Satellite International , septiembre/octubre de 2011. Stephen Cousins. Una vista a una emoción. Archivado el 19 de enero de 2012 en Wayback Machine.
  29. ↑ TechJournal South , 7 de enero de 2008. Hillcrest Labs consigue una ronda de financiación de 25 millones de dólares.
  30. ↑ Blog de Percussa AudioCubes, 4 de octubre de 2012. Control gestual en la síntesis de sonido. Archivado el 10 de septiembre de 2015 en Wayback Machine.
  31. ↑ Mamtaz Alam; Dileep Kumar Tiwari (2016). "Reconocimiento de gestos y sus aplicaciones" . ResearchGate . doi : 10.13140/RG.2.2.28139.54563 .
  32. ↑ Vladimir I. Pavlovic, Rajeev Sharma, Thomas S. Huang, Interpretación visual de gestos manuales para la interacción persona-ordenador ; una revisión, IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997
  33. ↑ Ivan Laptev y Tony Lindeberg, «Seguimiento de modelos de manos multiestado mediante filtrado de partículas y una jerarquía de características de imagen multiescala» , Actas de Scale-Space and Morphology in Computer Vision, volumen 2106 de Springer Lecture Notes in Computer Science, páginas 63-74, Vancouver, BC, 1999. ISBN 978-3-540-42317-1, doi : 10.1007/3-540-47778-0
  34. ↑ von Hardenberg, Christian; Bérard, François (2001). "Interacción humano-computadora sin contacto". Actas del taller de 2001 sobre interfaces de usuario perceptivas . Serie de actas de conferencias internacionales de la ACM. Vol. 15 archivo. Orlando, Florida. pp. 1– 8. CiteSeerX 10.1.1.23.4541 .   
  35. ↑ Lars Bretzner, Ivan Laptev, Tony Lindeberg «Reconocimiento de gestos manuales mediante características de color multiescala, modelos jerárquicos y filtrado de partículas» , Actas de la Quinta Conferencia Internacional IEEE sobre Reconocimiento Automático de Rostros y Gestos, Washington, DC, EE. UU., 21 de mayo de 2002, páginas 423-428. ISBN 0-7695-1602-5, doi : 10.1109/AFGR.2002.1004190
  36. ↑ Domitilla Del Vecchio , Richard M. Murray Pietro Perona, "Descomposición del movimiento humano en primitivas basadas en la dinámica con aplicación a tareas de dibujo" Archivado el 2 de febrero de 2010 en Wayback Machine , Automatica Volumen 39, Número 12, diciembre de 2003, Páginas 2085–2098, doi : 10.1016/S0005-1098(03)00250-4 .
  37. ↑ Thomas B. Moeslund y Lau Nørgaard, "Una breve descripción general de los gestos de las manos utilizados en las interfaces hombre-máquina portátiles" Archivado el 19 de julio de 2011 en Wayback Machine , Informe técnico: CVMT 03-02, ISSN 1601-3646 , Laboratorio de Visión por Computadora y Tecnología de Medios, Universidad de Aalborg, Dinamarca. 
  38. ↑ M. Kolsch y M. Turk "Seguimiento rápido de manos en 2D con conjuntos de características e integración de múltiples señales" Archivado el 21 de agosto de 2008 en Wayback Machine , CVPRW '04. Actas del Taller de Visión por Computadora y Reconocimiento de Patrones, del 27 de mayo al 2 de junio de 2004, doi : 10.1109/CVPR.2004.71
  39. ↑ Xia Liu Fujimura, K., "Reconocimiento de gestos de la mano mediante datos de profundidad", Actas de la Sexta Conferencia Internacional IEEE sobre Reconocimiento Automático de Rostros y Gestos, 17-19 de mayo de 2004, páginas 529-534, ISBN 0-7695-2122-3, doi : 10.1109/AFGR.2004.1301587 .
  40. ↑ Stenger B, Thayananthan A, Torr PH, Cipolla R: "Seguimiento de manos basado en modelos mediante un filtro bayesiano jerárquico" , IEEE Transactions on Pattern Analysis and Machine Intelligence, 28(9):1372-84, septiembre de 2006.
  41. ↑ A Erol, G Bebis, M Nicolescu, RD Boyle, X Twombly, "Estimación de la pose de la mano basada en la visión: una revisión" , Computer Vision and Image Understanding Volumen 108, números 1-2, octubre-noviembre de 2007, páginas 52-73 Número especial sobre visión para la interacción persona-ordenador, doi : 10.1016/j.cviu.2006.10.012 .
  42. 1 2 Rico, Julie; Brewster, Stephen (2010). «Gestos utilizables para interfaces móviles». Actas de la Conferencia SIGCHI sobre Factores Humanos en Sistemas Informáticos . CHI '10. Nueva York, NY, EE. UU.: ACM. págs. 887–896 . doi : 10.1145/1753326.1753458 . ISBN  9781605589299. S2CID 16118067 . 
  43. 1 2 Walter, Robert; Bailly, Gilles; Müller, Jörg (2013). "StrikeAPose" . Actas de la Conferencia SIGCHI sobre Factores Humanos en Sistemas Informáticos . Nueva York, Nueva York, EE. UU.: ACM Press. págs. 841–850 . doi : 10.1145/2470654.2470774 . ISBN  9781450318990. S2CID 2041073 . 
  44. 1 2 Profita, Halley P.; Clawson, James; Gilliland, Scott; Zeagler, Clint; Starner, Thad; Budd, Jim; Do, Ellen Yi-Luen (2013). "No te preocupes si me toco la muñeca". Actas del Simposio Internacional de 2013 sobre Computadoras Portátiles . ISWC '13. Nueva York, NY, EE. UU.: ACM. págs. 89–96 . doi : 10.1145/2493988.2494331 . ISBN  9781450321273. S2CID 3236927 . 
  45. ↑ Harrison, Chris; Faste, Haakon (2014). «Implicaciones de la ubicación y el tacto para las interfaces proyectadas sobre el cuerpo». Actas de la conferencia de 2014 sobre diseño de sistemas interactivos . DIS '14. Nueva York, NY, EE. UU.: ACM. págs. 543–552 . doi : 10.1145/2598510.2598587 . ISBN  9781450329026. S2CID 1121501 . 
  46. 1 2 Reeves, Stuart; Benford, Steve; O'Malley, Claire; Fraser, Mike (2005). «Diseñando la experiencia del espectador» (PDF) . Actas de la Conferencia SIGCHI sobre Factores Humanos en Sistemas Informáticos (PDF) . Nueva York, Nueva York, EE. UU.: ACM Press. págs. 741–750 . doi : 10.1145/1054972.1055074 . ISBN  978-1581139983. S2CID 5739231 . 
  47. ↑ Rupert Goodwins. "¿Windows 7? No tiene brazo" . ZDNet .
  48. ↑ "brazo de gorila" . catb.org .
  49. ↑ Hincapié-Ramos, JD, Guo, X., Moghadasian, P. e Irani, P. 2014. «Resistencia consumida: una métrica para cuantificar la fatiga del brazo en interacciones aéreas» . En Actas de la 32.ª conferencia anual de la ACM sobre factores humanos en sistemas informáticos (CHI '14). ACM, Nueva York, NY, EE. UU., 1063-1072. DOI=10.1145/2556288.2557130
  50. ↑ Hincapié-Ramos, JD, Guo, X., e Irani, P. 2014. «The Consumed Endurance Workbench: A Tool to Assess Arm Fatigue During Mid-Air Interactions» . En Actas de la publicación complementaria de 2014 sobre diseño de sistemas interactivos (DIS Companion '14). ACM, Nueva York, NY, EE. UU., 109-112. DOI=10.1145/2598784.2602795
  • Bibliografía comentada de referencias sobre gestos y computación con lápiz óptico
  • Notas sobre la historia de la informática con lápiz óptico (YouTube)
  • El futuro, todo es un gesto : interfaces gestuales y videojuegos.
  • Anuncio interactivo de Ford mediante gestos : gestos utilizados para interactuar con la señalización digital.
  • Seguimiento de manos en 3D : una revisión de la literatura.