Análisis de reducción de dimensiones para el reconocimiento de actividades físicas humanas usando fusión multimodal

Resumen

El reconocimiento automático de actividades físicas humanas es una tarea importante en aplicaciones de visión por computador. Los enfoques robustos que utilizan unos o varios sensores generalmente vinculan características redundantes que consumen recursos computacionales y tiempo de cómputo durante el proceso de clasificación de subactividades. Este artículo explora la reducción de dimensión para el reconocimiento de actividades humanas fusionando datos de sensores de profundidad visual Kinect, sensores inerciales IMUs y electrodos de registro electromiográfico (EMGs). También se presenta un estudio comparativo que evalúa diferentes técnicas de reducción de características, analizando el comportamiento en el reconocimiento de actividades físicas y el tiempo de cómputo de los métodos. Los resultados muestran que las metodologías del estado del arte pueden reducir el costo temporal de implementación sin afectar significativamente el desempeño en el reconocimiento de la actividad.