En los últimos años, en combinación con los avances tecnológicos, han surgido nuevos paradigmas de interacción con el usuario. Esto ha motivado a la industria a crear dispositivos de interfaz natural de usuario cada vez más potentes y accesibles. En particular, las cámaras de profundidad han alcanzado altos niveles de adopción por parte de los usuarios. Entre estos dispositivos se encuentran el Microsoft Kinect, el Intel RealSense y el Leap Motion Controller. Este tipo de dispositivos facilita la adquisición de datos en el reconocimiento de la actividad humana. Los gestos de las manos pueden ser estáticos o dinámicos, según presenten movimiento en las secuencias de imágenes. El reconocimiento de los gestos de la mano permite a los desarrolladores de sistemas de interacción persona-ordenador (HCI) crear experiencias e interacciones más inmersivas, naturales e intuitivas. Sin embargo, esta tarea no es fácil. Por ello, en la academia se ha abordado este problema utilizando técnicas de aprendizaje automático. Los experimentos realizados han mostrado resultados muy alentadores que indican que la elección de este tipo de arquitectura permite obtener una excelente eficiencia de parámetros y tiempos de predicción. Cabe destacar que las pruebas se realizan sobre un conjunto de datos relevantes de la zona. En base a ello, se analiza el rendimiento de esta propuesta sobre diferentes escenarios como la variación de la iluminación o el movimiento de la cámara, diferentes tipos de gestos y la sensibilidad o sesgo de las personas, entre otros. En este artículo, veremos cómo se pueden utilizar las imágenes de la cámara de infrarrojos para segmentar, clasificar y reconocer los gestos de una mano en diversas condiciones de iluminación. Se modificó una cámara web estándar y se añadió un filtro de infrarrojos a la lente para crear la cámara de infrarrojos. La escena se iluminó con estructuras LED infrarrojas adicionales, lo que permite utilizarla en diversas condiciones de iluminación.
Citación recomendada (normas APA)
Hindawi, "Using Depth Cameras for Recognition and Segmentation of Hand Gestures", -:Revista VirtualPRO,, 2021. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3874379/), el día 2025-10-23.
