SciELO - Scientific Electronic Library Online

 
vol.26 número74Del desarrollo sostenible a la responsabilidad social: una perspectiva de indicadores de producción científica e interés general en español índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • En proceso de indezaciónCitado por Google
  • No hay articulos similaresSimilares en SciELO
  • En proceso de indezaciónSimilares en Google

Compartir


Tecnura

versión impresa ISSN 0123-921X

Resumen

ERASO-GUERRERO, José Camilo; MUNOZ-ESPANA, Elena  y  MUNOZ-ANASCO, Mariela. Reconocimiento de actividades humanas por medio de extracción de características y técnicas de inteligencia artificial: una revisión. Tecnura [online]. 2022, vol.26, n.74, pp.213-236.  Epub 24-Sep-2022. ISSN 0123-921X.  https://doi.org/10.14483/22487638.17413.

Contexto:

En los últimos años, el reconocimiento de actividades humanas se ha convertido en un área de constante exploración en diferentes campos. Este artículo presenta una revisión de la literatura enfocada en diferentes tipos de actividades humanas y dispositivos de adquisición de información para el reconocimiento de actividades, y profundiza en la detección de caídas de personas de tercera edad por medio de visión computacional, utilizando métodos de extracción de características y técnicas de inteligencia artificial.

Metodología:

Este manuscrito se elaboró con criterios de la metodología de revisión y análisis documental (RAD), dividiendo el proceso de investigación en heurística y hermenéutica de las fuentes de información. Finalmente, se referenciaron 102 investigaciones que permitieron dar a conocer la actualidad del reconocimiento de actividades humanas.

Resultados:

El análisis de las técnicas propuestas para el reconocimiento de actividades humanas muestra la importancia de la detección eficiente de caídas. Si bien es cierto en la actualidad se obtienen resultados positivos con las técnicas descritas en este artículo, sus entornos de estudio son controlados, lo cual no contribuye al verdadero avance de las investigaciones.

Conclusiones:

Sería de gran impacto presentar resultados de estudios en entornos semejantes a la realidad, por lo que es primordial centrar el trabajo de investigación en la elaboración de bases de datos con caídas reales de personas adultas o en entornos no controlados.

Palabras clave : reconocimiento de la actividad humana; detección de caídas; tipos de actividades; extracción de características; redes neuronales convolucionales.

        · resumen en Inglés     · texto en Español     · Español ( pdf )