1. Repositorio Institucional UAQ
2. Tesis
3. Facultad de Ingeniería
4. Maestría
5. Maestría en Ciencias en Inteligencia Artificial

Título:	Detección de mala postura mediante visión artificial utilizando redes neuronales convolucionales
Autor(es):	Perla Pérez Carrasco
Palabras clave:	Extracción de características Redes Neuronales Convolucionales Ciclo de marcha Postura
Área:	INGENIERÍA Y TECNOLOGÍA
Fecha de publicación :	30-sep-2025
Editorial :	Universidad Autónoma de Querétaro
Páginas:	1 recurso en línea (94 páginas)
Folio RI:	IGMAC-327089
Facultad:	Facultad de Ingeniería
Programa académico:	Maestría en Ciencias en Inteligencia Artificial
Resumen:	La locomoción humana es un rasgo físico y conductual único para cada persona, rasgo que se considera como un patrón biométrico debido a la singularidad con la que la marcha manifiesta el estilo de caminar de una persona. Debido a la estructura musculoesquelética única, permite estudios del patrón de marcha o de la mala postura basado en imágenes o en esqueletos. Puesto que, entre el al 20% de los adultos sufren lumbalgia entre los 30 y 50 años y del 70 al 80% pertenecen a una población menor de 45 años, lo que da pauta para considerar estos índices como casusas para una posible mala postura al caminar o al estar de pie. La extracción precisa de partes del cuerpo y ángulos de las articulaciones en imágenes reales es una tarea tediosa, ya que, el movimiento humano no rígido abarca una amplia gama de posibles transformaciones y además la falta de métricas para determinar una mala postura mediante la pose muestran un reto computacional y de interpretación de datos. Analizando el ciclo de marcha mediante el uso de técnicas de procesamiento digital de imágenes y Deep Learning para detectar anomalías en la forma de caminar, implementando técnicas de extracción de características. Este estudio utiliza el dataset de OU-ISIR MVLP que esté compuesto por imágenes y coordenadas de la imagen para crear el esqueleto de la persona. La metodología se centra en analizar la extracción de características de las imágenes y de los esqueletos según las métricas del tipo de datos. Las métricas obtenidas de los esqueletos se destacan por sus valores para analizar la mala postura a través de un análisis estadístico en el que se evalúan los datos de anomalías según la simetría de las articulaciones y del tipo de ángulo. Donde se obtiene un 73.2% de datos con buena postura y un 26.8% presentan alguna anomalía de datos que da lugar a una mala postura
URI:	https://ri-ng.uaq.mx/handle/123456789/12335
Aparece en:	Maestría en Ciencias en Inteligencia Artificial

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.