1. Repositorio Institucional UAQ
  2. Tesis
  3. Facultad de Ingeniería
  4. Maestría
  5. Maestría en Ciencias en Inteligencia Artificial
Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/12335
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttps://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorJesús Carlos Pedraza Ortegaes_ES
dc.creatorPerla Pérez Carrascoes_ES
dc.date.accessioned2025-10-01T18:37:01Z-
dc.date.available2025-10-01T18:37:01Z-
dc.date.issued2025-09-30-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/12335-
dc.descriptionLa 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 posturaes_ES
dc.formatpdfes_ES
dc.format.extent1 recurso en línea (94 páginas)es_ES
dc.format.mediumcomputadoraes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Autónoma de Querétaroes_ES
dc.relation.requiresSies_ES
dc.rightsopenAccesses_ES
dc.subjectExtracción de característicases_ES
dc.subjectRedes Neuronales Convolucionaleses_ES
dc.subjectCiclo de marchaes_ES
dc.subjectPosturaes_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleDetección de mala postura mediante visión artificial utilizando redes neuronales convolucionaleses_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidORCIDes_ES
dc.contributor.tidORCIDes_ES
dc.creator.identificador0009-0005-1417-6562es_ES
dc.contributor.identificador0000-0001-5125-8907es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias en Inteligencia Artificiales_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
dc.format.supportrecurso en líneaes_ES
dc.matricula.creator327089es_ES
dc.folioIGMAC-327089es_ES
Aparece en: Maestría en Ciencias en Inteligencia Artificial

Archivos:
Fichero Descripción Tamaño Formato  
IGMAC-327089.pdfDetección de mala postura mediante visión artificial utilizando redes neuronales convolucionales3.23 MBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem


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