Use this identifier to cite or link to this item: http://hdl.handle.net/10737/2721
Title: Prototipação de uma solução para controle de dispositivos em casas inteligentes por meio do reconhecimento de gestos estáticos e biometria facial
Authors: Etgeton, Klaus Fernando
Keywords: Visão computacional;Casas inteligentes;Biometria facial;Reconhecimento de gestos;Deep Learning;Computer vision;Smart houses;Facial biometrics;Gesture recognition
Date of Defense: 2-Dec-2019
Issue Date: Nov-2019
Citation: ETGETON, Klaus Fernando. Prototipação de uma solução para controle de dispositivos em casas inteligentes por meio do reconhecimento de gestos estáticos e biometria facial. 2019. Monografia (Graduação em Engenharia de Software) – Universidade do Vale do Taquari - Univates, Lajeado, 02 dez. 2019. Disponível em: http://hdl.handle.net/10737/2721.
Abstract: Estima-se que bilhões de dispositivos IoT estarão conectados nos próximos anos, criando inúmeras possibilidades para automação em casas inteligentes que poderá tornar a vida das pessoas mais prática, eficiente, confortável. Além das funcionalidades, as pessoas também esperam que as tecnologias se integrem e façam parte do ambiente, proporcionando melhores experiências de interação de maneira mais fácil e natural. Neste trabalho, foi desenvolvido um sistema de visão computacional em Python, com uso de modelos em Deep Learning, para controlar dispositivos IoT conectados em casas inteligentes por meio do reconhecimento de gestos estáticos da mão, realizando uma interação mais segura por meio da autenticação biométrica facial dos usuários. Para o reconhecimento em tempo real, o sistema apresenta um frame rate de 3fps. O reconhecimento facial dos usuários apresentou excelentes resultados, com apenas 1.10% de falso positivo, enquanto o reconhecimento de gestos estáticos apresentou 22.67% de falso positivo. O sistema proposto atende os requisitos necessários com desempenho relativamente bom, porém melhorias quanto ao reconhecimento de gestos estáticos ainda precisam ser realizadas para reduzir sua taxa de falso positivo.
Billions of IoT devices are expected to be connected in the coming years, creating countless possibilities for smart home automation that could make people's lives more practical, efficient, comfortable. In addition to functionality, people also expect technologies to integrate and be part of the environment, providing better interaction experiences, more easily and naturally. In this work, a Python computational vision system was developed, using Deep Learning models, to control smart home connected IoT devices through the recognition of static hand gestures, performing a more secure interaction through facial biometric authentication of users. For real time recognition, the system has a frame rate of 3fps. Facial recognition of users showed excellent results, with only 1.10% false positive, while recognition of static gestures presented 22.67% of false positive. The proposed system meets the necessary requirements with relatively good performance, but improvements in static gesture recognition have yet to be made to reduce its false positive rate.
URI: http://hdl.handle.net/10737/2721
Appears in Collections:Engenharia de Software

Files in This Item:
File Description SizeFormat 
2019KlausFernandoEtgeton.pdf2,34 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons