Show simple item record

dc.contributor.advisorBeltrán Castañón, César Armando
dc.contributor.authorGarcia Sulca, Jose Gustavo
dc.date.accessioned2020-07-21T22:55:52Z
dc.date.available2020-07-21T22:55:52Z
dc.date.created2019
dc.date.issued2020-07-21
dc.identifier.urihttp://hdl.handle.net/20.500.12404/16690
dc.description.abstractEl presente trabajo presenta un modelo algorítmico que permite la identificación automática a partir de videos de las fases temporales que ocurren durante la ejecución de la técnica de recepción en el vóley. En la etapa inicial se muestra la definición de dichas fases temporales a analizar, así como algunos trabajos relacionados al ámbito de reconocimiento de actividades en el área de ciencias de la computación. De igual manera, se presenta el marco teórico que contiene los conceptos necesarios para el desarrollo de este trabajo. Luego se procedió a definir dos módulos en los que se divide el modelo algorítmico: módulo de detección de jugador y módulo de clasificación de fases. En cada uno de estos módulos se detalla las arquitecturas de los modelos a utilizar así como el pre-procesamiento de los datos y el respectivo método de entrenamiento. Finalmente, se muestra lo obtenido tras la implementación de los módulos detallados anteriormente. Para ello se realizó adicionalmente la recolección de una base de datos de videos con su respectivo etiquetado, la cual fue desarrollada para la presente tesis como parte del proyecto “Caracterización biomecánica del gesto técnico de recepción en el voleibol puesta al servicio del entrenamiento deportivo mediante el desarrollo de un aplicativo móvil integrado a un sistema de captura de movimiento low-cost”, el cual viene siendo desarrollado por el Grupo de Investigación en Robótica Aplicada y Biomecánica. Con ello, se muestran los resultados obtenidos al realizar el entrenamiento de los módulos con esta base de datos. Estos muestran que el modelo implementado consigue identificar correctamente la fase temporal a nivel de frames con una precisión de 92.19%. Además a ello, en los casos donde ocurre un error en la identificación, la fase identificada por el modelo es una contigua a la real, mostrando que el modelo pudo captar la esencia temporal de las fases.es_ES
dc.description.uriTesises_ES
dc.language.isospaes_ES
dc.publisherPontificia Universidad Católica del Perúes_ES
dc.rightsAtribución-NoComercial-CompartirIgual 2.5 Perú*
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/pe/*
dc.subjectAlgoritmos--Deportes--Voleiboles_ES
dc.subjectSistema de reconocimiento de patroneses_ES
dc.subjectRedes neuronales (Computación)es_ES
dc.titleIdentificación automática de las fases del gesto de recepción en el vóley mediante análisis de videos usando redes neuronales convolucionaleses_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
thesis.degree.nameMagíster en Informática con mención en Ciencias de la Computaciónes_ES
thesis.degree.levelMaestríaes_ES
thesis.degree.grantorPontificia Universidad Católica del Perú. Escuela de Posgradoes_ES
thesis.degree.disciplineInformática con mención en Ciencias de la Computaciónes_ES
renati.advisor.dni29561260
renati.advisor.orcidhttps://orcid.org/0000-0002-0173-4140es_ES
renati.discipline611087es_ES
renati.levelhttps://purl.org/pe-repo/renati/level#maestroes_ES
renati.typehttp://purl.org/pe-repo/renati/type#tesises_ES
dc.publisher.countryPEes_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#1.02.00es_ES


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-CompartirIgual 2.5 Perú
Except where otherwise noted, this item's license is described as Atribución-NoComercial-CompartirIgual 2.5 Perú