ExS InT SBH FBPo Fx-ExS Total

ExS
96.8 % 1.2 % 0.7 % 0.1 % 1.2 % 97

True Pose Recognition

InT
100
0.0 % 100 % 0.0 % 0.0 % 0.0 %
SBH

0.6 % 0.0 % 98.6 % 0.2 % 0.6 % 99

FBPo

1.1 % 1.2 % 0.0 % 93.9 % 1.0 % 94

Fx-ExS

0.1 % 0.7 % 0.2 % 0.0 % 98.4 % 98

Predicted Pose Recognition

Ventajas - debilidades

En este trabajao se ha presentado una estrategia basada en la clas de poses y seguim de tray lo
cual se ha eviden en los res
Rompe esquem trad de una eval subjetiva de los proc de rehabilitacion
Sistemas de vis por computador que no se ha podido ya que no se ha contado con los recursos
necesariso antes de la ejecución de este trbajop
En este trabajo se presentó una nueva estrategia para el reconocimiento de ejercicios basada en la
clasificación de poses y seguimiento de trayectorias, rompiendo así el esquema tradicional de una
evaluación subjetiva de los procesos. Los resultados evidencian la capacidad discriminativa que
tiene el descriptor de posturas. La viabilidad del método propuesto se ha validado en un escenario
real con 25 voluntarios sanos y se obtiene una precisión de monitoreo de 96.92 %, este y demás
resultados pueden ser verificados en la Tabla 2.

En futuras investigaciones, esperamos analizar nuestro algoritmo utilizando la próxima versión de

Kinect y desarrollar un módulo de minería de datos. Además es posible empezar a trabajar en
visión por computadora, una metodología que hasta el momento no se ha implementado ya que
no se ha contado con los recursos necesarios, antes de la ejecución de este trabajo.

Los resultados obtenidos demuestran la eficiencia de nuestro método para identificar los
diferentes movimientos.

Los resultados obtenidos demuestran que los ángulos de unión estimados son iguales a los
valores esperados y consistentes con los valores obtenidos por estrategias ampliamente
utilizadas en escenarios clínicos reales, tanto en goniómetros como en sistemas de movimiento
óptico, respectivamente. Además, los resultados obtenidos indican que el método es adecuado
para medir los ángulos de la cadera, la rodilla y el tobillo de las articulaciones humanas
durante las actividades físicas. Por lo tanto, el método propuesto podría usarse en aplicaciones
como la rehabilitación de movimientos funcionales, que requiere análisis de movimiento de
personas con discapacidad.