• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Master's Dissertation
DOI
https://doi.org/10.11606/D.3.2020.tde-21092020-100917
Document
Author
Full name
Claudia de Armas de Armas
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 2020
Supervisor
Committee
Tori, Romero (President)
Bernardes Junior, João Luiz
Concilio, Ilana de Almeida Souza
Title in Portuguese
Método de avaliação automatizada para simulador de realidade virtual em treinamento de agentes de segurança.
Keywords in Portuguese
Avaliação SVM. Kinect
Realidade virtual
Simulador de baixo custo
Abstract in Portuguese
Existe uma busca crescente de sistemas de treinamentos mais econômicos, seguros e confiáveis. Especificamente na área militar e de segurança no Brasil, a realização de treinamentos continuados resulta cara, pouco flexível e de difícil acesso, tornando o uso de simuladores de Realidade Virtual (RV) seja uma alternativa potencial para a realização de treinamentos econômicos e eficientes. Embora existam diversas pesquisas desenvolvendo simuladores de RV de baixo custo, ainda não existem pesquisas voltadas ao desenvolvimento de simuladores de treinamento com um sistema completo de sensores para avaliar os principais parâmetros qualitativos necessários durante o treinamento. Também não existem pesquisas explicando os parâmetros comportamentais necessários para medir durante um treinamento com simulador. Visando-se preencher essas lacunas, foi concebida a proposta de um sistema de baixo custo, baseado em sensores, para capturar os dados dos treinandos durante a realização dos treinamentos com o uso do simulador de RV. Foi também desenvolvido e validado um módulo de reconhecimento de postura, com o uso de um sensor de profundidade (Kinect), para 6 posturas diferentes. Durante o levantamento de parâmetros comportamentais foram identificados 6 procedimentos com indicadores de falhas, 5 parâmetros e 6 posturas a avaliar no sistema. Foram selecionados 5 sensores para compor o sistema. Para desenvolver o módulo de reconhecimento de posturas foram analisados e avaliados três tipos de classificadores diferentes SVM, KNN e RF baseados em aprendizado supervisionado, sendo selecionado pelos resultados do experimento o SVM, alcançando um 99,25 % de acurácia na classificação das posturas treinadas.
Title in English
Automated evaluation method for virtual reality simulator training for security agents.
Keywords in English
Evaluation
Kinect
Low cost simulator
SVM
Virtual reality
Abstract in English
There has been a growing search for safer, more economic and reliable training systems. Specifically, in the military and security area in Brazil, conducting continuous training is expensive, not very flexible and difficult to access, making the use of Virtual Reality (VR) simulators a potential alternative for conducting economic and efficient training. Although there has been a lot of research on developing low cost VR simulators, there is still no research aimed at developing training simulators with a complete sensor system to assess the main qualitative parameters needed during training. There is also no research explaining the behavioral parameters needed to measure during simulator training. In order to fill these gaps, the proposal is to design a low-cost system, based on sensors, to capture the trainees' data during training sessions using the VR simulator. Finally, a posture recognition module will be developed and validated, using a depth sensor (Kinect), for 6 different postures. During the survey of behavioral parameters, 6 procedures were identified with failure indicators, 5 parameters and 6 postures to be evaluated in the system. Five sensors were selected to compose the system. In order to develop the posture recognition module, three types of different classifiers SVM, KNN and RF based on supervised learning were analyzed and evaluated. The SVM was selected from the results of the experiment, reaching a 99.25% accuracy in the classification of trained postures.
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2020-09-24
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2020. All rights reserved.