Hand gesture recognition for human computer interaction : a comparative study of different image features

Hand gesture recognition for human computer interaction, being a natural way of human computer interaction, is an area of active research in computer vision and machine learning. This is an area with many different possible applications, giving users a simpler and more natural way to communicate with robots/systems interfaces, without the need for extra devices. So, the primary goal of gesture recognition research is to create systems, which can identify specific human gestures and use them to convey information or for device control. For that, vision-based hand gesture interfaces require fast and extremely robust hand detection, and gesture recognition in real time. In this study we try to identify hand features that, isolated, respond better in various situations in human-computer interaction. The extracted features are used to train a set of classifiers with the help of RapidMiner in order to find the best learner. A dataset with our own gesture vocabulary consisted of 10 gestures, recorded from 20 users was created for later processing. Experimental results show that the radial signature and the centroid distance are the features that when used separately obtain better results, with an accuracy of 91% and 90,1% respectively obtained with a Neural Network classifier. These to methods have also the advantage of being simple in terms of computational complexity, which make them good candidates for real-time hand gesture recognition.

Construção e validação de uma escala de autoconceito para estudantes universitários de Moçambique

O presente artigo apresenta a construção e validação de um questionário de avaliação do autoconceito para a população de adolescentes e jovens-adultos que frequentam o ensino universitário em Moçambique. A construção do questionário teve como base a análise de conteúdo de descrições de si, fornecidas por 15 estudantes, e que informaram acerca das categorias centrais ao autoconceito e seus principais descritores. Com base nos resultados deste primeiro estudo, foram elaborados 77 itens que foram sucessivamente aplicados a pequenos grupos de alunos/as e a diferentes amostras, realizando-se análises qualitativas e quantitativas das respostas aos itens de modo a proceder à definição de dimensionalidade da escala e escolha dos melhores itens. Num último estudo, a versão ultimada da escala foi administrada a uma amostra de 250 estudantes (Midade=29.0, DP= 7.70). Os resultados da análise de componentes principais identificaram 24 itens que se organizam em cinco dimensões de autoconceito: autoconceito religioso, artístico, académico, social e físico. Estas cinco dimensões explicam 56.8% da variância total dos itens retidos na versão final da escala. As propriedades psicométricas são favoráveis à utilização deste instrumento de avaliação do autoconceito em estudantes universitários de Moçambique.