Por favor, use este identificador para citar o enlazar este ítem:
http://cicese.repositorioinstitucional.mx/jspui/handle/1007/420| Herramientas de captura y acceso para el análisis selectivo del llanto infantil A context-aware baby monitor for the automatic selective archiving of the language of infants | |
| Efraín Rincón Sarmiento | |
| Monica Elizabeth Tentori Espinosa | |
| Acceso Abierto | |
| Atribución | |
| Monitores para bebé,Detección de llanto,Archivado selectivo,Lenguaje de bebés | |
| Entender el lenguaje de un recién nacido no es una tarea fácil, por tal motivo los padres de familia usan monitores para bebés, estos les ayudan a monitorizar el lenguaje e inferir las necesidades de los mismos. Los monitores para bebés disponibles tratan de identificar el lenguaje de los bebés considerando la información después de que el bebé está llorando. De acuerdo con los pediatras, los sonidos y movimientos antes del llanto definen qué es lo que el bebé quiere. En esta tesis, exploramos el archivado selectivo automático de movimientos y sonidos que el infante realiza antes del llanto para dar a los padres de familia información que después pueden usar para asociar estos comportamientos y determinar qué es lo que el infante quiere. Siguiendo la metodología de diseño centrado en el usuario, hemos desarrollado una herramienta de captura y acceso que usa un acelerómetro para detectar cuando el infante se está moviendo, y un algoritmo para detectar cuando el infante está llorando. El algoritmo de detección de movimiento utiliza un sensor de movimiento (Shimmer) y computa la magnitud ejercida sobre los tres ejes. El algoritmo de detección de llanto usa una firma de entropía espectral multi-banda (MBSES) y una máquina de soporte vectorial (MVS) para detectar el llanto sostenido. Para mostrar la factibilidad del desempeño de nuestro sistema bajo condiciones realistas, hemos probado el desempeño de nuestro algoritmo de sonido bajo escenarios con ruido. El resultado muestra que el algoritmo es exacto en un 98% de precisión y es mejor que los algoritmos que usan características del MFCC. Cerramos con una discusión para trabajos futuros. Understanding the language of a newborn is not an easy task, and parents use baby monitors to monitor the language of their baby and infer the baby's needs. Available baby monitors trying to identify the language of babies consider the information after the baby is crying, and according to pediatricians the sounds and movements before crying define what the baby wants. In this dissertation, we explore the automatic selective archiving of the movements and sounds infants make before crying to give parents information they could later use to reflect on these behaviors and determine what the infant wants. Following a user-centered design methodology we developed a capture and access tool that uses accelerometers to detect when the infant is moving, and an algorithm to detect when the infant is crying. The movement detection algorithm uses a motion Shimmer sensor and computes the magnitude exerted over the three axes, and the cry detection algorithm uses a Multi-Band Spectral Entropy Signature (MBSES) and a Support Vector Machine (SVM) to detect sustained crying. To show the feasibility of the performance of our system under realistic conditions, we tested how our sound algorithm performs under noise scenarios. The results show our algorithm is accurate, 98% precision, and performs better than algoritms using the MFCC feature. We close discussing directions for future work. | |
| CICESE | |
| 2013 | |
| Tesis de maestría | |
| Español | |
| Rincón Sarmiento,E.2013.Herramientas de captura y acceso para el análisis selectivo del llanto infantil.Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California.ix, 103 pp. | |
| CIENCIA DE LOS ORDENADORES | |
| Aparece en las colecciones: | Tesis - Ciencias de la Computación |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 233771.pdf | Versión completa de la tesis | 2.02 MB | Adobe PDF | Visualizar/Abrir |