Un temblor es un síntoma significativo de la enfermedad de Parkinson, pero también puede ser una característica del temblor esencial, lo que dificulta incluso la capacidad de los especialistas para diferenciar entre los dos. Este estudio propone un sistema que aprovecha una única cámara RGB para evaluar la gravedad del temblor y apoyar el diagnóstico diferencial de la enfermedad de Parkinson y el temblor esencial. El sistema captura los síntomas motores, realiza un análisis tiempo-frecuencia utilizando transformadas wavelet y clasifica la gravedad y la enfermedad utilizando modelos de clasificación lineal. Los resultados mostraron una tasa de precisión del 0,56 para la clasificación de la enfermedad y del 0,50 para la clasificación de la gravedad (con una tasa de precisión aceptable del 0,96). El análisis indicó que había un bajo nivel de correlación entre la enfermedad y cada característica y una correlación moderada (alrededor de 0,6) entre la gravedad y cada característica. Basándose en estos resultados, este estudio recomienda clasificar la gravedad con un modelo lineal y la enfermedad con un modelo no lineal para obtener una precisión mejorada.