Las Interfaces Cerebro Computadora (BCI) basadas en Imaginería Motora (MI) registran y monitorean la actividad eléctrica de las neuronas de una persona e intentan determinar la intención de movimiento para así controlar un dispositivo externo. Debido a esto, la correcta extracción de características de la señal que representen lo mejor posible la intención del usuario y una correcta clasificación de estas, son procesos críticos para asegurar una buena performance de la BCI. En el presente trabajo se procesó y clasificó las intenciones de movimientos sobre una base de datos de registros de electroencefalografía (EEG) de 15 sujetos voluntarios mientras llevaban a cabo tareas de MI. Se implementó un Common Spatial Pattern (CSP) para extraer las características de las señales y un Linear Discriminant Analysis (LDA) para clasificar las intenciones de movimiento. Los porcentajes de clasificación alcanzaron un promedio de (63.46 ± 8.31)% para las clases movimiento vs. descanso, llegando a máximos de 80%. Para el caso de las clases movimiento vs. movimiento, el porcentaje de clasificación promedio fue de (63.41 ± 9.12)% llegando a un máximo de 83.4%.