Reconhecimento das configurações de mão de libras baseado na análise de discriminante de fisher bidimensional utilizando imagens de profundidade

• Ano de defesa: 2015
• Autor(a) principal: Santos, Jonilson Roque dos
• Outros Autores: http://lattes.cnpq.br/2165986280688858
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Amazonas; Faculdade de Tecnologia; Brasil; UFAM; Programa de Pós-graduação em Engenharia Elétrica
• Palavras-chave em Português: Língua Brasileira de Sinais; LIBRAS; Inclusão social; ENGENHARIAS: ENGENHARIA ELÉTRICA
• Link de acesso: http://tede.ufam.edu.br/handle/tede/5011

As pessoas surdas comunicam-se com outras pessoas por meio da Língua de Sinais. Essa interação restringe-se somente a pessoas que conhecem a Língua que, via de regra, são as pessoas surdas. O fato é que existem muitas pessoas, notadamente das áreas de saúde, educação e lazer, que necessitam interagir com os surdos usando Língua de Sinais e possuem pouca ou nenhuma proficiência na Língua de Sinais. Então, a inclusão social do surdo é seriamente afetada, pois ele não é capaz de se fazer entender. Esta dissertação apresenta uma metodologia para o reconhecimento automatizado dos gestos que representam as configurações de mãos da Língua Brasileira de Sinais - LIBRAS. A abordagem inicial consistiu na construção conjunta de um banco de imagens das configurações de mão capturada através de uma câmara de profundidade, Kinect®. A região de interesse, a mão realizando o gesto, foi extraída utilizandose as seguintes técnicas: K-means e Transformada de Distância. O processo de Reconhecimento dos gestos foi dividido em duas etapas: extração de características e classificação dos gestos. Dessa forma, foi aplicado a técnica de redução de dimensionalidade, 2D2LDA para a obtenção de um conjunto de características, as quais foram submetidas a um classificador, o k-vizinhos mais próximos (kNN). O método proposto é capaz de segmentar e reconhecer as 61 configurações de mão da Língua Brasileira de Sinais. A taxa média de acerto alcançada foi de 96,10%. Como o dispositivo de captura é insensível a luminosidade, fundo e cores das roupas e da pele, a aplicação desenvolvida adapta-se sem necessidade de modificações a qualquer outro ambiente de captura