Luva instrumentada para reconhecimento de padrões de gestos em Libras

• Ano de defesa: 2020
• Autor(a) principal: Dias, Thiago Simões
• Orientador(a): Pichorim, Sérgio Francisco
• Banca de defesa: Rasera, Carmen Caroline , Janeczko, César , Hara, Marcos Santos , Pichorim, Sérgio Francisco
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Curitiba
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial
• País: Brasil
• Palavras-chave em Português: Língua brasileira de sinais; Língua brasileira de sinais - Equipamento e acessórios; Comunicação visual - Aspectos sociais; Comunicação visual - Equipamento e acessórios; Redes neurais (Computação); Surdos - Meios de comunicação; Lingua de sinais - Equipamento e acessórios; Inteligência artificial; Sistemas de reconhecimento de padrões; Brazilian Sign Language; Brazilian Sign Language - Equipment and supplies; Visual communication - Social aspects; Visual communication - Equipment and supplies; Neural networks (Computer science); Deaf - Means of communication; Sign language - Equipment and supplies; Artificial intelligence; Pattern recognition systems
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/5018

Este trabalho apresenta o desenvolvimento de um sistema para reconhecer padrões de gestos da Língua Brasileira de Sinais (Libras). Este sistema é composto de uma luva instrumentada, sistema de aquisição, processamento e classificação por meio de Redes Neurais Artificiais (RNA). A luva desenvolvida possui cinco sensores flexíveis, dois sensores de contato e um sensor inercial (acelerômetro e giroscópio triaxiais). Para coletar os dados referentes aos gestos executados por voluntários, duas versões de sistemas de aquisição de dados foram utilizadas: sistema de aquisição de dados com fio e sistema de aquisição de dados sem fio. No sistema com fio, cinco voluntários participaram da coleta de dados referente aos gestos das letras do alfabeto manual em Libras. Já com o sistema sem fio, dez voluntários participaram da coleta de dez diferentes palavras em Libras. Os dados coletados foram segmentados em três janelas (quantidades fixas de amostras do sinal) que representam as fases de construção, gesto e relaxamento dos gestos. Após a segmentação, cada janela segmentada foi submetida à extração de características para gerar um vetor de características. Para a classificação, o vetor de características foi dividido em 80% para treinamento e 20% para teste da RNA. A taxa média de acertos obtida para os gestos do alfabeto manual foi de 96,19% e a taxa média obtida para os gestos de palavras foi de 98,96%. Durante o desenvolvimento da pesquisa, algumas contribuições foram geradas por meio das análises realizadas, evidenciando o potencial do sistema para reconhecer gestos em Libras. As análises realizadas e discutidas no trabalho são relacionadas aos sensores, características, voluntários e quantidade de dados separados para treinamento da rede.