/img alt="Imagem da capa" class="recordcover" src="""/>
Dissertação
Reconhecimento das configurações de mão de libras baseado na análise de discriminante de fisher bidimensional utilizando imagens de profundidade
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 inter...
Autor principal: | Santos, Jonilson Roque dos |
---|---|
Outros Autores: | http://lattes.cnpq.br/2165986280688858 |
Grau: | Dissertação |
Idioma: | por |
Publicado em: |
Universidade Federal do Amazonas
2016
|
Assuntos: | |
Acesso em linha: |
http://tede.ufam.edu.br/handle/tede/5011 |
Resumo: |
---|
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 |