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...

ver descrição completa

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:
Língua Brasileira de Sinais
LIBRAS
Inclusão social
ENGENHARIAS: ENGENHARIA ELÉTRICA
Acesso em linha: http://tede.ufam.edu.br/handle/tede/5011
id oai:https:--tede.ufam.edu.br-handle-:tede-5011
recordtype dspace
spelling oai:https:--tede.ufam.edu.br-handle-:tede-50112018-08-16T18:10:38Z Reconhecimento das configurações de mão de libras baseado na análise de discriminante de fisher bidimensional utilizando imagens de profundidade Santos, Jonilson Roque dos Costa Filho, Cícero Ferreira Fernandes http://lattes.cnpq.br/2165986280688858 http://lattes.cnpq.br/3029011770761387 Língua Brasileira de Sinais LIBRAS Inclusão social ENGENHARIAS: ENGENHARIA ELÉTRICA 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 Deaf people communicate with other people using sign language. This communication is limited to people with knowledge in the language that, usually, are other deaf people. The fact is that there are too many people interacting with deaf people in education, health and leisure areas that are not proficient in sign language. Then, the inclusion of deaf people is seriously affected, because they are unable to make themselves understood. This study presents a methodology for automatic gesture recognition which represents hands settings from Brazilian Language of Signs - LIBRAS. The first approach consisted in a constructing of hands settings image database captured by depth camera, Kinect®. The region of interest, hands making gesture, was extracted using the following techniques: K-means and Distance Transformation. The recognition part was divided in two steps: feature extraction and gesture classification. This way, the dimensionality reduction technique was applied, 2D2LDA to obtain a features set, which was submitted to a classifier, k-nearest neighbor. The proposed system is able to segment image and recognize whole 61 settings of Sign Language. The average hit rate achieved was 96.10%. As the capture device is insensitive to light, background and colors of clothes and skin, the developed application adapts without modifications to any other capture environment. Não informada 2016-06-07T20:16:26Z 2015-09-04 Dissertação SANTOS, Jonilson Roque dos. Reconhecimento das configurações de mão de libras baseado na análise de discriminante de fisher bidimensional utilizando imagens de profundidade. 2015. 94 f. Dissertação ( Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus, 2015. http://tede.ufam.edu.br/handle/tede/5011 por Acesso Aberto application/pdf Universidade Federal do Amazonas Faculdade de Tecnologia Brasil UFAM Programa de Pós-graduação em Engenharia Elétrica
institution TEDE - Universidade Federal do Amazonas
collection TEDE-UFAM
language por
topic Língua Brasileira de Sinais
LIBRAS
Inclusão social
ENGENHARIAS: ENGENHARIA ELÉTRICA
spellingShingle Língua Brasileira de Sinais
LIBRAS
Inclusão social
ENGENHARIAS: ENGENHARIA ELÉTRICA
Santos, Jonilson Roque dos
Reconhecimento das configurações de mão de libras baseado na análise de discriminante de fisher bidimensional utilizando imagens de profundidade
topic_facet Língua Brasileira de Sinais
LIBRAS
Inclusão social
ENGENHARIAS: ENGENHARIA ELÉTRICA
description 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
author_additional Costa Filho, Cícero Ferreira Fernandes
author_additionalStr Costa Filho, Cícero Ferreira Fernandes
format Dissertação
author Santos, Jonilson Roque dos
author2 http://lattes.cnpq.br/2165986280688858
author2Str http://lattes.cnpq.br/2165986280688858
title Reconhecimento das configurações de mão de libras baseado na análise de discriminante de fisher bidimensional utilizando imagens de profundidade
title_short Reconhecimento das configurações de mão de libras baseado na análise de discriminante de fisher bidimensional utilizando imagens de profundidade
title_full Reconhecimento das configurações de mão de libras baseado na análise de discriminante de fisher bidimensional utilizando imagens de profundidade
title_fullStr Reconhecimento das configurações de mão de libras baseado na análise de discriminante de fisher bidimensional utilizando imagens de profundidade
title_full_unstemmed Reconhecimento das configurações de mão de libras baseado na análise de discriminante de fisher bidimensional utilizando imagens de profundidade
title_sort reconhecimento das configurações de mão de libras baseado na análise de discriminante de fisher bidimensional utilizando imagens de profundidade
publisher Universidade Federal do Amazonas
publishDate 2016
url http://tede.ufam.edu.br/handle/tede/5011
_version_ 1831969380412424192
score 11.753735

Registros relacionados