Ficha 08
Nombre: Verónica Pérez Romero
Fecha: 30 de abril de 2020
APA
Nel, W., Ghaziasgar, M., & Connan, J. (2013). An integrated sign language
Referencia
recognition system. SAICSIT ’13: Proceedings of the South African Institute for
bibliográfica
Computer Scientists and Information Technologists Conference, 179-185.
[Link]
Warren Nel
Autor (es) Mehrdad Ghaziasgar
James Connan
Título An integrated sign language recognition system.
Año 2013
Tipo de
publicación Artículo
Nombre de la
revista, Proceedings of the South African Institute for Computer Scientists and Information
conferencia, Technologists Conference
Editorial u otro
Número de 179-185 (7 páginas)
páginas
Se han creado varios sistemas para reconocer los gestos del lenguaje de señas
Problema de utilizando parámetros únicos. El uso de un solo parámetro puede causar conflictos
investigación en el reconocimiento de signos con signos similares.
Desarrollar un sistema de reconocimiento de lenguaje de señas para traducir frases
Objetivo completas entre inglés y SASL.
Servirá como una contribución significativa hacia la eliminación de la barrera de
Justificación comunicación que existe entre la audiencia y los sordos. La escasez y el alto costo de
los intérpretes SASL sirven como motivación para el desarrollo de tales sistemas
Pregunta de -No aplica
investigación /
Hipótesis
El grupo de investigación de Lengua de Signos Sudafricana (SASL) en la Universidad
del Cabo Occidental (UWC) ha hecho un progreso significativo hacia el
reconocimiento de los gestos de lenguaje de señas.
Los gestos de lenguaje de señas son los principales medios de comunicación entre
Marco teórico
muchas personas sordas. Según Stokoe, hay cinco parámetros que clasifican de
forma única cada gesto de lenguaje de señas. Estos parámetros son la ubicación de
la mano, forma, movimiento y orientación, y gestos no manuales en forma de
expresión facial.
• Detección adaptativa de la piel usando detección de rostros
• Substracción de fondo GMM (modelo de mezcla gaussiana)
• Seguimiento manual con CAMShif
Método • Normalización del hablante.
utilizado • Normalización de la mano.
• Entrenamiento y reconocimiento usando un SVM (Support Vector Machine)
• Vector de funciones
• Datos de entrenamiento
• Artículos
Fuentes de
• Libros
investigación
• Videos de palabras en lenguaje de señas
Se capturaron 12 videos para la capacitación del sistema. Los signos fueron elegidos
del Diccionario SASL de la Escuela para Sordos de Fulton específicamente para
Indicadores
representar seis formas de manos únicas, cada una realizada en dos ubicaciones
diferentes: delante del pecho y delante del hombro derecho.
El sistema se probó en una computadora de escritorio con una CPU Intel i7-3770k,
Herramientas GPU NVIDIA 580GTX, 16 GB de RAM, ejecutando el sistema operativo Kubuntu Linux
utilizadas 12.04 de 64 bits. Se utilizó la cámara web Logitech C910 HD Pro con una resolución
de 640480 para capturar los videos.
El sistema propuesto fue muy exitoso y logró, en promedio, una precisión de
reconocimiento del 79% en los 12 signos para cinco sujetos de prueba.
Tres señas, "Ir", "Adiós" y "Qué", lograron una precisión superior al 90%. Ocho signos
Resultados
adicionales lograron precisiones entre 70% y 85%. Solo un signo, "Naranja", logró
una precisión inferior al 70%, pero de ninguna manera baja, del 68%.
A pesar del gran avance en el reconocimiento de lenguaje de señas, todavía se
Aspectos de
pueden hacer mejoras. Estas mejoras asegurarían un menos error en los resultados
interés
facilitando la comunicación entre personas sordas y las que no.
