Submitted by Liliane Ferreira (ljuvencia30@gmail.com) on 2018-07-19T10:58:33Z No. of bitstreams: 2 Dissertação - Brunna Carolinne Rocha Silva - 2018.pdf: 18872874 bytes, checksum: 227a38d63020f0863a2632461b79e19c (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-07-19T11:21:27Z (GMT) No. of bitstreams: 2 Dissertação - Brunna Carolinne Rocha Silva - 2018.pdf: 18872874 bytes, checksum: 227a38d63020f0863a2632461b79e19c (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-07-19T11:21:27Z (GMT). No. of bitstreams: 2 Dissertação - Brunna Carolinne Rocha Silva - 2018.pdf: 18872874 bytes, checksum: 227a38d63020f0863a2632461b79e19c (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-04-06 / The purpose of this paper is to design, develop and evaluate four devices capable of identifying configuration, orientation and movement of the hands, verifying which one has better performance recognition of sign language gestures. The methodology starts from the definition of the layout and the components of data acquisition and processing, the construction of the database treated for each gesture to be recognized and validation of the proposed devices. Signs of flex sensors, accelerometers and gyroscopes are collected, positioned differently on each device. The recognition of the patterns of each gesture is performed using artificial neural networks. After being trained, validated and tested, the neural network interconnected to the devices obtain a hit rate of up to 96.8%. The validated device offers efficacy and efficiency to identify sign language gestures and demonstrates that the use of the sensory approach is promising. / O intuito deste trabalho é projetar, desenvolver e avaliar quatro dispositivos capazes de identificar configuração, orientação e movimento das mãos, verificando qual possui melhor desempenho para reconhecimento de gestos da língua de sinais. A metodologia parte da definição do leiaute e dos componentes de aquisição e processamento de dados, da construção da base de dados tratados para cada gesto a ser reconhecido e da validação dos dispositivos propostos. São coletados sinais de sensores de flexão, acelerômetros e giroscópios, posicionados diferentemente em cada dispositivo. O reconhecimento dos padrões de cada gesto é realizado utilizando redes neurais artificiais. Após treinada, validada e testada, a rede neural interligada aos dispositivos obtêm média de acerto de até 96,8%. O dispositivo validado oferece eficácia e eficiência para identificar gestos da língua de sinais e demonstra que o uso da abordagem sensorial é promissora.