Submitted by Mayara Nascimento (mayara.nascimento@ufba.br) on 2016-05-31T14:15:01Z
No. of bitstreams: 1
Igor Bastos - Dissertação VFinal.pdf: 3703212 bytes, checksum: a00013910865dacb8025d56659076abb (MD5) / Approved for entry into archive by Alda Lima da Silva (sivalda@ufba.br) on 2016-06-03T23:17:29Z (GMT) No. of bitstreams: 1
Igor Bastos - Dissertação VFinal.pdf: 3703212 bytes, checksum: a00013910865dacb8025d56659076abb (MD5) / Made available in DSpace on 2016-06-03T23:17:29Z (GMT). No. of bitstreams: 1
Igor Bastos - Dissertação VFinal.pdf: 3703212 bytes, checksum: a00013910865dacb8025d56659076abb (MD5) / Gestos são ações corporais não-verbais voltadas para a expressão de algum significado. Estes
incluem movimentos de mãos, face, braços, dedos, entre outros, sendo abordados por trabalhos
que visam reconhecê-los para promover interações humanas com sistemas computacionais.
Devido à grande aplicabilidade do reconhecimento de gestos, tem-se notado que estes trabalhos
estão se tornando mais comuns, utilizando técnicas e metodologias mais elaboradas e capazes de
prover resultados cada vez melhores. A opção por quais técnicas aplicar para o reconhecimento
de gestos varia de acordo com a estratégia empregada em cada trabalho e quais aspectos são
utilizados para este reconhecimento. Tem-se, por exemplo, trabalhos baseados no uso de
modelos estatísticos. Outros optam pela aquisição de características geométricas de mãos
e partes do corpo, enquanto outros, dentre os quais se enquadra o presente trabalho, optam
pelo uso de descritores e classificadores, responsáveis por extrair características das imagens
relevantes para o seu reconhecimento e; por realizar a classificação efetiva dos gestos baseado
nestas informações. Neste âmbito, o presente trabalho visa elaborar, aplicar e apresentar uma
abordagem para o reconhecimento de gestos, embasando-se em uma revisão da literatura a
respeito das principais técnicas e metodologias empregadas para este fim e escolhendo como
campo prático, a Língua Brasileira de Sinais (Libras). Para a extração de informações das
imagens, optou-se pelo uso de um vetor de características resultante da aplicação dos descritores
Histograma de Gradientes Orientados (HOG) e Momentos Invariantes de Zernike (MIZ), os
quais voltam-se para as formas e contornos presentes nas imagens. Para o reconhecimento, foi
utilizado o classificador Perceptron Multicamada, sendo este disposto em uma arquitetura onde
o processo de classificação é dividido em 2 estágios. Devido à inexistência de datasets públicos
da Libras, fez-se necessária, com o auxílio de especialistas da língua e alunos surdos, a criação
de um dataset de 9600 imagens, as quais referem-se a 40 sinais da Libras. Isso fez com que
a presente abordagem partisse desta criação do dataset até a etapa final de classificação dos
sinais. Por fim, testes foram realizados e obteve-se 96,77% de taxa de acerto, evidenciando um
alto índice de acerto. Este resultado foi validado considerando possíveis ameaças à abordagem,
como a realização de testes considerando um indivíduo não-presente no conjunto de treinamento
do classificador e a aplicação da abordagem em um dataset público de gestos.
Identifer | oai:union.ndltd.org:IBICT/oai:192.168.11:11:ri/19374 |
Date | 15 May 2015 |
Creators | Bastos, Igor Leonardo Oliveira |
Contributors | Ângelo, Michele Fúlvia, Loula, Angelo Conrado, Apolinário Júnior, Antonio Lopes, Gonzaga, Adilson |
Publisher | Instituto de Matemática. Departamento de Ciência da Computação, Mestrado Multiinstitucional de Pós-Graduação em Ciência da Computação, UFBA, brasil |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UFBA, instname:Universidade Federal da Bahia, instacron:UFBA |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds