Reconocimiento de caracteres del alfabeto dactilológico mediante redes neuronales artificiales: Un enfoque experimental

Autores/as

  • Diego Auquilla Universidad de Cuenca
  • Kenneth Palacio-Baus
  • Víctor Saquicela

Resumen

RESUMEN
En este artículo se presenta el desarrollo de un sistema orientado a facilitar la comunicación de aquellas personas con discapacidad auditiva, del habla o ambas; y que se ven obligados a utilizar otras formas de comunicación como el uso del lenguaje de señas. Para solventar el problema de comprensión de este lenguaje, se propone un enfoque experimental de reconocimiento de caracteres del alfabeto dactilológico mediante la adquisición y procesamiento de imágenes digitales, y la aplicación de un clasificador basado Redes Neuronales Artificiales (RNA).
Palabras clave: Dactilología, lenguaje de señas, Redes Neuronales Artificiales, clasificador.

ABSTRACT
This article presents the development of a system aimed to aid people with speech and/or communication disabilities, who must use the sign language and the dactilologic alphabet in order to transmit their ideas. To assist others in understanding such language, we present an experimental approach for sign language characters recognition through digital image acquisition and processing techniques and the use of a Neural Network based classifier.
Keywords: Dactylology, sign language, Artificial Neural Networks, classifier.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Barkoky, A., N. Charkari, 2011. Static Hand Gesture Recognition of Persian Sign Numbers using Thinning Method. Multimedia Technology (ICMT). International Conference on, IEEE, 6548-6551.

Dirección de Investigación de la Universidad de Cuenca, 2014. Directrices para la elaboración de artículos científicos. Revista MASKANA. DIUC, Universidad de Cuenca.

Hecht-Nielsen, R., 1989. Theory of the backpropagation neural network. Neural Networks, IJCNN, International Joint Conference on, IEEE, 593-605.

Heng, D., T. TszHang, 2012. Hand Gesture Recognition Using Kinect. Software Engineering and Service Science (ICSESS), IEEE 3rd International Conference on, 196-199.

Incertis, I., J. Garcia-Bermejo, E. Casanova, 2006. Hand Gesture Recognition for Deaf People Interfacing. Pattern Recognition, ICPR, 18th International Conference on, Vol.2, IEEE, 100-103.

Jones, A.S., 1999. On the Complexity of Computing. Advances in Computer Science, 555-566.

Knuth, D.E., 1984. The Text Book. Publisher: Addison-Wesley.
Otsu, N., 1979. A Threshold Selection Method from Gray-Level Histograms. IEEE Transactions on Systems, Man and Cybernetics, 62-66.

Priego-Perez, F., 2012. Reconocimiento de Imáenes del Lenguaje de Señas Mexicano. Tesis de Maestría en Ciencias de la Computación, Insituto Politécnico Nacional, Centro de Investigación en Computación, México.

Razo-Gil, L., G. Salvador-Calderon, R. Barrón-Fernández, 2009. Sistema Traductor Para el Reconocimiento del Alfabeto Dactilológico. CIC-IPN: Centro de Investigación en Computación, Laboratorio Inteligencia Artificial.

Renault, R.B., 1991. 3D Hierarchies for Animation. John Wiley & Sons Ltd.

Wah Ng, C., S. Ranganath, 2002. Real-time gesture recognition system and application. Image and Vision Computing, 20(13), 993-1007.

Zurada, J.M., 1992. Artificial Neural Systems. West Publishing Company.

Descargas

Publicado

2015-12-05

Cómo citar

Auquilla, D., Palacio-Baus, K., & Saquicela, V. (2015). Reconocimiento de caracteres del alfabeto dactilológico mediante redes neuronales artificiales: Un enfoque experimental. Maskana, 6(Supl.), 45–54. Recuperado a partir de https://publicaciones.ucuenca.edu.ec/ojs/index.php/maskana/article/view/697

Artículos más leídos del mismo autor/a

> >>