ESTRUTURACAO DE UMA BASE DE DADOS VOLTADA AO TREINAMENTOS DE MODELOS DE RECONHECIMENTO DE SINAIS DE LIBRAS

Em 2010 o IBGE (Instituto Brasileiro de Geografia e Estatística) apresentou um censo que apontava que 10 milhões de pessoas no Brasil possuíam algum grau de surdez. Parte desta população faz uso da Libras (Língua Brasileira de Sinais) para se comunicar. Mesmo a Libras sendo considerada a segunda língua oficial do Brasil, poucas pessoas são capazes de se comunicar por meio dela, causando um isolamento social dos surdos. Quando se olha para a tecnologia como forma de auxiliar as pessoas, nota-se uma falta de ferramentas que possam ajudar na inclusão dos surdos, até existem aplicações que conseguem converter textos em sinais, podendo servir como intérprete para os surdos, porém eles ainda são dependentes de pessoas intérpretes para poderem ser entendidos, desta forma nota-se uma escassez em tecnologias voltadas para o reconhecimento da língua de sinais. Buscando estudos que explorassem esta área um problema tornava-se recorrente, a falta de uma base de dados confiável que pudesse ser usada para realizar treinamentos de modelos que reconhecesse a língua de sinais. Sendo assim este trabalho objetivou o uso de técnicas de estrutura de dados, aprendizado de máquina e processamento de imagens para construir uma base de dados que fosse qualificada para atender esta demanda. Assim foram utilizadas diversas bibliotecas da linguagem de programação Python para realizar a captura de pontos de referência do rosto, postura e mãos, sendo eles armazenados em um banco de dados não relacional que serviram de base de treinamento para um modelo de rede neural recorrente que pudesse reconhecer os sinais: por favor, obrigado, entender, desculpar e oi. Esperava-se que esta base de dados pudesse treinar modelos que interpretam sinais com uma taxa de acurácia de 70%, entretanto o modelo treinado obteve melhores resultados atingindo 86,6% de acerto.