Abecedario lengua de señas Aplicativo web reconocimiento del abecedario de lenguaje de señas: Asorhuil

Jose Luis Baquero Mora; Daniela  Alarcón Sepulveda

doi:10.22490/25394088.5638

Vol. 16 Núm. 1 (2022)

Publicado 20-02-2022

Licencia

Derechos de autor 2022 Publicaciones e Investigación

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Cuando PUBLICACIONES E INVESTIGACIÓN recibe la postulación de un original por parte de su autor, ya sea a través de correo electrónico o postal, considera que puede publicarse en formatos físicos y/o electrónicos y facilitar su inclusión en bases de datos, hemerotecas y demás sistemas y procesos de indexación. PUBLICACIONES E INVESTIGACIÓN autoriza la reproducción y citación del material de la revista, siempre y cuando se indique de manera explícita el nombre de la revista, los autores, el título del artículo, volumen, número y páginas. Las ideas y conceptos expresados en los artículos son responsabilidad de los autores y en ningún caso reflejan las políticas institucionales de la UNAD

Estudio de casos

Abecedario lengua de señas Aplicativo web reconocimiento del abecedario de lenguaje de señas

DOI: https://doi.org/10.22490/25394088.5638

Jose Luis Baquero Mora Externo

Daniela Alarcón Sepulveda

PDF

Resumen
Referencias

El lenguaje de señas colombiano es utilizado por personas sordas para su propia comunicación. Consiste en movimientos y
expresiones de diferentes partes del cuerpo, especialmente las manos. Actualmente, en Colombia, hay mucha falta de tecnología
para el aprendizaje y la interpretación, por tanto, es un compromiso social llevar a cabo iniciativas encaminadas a mejorar la
calidad de vida de la población sorda del país. Este artículo presenta el proceso de diseño e implementación de un sistema de
reconocimiento de gestos no móvil con entorno web mediante las tecnologias de Spring Tools y Angularjs y con el microservicio
en el lenguaje python que implementa una red neuronal convolucional (Convolutional Neural Network) que utiliza las librerías
de Keras y Tensorflow para el reconocimiento de imágenes. El Sistema permite visualizar las imágenes adquiridas y traducirlas
al lenguaje de señas colombiano. Además, tiene la capacidad de consultar multimedia de ayuda y visualizar libros o productos
que se ofrecen en la Fundación AsorHuil de la ciudad de Neiva-Huila.

Palabras clave: Lenguaje de señas colombiano, Python, Red neuronal convolucional, Keras, Tensorflow, Reconocimiento de imágenes

L.-S. Aguilera, H.P. Arias, "COMPUTER VISION APPLIED FOR RECOGNITION SIGN LANGUAGE,"

https://journal.espe.edu.ec, pp. 1-11, June 2016.

B. Villa, V. Valencia, J. Berrio, “Digital image processing applied on static sign language recognition system”,

Prospect. vol.16 no.2 Barranquilla July/Dec. 2018

Deivid J. Botina-Monsalve, M. A.-V.-G.-O. (2018). Clasificación automática de las vocales en el lenguaje de señas colombiano. Tecno Lógicas, vol. 21, núm. 41, 2018.

Edwin Chiguano, N. M. (2018). Diseño e implementación de un sistema traductor de lenguaje de señas de texto mediante visión artificial en un ambiente. 0-7.

Guerrero-Balaguera, J. D., & Pérez-Holguín, W. J. (2015). Sistema traductor de la lengua de señas colombiana a texto basado en FPGA. Dyna, vol. 82, núm. 189, febrero, 2015, pp. 172-181, 11.

Angel. (13 de Octubre de 2009). Mapa de bit. Obtenido de http://mapajs.blogspot.com/2009/10/mapa-de-bits.html

Anónimo. (s.f.). Lenguaje de señas colombiana. Obtenido de Un idioma para conocer: https://sites.google.com/site/lenguasdecorazon/

Anónimo. (s.f.). Segmentación de imágenes. Obtenido de http://alojamientos.us.es/gtocoma/pid/tema4.pdf

Cristian. (04 de Junio de 2016). Formatos de imagen digital. Obtenido de http://www.revista.unam.mx/vol.6/num5/art50/may_art50.pdf

Fotored, D. 15 de Mayo de 2016) Contraste. Obtenido de http://www.digitalfotored.com/imagendigital/contraste.htm

Gonzalo Pajares Martinsanz, J. M. (2001). En Visión por computador: imágenes digitales y aplicaciones. España: RA-MA.

Herrera, P. J. (Enero de 2016). Segmentación de Regiones. Obtenido de https://www.researchgate.net/figure/Figura-61a-Imagen-original-b-Imagen-resultante-binarizada_fig1_323200183

Isabel. (4 de Mayo de 2016). Cómo funciona la lengua de señas. Obtenido de http://www.batanga.com/curiosidades/4910/como-funciona-la-lengua-de-senas

Jaen, U. d. (s.f.). Detección de bordes en una imagen. Obtenido de http://www4.ujaen.es/~satorres/practicas/practica3_vc.pdf

Núñez, P. D. (s.f.). Realce y Restauración de imagen. Obtenido de http://www.lpi.tel.uva.es/muitic/pim/docus/Realce_y_restauracion.pdf

Pérez, J. B. (23 de Junio de 2016). Espacio HSI. Obtenido de Uso del sistema HSI para asignar falso color a objetos en imagenes digitales: http://www.scielo.org.mx/pdf/rmfe/v54n2/v54n2a11.pdf

Santamaría, B. A. (2002). Realce de imágenes: filtrado espacial. Teledetección.

Sevilla, U. d. (s.f.). Capítulo 3 - Textura. Obtenido de Concepto de textura: http://bibing.us.es/proyectos/abreproy/11494/fichero/PROYECTO%252FCapitulo+3.pdf

Tirado, A. B. (2017). El ruido digital: qué es, por qué aparece y 3 métodos para eliminarlo. Foto24. [20]Anónimo. (2019). Algoritmos de segmentación evaluados.

Licencia

Cómo citar

Baquero Mora, J. L., & Alarcón Sepulveda, D. . (2022). Abecedario lengua de señas Aplicativo web reconocimiento del abecedario de lenguaje de señas: Asorhuil . Publicaciones E Investigación, 16(1). https://doi.org/10.22490/25394088.5638

Descargar cita

Almétricas

Métricas

Cargando métricas ...