Traductor de video y señas (Travid)

En la actualidad, el mercado exige ingenieros de sistemas de alta calidad, con las competencias necesarias para el desarrollo de software, bases de datos y demás conocimientos que incorpore esta carrera. Se observa en el programa de Ingeniería de Sistemas de la Universidad Cooperativa de Colombia, como los estudiantes perciben día a día a la sociedad inmersa en la tecnología gracias a la formación profesional, y su plan de estudio el cual se ha adquirido durante los últimos cinco años. Esto ha ayudado a simplificar muchas tareas que muchas veces se creen complejas. Pero en el área de las inclusiones (ODS 10), y especialmente en el área de las personas con discapacidad auditiva, existen espacios importantes para generar desarrollos que aporten a la inclusión de esta población. Esta problemática se presenta en un contexto sociopolítico que existe actualmente, donde las personas con discapacidad auditiva por falta de canales de comunicación no son tomadas muchas veces en cuenta y son exiliadas del desarrollo social donde deben estar incluidas. Se ha visto que en la sociedad actual las personas con discapacidad auditiva son muy poco incluidas en el desarrollo de la sociedad, y no cuentan con medios y alternativas para poder interactuar con las personas oyentes. Para mitigar parte de esta situación se propone crear un aplicativo, el cual por medio del reconocimiento de imágenes se traducirá la lengua de señas a texto, basándose en los algoritmos de reconocimiento de imágenes que utiliza el software Matlab. Se realizaron 160 pruebas de cada una de las cinco vocales, estas pruebas constan de veinte partes distintas, en las cuales en cada una de ellas se varió diferentes aspectos como lo son lejos, cerca, con guante blanco, con la mano izquierda y derecha, esta toma de muestras se plasmó en diferentes gráficas para así tener resultados porcentuales de acierto. Unos aspectos importantes a tomar son que la vocal A resultó en una variación a diferencia de otras vocales, esta variación consta de que nuestro aplicativo pudo reconocer mucho más fácil está vocal seguido de la vocal E, ya que estas son similares y en otros casos menores reconoció la I, O y U, la vocal E se identificó con un resultado bueno dando todos los 160 intentos de esta, en la vocal I se identificó una variación entre la I, E y U, donde la mayoría fue la I, en la vocal O dio como resultados I, E y O donde la mayor parte fue de la vocal o y de la vocal U nos dio las vocales E, I, A y U donde la u fue la mayor traducción

• Autores: Barreto Alba, Jimmy Joel; Bonilla Bautista, Jhon Erick; Pérez Otavo, Julián
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad Cooperativa de Colombia
• Repositorio: Repositorio UCC
• OAI Identifier: oai:repository.ucc.edu.co:20.500.12494/34793
• Acceso en línea: https://hdl.handle.net/20.500.12494/34793
• Palabra clave: Lenguaje de señas; ODS 10; Matlab; Inclusión; Desarrollo; TG 2021 ISIS 34793; Sign language; SDG 10; Matlab; Inclusion; Development
• Rights: openAccess
• License: Atribución – Compartir igual