Os alunos do Curso de Sistema de Informação do Uniaraxá, Ian Bitencourt, Caio Ferreira, Ranielly Nunes, Ana Carolina, Gustavo Faria realizaram um trabalho sobre o Uso da Inteligência Artificial para reconhecimento de Libras como ferramenta de Inclusão Social. O referido trabalho foi coordenado pelo professor Marco Aurélio Moreira, coordenador do Curso e do professor Orientador, Hugo Jerzy Bravo Cipriano
RESUMO:
O presente trabalho tem como objetivo principal promover a inclusão e acessibilidade, facilitando a comunicação entre pessoas surdas e ouvintes. A metodologia envolve o uso de Python, juntamente com bibliotecas de reconhecimento de mãos/gestos e técnicas de machine learning, para o reconhecimento e treinamento do sistema.
O projeto foi realizado como parte do Projeto Integrador, com o intuito de melhorar a integração social, educacional e profissional das pessoas surdas. Durante o desenvolvimento, foram realizados testes práticos e ajustes no sistema para garantir a eficácia do reconhecimento dos gestos em Libras. Os resultados mostraram que a ferramenta pode ajudar a superar barreiras linguísticas, oferecendo uma alternativa eficiente para a comunicação inclusiva. Conclui-se que, ao utilizar a tecnologia para o reconhecimento de Libras, abre-se um caminho para tornar o mundo mais igualitário, promovendo a participação ativa de pessoas surdas na sociedade.
INTRODUÇÃO:
A inclusão de pessoas com deficiência auditiva é uma questão essencial no contexto das políticas públicas de saúde e educação. A Libras, Língua Brasileira de Sinais, é a principal forma de comunicação das pessoas surdas no Brasil, sendo, portanto, fundamental que se busquem alternativas tecnológicas para superar as barreiras de comunicação. O projeto “Reconhecimento de Libras” surge da necessidade de promover maior integração das pessoas surdas em ambientes sociais, educacionais e profissionais, utilizando a tecnologia como ferramenta de acessibilidade.
OBJETIVOS:
O objetivo deste trabalho foi desenvolver uma ferramenta que reconhecesse gestos em Libras, com o intuito de facilitar a comunicação entre pessoas surdas e ouvintes. Através de machine learning e bibliotecas específicas de reconhecimento de gestos, buscamos criar uma solução acessível e eficaz.
METODOLOGIA:
Para a execução do projeto, utilizou-se a linguagem de programação Python, com bibliotecas especializadas em reconhecimento de gestos e machine learning. O sistema foi treinado com um conjunto de dados de gestos em Libras, visando proporcionar um reconhecimento preciso. Foram realizados testes em ambientes controlados para avaliar a acurácia do sistema. A validação do sistema foi feita por meio da interação com usuários surdos, garantindo a efetividade da ferramenta na prática.
REFERENCIAL TEÓRICO:
A inclusão de pessoas com deficiência auditiva é uma pauta relevante nas políticas públicas de saúde e educação, pois a comunicação é um direito fundamental. A Língua Brasileira de Sinais (Libras) foi reconhecida oficialmente pela Lei nº 10.436/2002 e regulamentada pelo Decreto nº 5.626/2005, sendo o principal meio de comunicação da comunidade surda no Brasil. Apesar dos avanços, ainda existem barreiras significativas para a participação plena das pessoas surdas na sociedade.
A tecnologia tem se tornado uma aliada nesse contexto, especialmente com o uso da Inteligência Artificial (IA) e do Machine Learning (ML) aplicados ao reconhecimento de gestos e sinais. Diversos estudos têm demonstrado que sistemas baseados em visão computacional podem identificar padrões de movimento das mãos, facilitando a tradução de sinais em Libras para texto ou voz. Esses avanços contribuem diretamente para a inclusão social, permitindo que pessoas surdas interajam em diferentes ambientes educacionais, profissionais e sociais.
DESENVOLVIMENTO:
O desenvolvimento do sistema de reconhecimento de Libras foi realizado utilizando a linguagem Python, com bibliotecas especializadas como MediaPipe e TensorFlow. Inicialmente, foi feita a coleta de imagens e vídeos representando diferentes sinais da Libras, formando o conjunto de dados para treinamento do modelo.
O processo de treinamento envolveu a identificação de landmarks das mãos, classificação dos gestos e ajustes nos hiperparâmetros do modelo de machine learning para garantir maior acurácia. Após o treinamento, foram realizados testes com usuários surdos para avaliar a eficiência da ferramenta. A interação positiva e o reconhecimento preciso dos sinais demonstraram o potencial do sistema para aplicação prática.
Além do aspecto técnico, o projeto proporcionou aos alunos experiência em programação, visão computacional e integração entre teoria e prática, fortalecendo competências essenciais para o mercado de tecnologia.
RESULTADOS:
Os resultados indicam que o sistema de reconhecimento de Libras apresentou um bom desempenho, conseguindo identificar de forma eficiente os gestos realizados. Houve uma interação positiva com os usuários, que indicaram a ferramenta como uma alternativa útil para a comunicação.
CONCLUSÃO:
O desenvolvimento do sistema de reconhecimento de Libras contribuiu significativamente para o aprimoramento das habilidades dos envolvidos, como programação, machine learning e trabalho em equipe. Além disso, mostrou-se uma importante ferramenta para a inclusão social, proporcionando mais acessibilidade e comunicação para a comunidade surda. O projeto tem grande potencial para ser expandido e aplicado em diferentes contextos, tornando-se um aliado importante na construção de uma sociedade mais inclusiva.
REFERÊNCIAS:
BRASIL. Lei nº 10.436, de 24 de abril de 2002. Dispõe sobre a Língua Brasileira de Sinais – Libras.
BRASIL. Decreto nº 5.626, de 22 de dezembro de 2005. Regulamenta a Lei nº 10.436, de 24 de abril de 2002.
ALVES, R. Inteligência Artificial Aplicada à Acessibilidade. São Paulo: Novatec, 2021.
SOUZA, M.; LIMA, A. Machine Learning e Inclusão Social: Estudos de Caso. Revista Brasileira de Computação, v. 15, n. 2, 2022.
GOOGLE. MediaPipe: Cross-platform, customizable ML solutions for live and streaming media. Disponível em: https://mediapipe.dev
Um abraço e até a próxima…
Professor Coordenador Sistemas de Informação: Marco Aurélio Moreira
