Resumen

Este artículo presenta una propuesta metodológica para la sintonización de clasificadores difusos aplicados al reconocimiento del lenguaje de señas australiano para dos contextos particulares. Se expone la arquitectura de clasificación y la metodología de sintonización basada en evolución diferencial. Los resultados de validación muestran que es posible encontrar un clasificador difuso cuyo porcentaje de error está alrededor del 13,0% sobre una muestra de palabras derivadas de varios intérpretes para cada uno de los contextos definidos. Esta particularidad es relevante, dado que trabajos anteriores se centran en el reconocimiento de las palabras provistas por tan solo un intérprete.

INTRODUCCIÓN

El reconocimiento de los gestos de las manos ha impulsado el desarrollo de aplicaciones de alta tecnología, como la realidad virtual, el entretenimiento, las animaciones en tiempo real y la domótica (De Falco et al., 2008). El reconocimiento del lenguaje de señas se puede entender como un problema de clasificación que ha despertado interés en la comunidad científica, en busca de una comunicación transparente y efectiva entre las personas que emplean el lenguaje de señas y las que utilizan el lenguaje oral. Trabajos precedentes concuerdan en que el desempeño de los sistemas de reconocimiento del lenguaje de señas está sujeto a factores como las variaciones producidas por los cambios intrapersonales e interpersonales, las condiciones de iluminación, la apariencia y el solapamiento de la manos (Culver, 2004; Kadous, 1996; Saliza et al., 2006) y la similitud de los gestos.

Varios métodos se han propuesto para el reconocimiento del lenguaje de señas, entre los que se encuentran: modelos ocultos de Markov (HMM, por sus siglas en inglés) (Goh, 2005), máquinas de aprendizaje (ML, por sus siglas en inglés) (Kadous, 1996), sistemas difusos (Dimuro, 2007) y agrupamiento difuso (De Falco et al., 2008). Sin embargo, ninguno de estos trabajos tiene en cuenta los contextos particulares ni la incertidumbre de los movimientos que se genera entre persona y persona por factores culturales, económicos y educativos del intérprete. Lo anterior se debe a que solo se emplean las señas de un intérprete para el reconocimiento del lenguaje de señas.

Las inevitables variaciones presentes en el reconocimiento del lenguaje de señas han impulsado el uso de modelos que tienen la capacidad de manejar la incertidumbre (Villate y Rincón, 2011). Los sistemas difusos han sido una solución alterna en el proceso de clasificación de los movimientos de las manos (Dimuro, 2007).

• Materias:Desarrollo de nuevos productos Evolución Lenguaje Lenguaje natural
• Subjects:New product development Evolution language Natural language
• Palabras claves:Auslan, clasificación difusa, evolución diferencial, lenguaje de señas, reconocimiento de patrones, optimización,sistemas difusos TSK.
• Keywords:Auslan, differential evolution, fuzzy classification, pattern recognition, sign language, optimization, TS Fuzzy Systems.