Clasificación de gestos de la lengua de señas colombiana a partir del análisis de señales electromiográficas utilizando Redes neuronales artificiales
Cargando...
Archivos
Fecha
2020-05-18
Director
Enlace al recurso
ORCID
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Compartir
Documentos PDF
Cargando...
Resumen
El objetivo del presente trabajo es clasificar los 27 gestos del alfabeto de señas colombiano, mediante un
clasificador de redes neuronales artificiales a partir de señales electromiográficas. El clasificador fue diseñado
en cuatro fases: 1) Adquisición de señales electromiográficas provenientes de los ocho sensores de la manilla
Myo Armband, 2) Extracción de características de las señales electromiográficas empleando la transformada
Wavelet de Paquetes, 3) Entrenamiento de la red neuronal y 4) Validación del método de clasificación
utilizando la técnica de validación cruzada. Para el presente estudio se adquirieron registros de señales
electromiográficas de 13 sujetos con discapacidad auditiva. El clasificador presentó un porcentaje de precisión
promedio de 88,4%, muy similar a otros métodos de clasificación presentados en la literatura. El método de
clasificación puede ser escalado para clasificar, adicional a los 27 gestos, el vocabulario de la lengua de señas
colombiana.
Abstract
The objective of this article is to classify the 27 gestures of the Colombian sign alphabet, by means of a
classifier of artificial neural networks based on electromyographic signals. The classifier was designed in four
phases: Acquisition of electromyographic signals from the eight sensors of the Myo Armband handle,
extraction of characteristics of the electromyographic signals using the wavelet transform of packages, training
of the neural network and validation of the classification method using the cross-validation technique. For the
present study, records of electromyographic signals from 13 subjects with hearing impairment were acquired.
The classifier presented an average accuracy percentage of 88.4%, very similar to other classification methods
presented in the literature. The classification method can be scaled to classify, in addition to the 27 gestures,
the vocabulary of the Colombian sign language.
Idioma
Palabras clave
Citación
Galvis-Serrano, E. H., Sánchez-Galvis, I., Flórez, N., & Zabala-Vargas, S. (2019). Clasificación de gestos de la lengua de señas colombiana a partir del análisis de señales electromiográficas utilizando redes neuronales artificiales. Información Tecnológica, 30(2), 171-180
Colecciones
Licencia Creative Commons
Atribución-NoComercial-SinDerivadas 2.5 Colombia