En el marco del Primer Congreso Internacional de Tecnología de Sordos, organizado por el proyecto World Deaf Tech y la Comisión de Personas Sordas del Estado de Querétaro, A.C. (CPSEQ), se llevó a cabo la presentación de proyectos tecnológicos enfocados en promover una mayor inclusión de las personas sordas en la sociedad.

El primer proyecto es un traductor de la Lengua de Señas Mexicana a voz y  texto en tiempo real; un sistema que a través de sensores y algoritmos de inteligencia artificial tiene la capacidad de capturar e interpretar las señas de una persona para su respectiva traducción en palabras. Este proyecto fue diseñado por el egresado de la maestría de tecnologías de cómputo aplicado de la Universidad Tecnológica de la Mixteca en Huajuapan de León, Oaxaca, Gibran García Bautista, con la asesoría del profesor investigador de esa institución, Felipe Trujillo Romero.

Gibran García Bautista detalló que este sistema consiste en un sensor Kinect que almacena información en una base de datos RGB-D para dar el seguimiento, interpretación y traducción de las posiciones del esqueleto humano para después procesarlas y realizar el reconocimiento con redes neuronales/DTW para la generación de palabras en texto y audio.

“Este proyecto inició con mi tema de tesis, que era solamente la creación de un corpus lingüístico de la lengua de señas; entonces yo cree un programa que, a través del Kinect, podía captar información y almacenarla en la base de datos para después obtener una nube de puntos para la recreación de modelos tridimensionales de las personas, y con diferentes implementaciones de algoritmos para obtener la información o el patrón que yo deseaba”, explicó.

García Bautista puntualizó la importancia de utilizar redes neuronales artificiales en el diseño de este sistema traductor de la lengua de señas mexicanas, pues son necesarias para poder hacer una correcta clasificación de las palabras, y con ello evitar errores en el proceso de traducción.

“La red neuronal se asemeja a una biológica. Yo estoy utilizando una de tipo Backpropagation con la que se busca minimizar errores. El punto de una red neuronal es que se le presenta un vector característico o patrón, que puede ser una palabra, misma que la red procesa con una base de datos ya existente, y es capaz de clasificarlas para evitar que se confundan, por muy parecidas que parezcan, y así obtener un modelo de clasificación”, agregó.