Resumen en español

Este trabajo propone el desarrollo de un sistema de reconocimiento de gestos dinámicos de la lengua de señas colombiana mediante el uso de redes neuronales artificiales combinando técnicas de visión por computador con modelos de aprendizaje profundo. En particular, se implementó una arquitectura basada en redes Long Short-Term Memory (LSTM), la cual permite modelar de forma eficiente las secuencias temporales características de los gestos dinámicos. Para ello, se utilizaron técnicas de extracción de características a partir de landmarks generados mediante herramientas de visión artificial, lo que permitió capturar la posición y el movimiento de las articulaciones clave a lo largo del tiempo. Se aplicaron también técnicas de preprocesamiento y normalización de datos con el fin de aumentar la robustez del sistema frente a variaciones entre personas, posiciones de cámara y tipos de fondo. El sistema fue evaluado utilizando una base de datos propia compuesta por videos etiquetados de distintos gestos dinámicos, logrando una exactitud del 96 %.