forma satisfatória. Os gestos treinados foram devidamente reconhecidos. Notou-se, porém, que mediante ao aumento do número de gestos treinados, a eficácia do re- conhecimento destes através da rede é reduzida, além de ser exigido um tempo maior para o treinamento desta.
Para o teste do reconhecimento dos gestos através da rede, foi desenvolvida uma rotina que, com base nas imagens obtidas com a câmera, imprimisse, em tela, o nome do gesto (atribuído pelo autor do projeto) que está sendo reconhecido. Na Figura 42, abaixo, pode ser vista a resposta da rotina para cada um dos gestos mos- trados. Como, a cada imagem capturada pela câmera, uma chamada ao método de reconhecimento é feita, tem-se diversas respostas (iguais) para o mesmo gesto. Figura 42 – Respostas da rede neural
Fonte: Próprio autor.
Através desta rotina, pôde-se avaliar a eficácia do reconhecimento de gestos por parte da rede neural. Notou-se que, para a quantidade de gestos utilizada (5), obteve-se uma taxa de acerto de 100%. Nota-se, porém, que com o aumento do nú- mero de gestos a serem reconhecidos e treinados, há uma queda na eficácia do al-
goritmo de reconhecimento, lembrando sempre que, a cada gesto adicionado, foram utilizadas 40 imagens para o seu treinamento. Na Tabela 5, abaixo, a eficácia da rede neural é apresentada em relação ao número de gestos treinados, juntamente com um indicativo do tempo de convergência da rede. Para a avaliação desta eficá- cia, executou-se o reconhecimento, para cada quantidade de gestos treinados, 40 vezes, variando os gestos a serem reconhecidos. Cada um dos testes foi realizado por 3 pessoas distintas, sendo que as variações no formato e tamanho das mãos não apresentou qualquer diferença nos resultados encontrados.
Tabela 5 – Apresentação da eficácia da rede neural. Qtde. gestos treinados Núm ero de gestos realizados Reconhe cidos corretamente Reconhe cidos erroneamente Porcen tagem de acertos (%) Tempo para treinamento 5 40 40 0 100 Cerca de 1 minuto 8 40 36 4 90 Cerca de 5 minutos 10 40 29 11 72.5 Cerca de 20 minutos 14 40 21 19 52.5 Mais de 50 minutos Fonte: Próprio Autor.
Além desta rotina de teste desenvolvida para a rede, pode-se constatar sua eficiência quando atribuídos, a estes gestos, os eventos de mouse mostrados na Ta- bela 4. Estes eventos foram testados ao se realizar os gestos em frente à câmera e observar as respostas dadas a estes, as quais podem ser também observadas medi- ante interações com o sistema operacional. Na Figura 43, a seguir, nota-se a execu- ção do gesto de mão fechada (dispara o evento de pressionar o mouse) e sua res- pectiva resposta. Pode-se perceber que o ícone “Meus Documentos” é arrastado si- mulando o pressionamento do mouse.
Fonte: Próprio autor.
Já na Figura 44 abaixo, o evento de mão aberta (mouse solto) pode ser visua- lizado. É interessante observar nesta figura a eficácia do algoritmo de mudança de perspectiva. Observa-se, por exemplo, que a extremidade do braço destacado em verde, responsável pela movimentação do cursor, se aproxima da borda esquerda superior da tela que reproduz a imagem proveniente da câmera. Por sua vez, o cur- sor do mouse, circulado em vermelho, se aproxima do canto do painel da lousa de forma análoga.
Figura 44 – Evento de mão aberta e mudança de perspectiva.
5 CONSIDERAÇÕES FINAIS
O desenvolvimento de tecnologias para veiculação das informações, principal- mente de maneira visual, vem ganhando cada vez mais espaço hoje em dia. Estas tecnologias vêm sendo bastante utilizadas, porém, sua popularização ainda esbarra no alto custo dos componentes envolvidos no seu desenvolvimento, fato este que aumenta a viabilidade do desenvolvimento de tecnologias visuais alternativas, base- adas em software, como a descrita no presente trabalho.
O desenvolvimento do presente trabalho, intitulado lousa digital de baixo cus- to, baseia-se em algoritmos que tomam como base aspectos referentes à estrutura de imagens digitais, além de técnicas referentes ao processamento destas. Estes serviram como base para a determinação das interações do usuário com a proposta lousa, a qual se deu através da técnica de detecção de pele e do uso de redes neu- rais artificiais.
A partir dos resultados obtidos e demonstrados na seção de resultados, cons- tatou-se que o método de detecção de pele proposto por Gomez, Sanchez e Sucar (2002) se mostrou eficaz, apresentando resultados satisfatórios para os testes pro- postos, sendo esta eficácia, essencial para o sucesso dos algoritmos de reconheci- mento de regiões conexas e de reconhecimento de gestos via redes neurais artifici- ais, os quais se mostraram igualmente eficazes e efetivos.
É válido ressaltar que, apesar dos bons resultados provenientes dos algorit- mos desenvolvidos, este sistema apresenta aspectos passíveis de melhora, os quais envolvem, principalmente, a performance do algoritmo de detecção de pele, o tempo de treinamento da rede neural artificial envolvida e a adição de mais gestos que re- presentem possíveis ações do usuário, além do desenvolvimento de um mecanismo de mais fácil uso do usuário para controle de suas interações com a lousa, já que este uso se mostrou um tanto complicado para usuários pouco experientes.
Pode-se pensar, em termos de trabalhos futuros, que as rotinas desenvolvi- das podem ser adaptadas de forma a seguir as melhorias propostas, formando um produto final que pudesse ser devidamente implantado em instituições que necessi- tam de uma lousa digital. Além disso, devido à eficácia destas rotinas desenvolvidas, nota-se que a adaptação destas poderia ser feita de forma a utilizá-las em progra- mas que utilizam o paradigma de interação com o computador via câmeras, bastante
comum em softwares de acessibilidade. Estas rotinas poderiam, por exemplo, auxili- ar pessoas com deficiência motora e incapacidade de utilizar o mouse.
Por fim, reitera-se a importância do trabalho desenvolvido no tocante ao de- senvolvimento e popularização de tecnologias similares, além de reiterar-se tam- bém, os bons resultados obtidos com o presente trabalho.
ABERTURA E FECHAMENTO. Disponível em:
<http://www.imagesurvey.com.br/2008/12/abertura-e-fechamento/> Acesso em 10 jul. 2011.
ABOWD, G. Classroom 2000: An experiment with the instrumentation of a living
educational environment. IBM Systems Journal, New York, v.38, n. 4, p.508-530,
1999.
BACKPROPAGATION. Disponível em:
<http://www.lncc.br/~labinfo/tutorialRN/frm4_backpropagation.htm>. Acesso em 15 set. 2011.
BRAGA, A. P; CARVALHO, A. P. L. F.; LUDERMIR, T. B. Redes Neurais Artificiais:
teoria e aplicações. Rio de Janeiro: JC Editora, 2000.
CARVALHO, F. J. S; TAVARES, J. M. R. S. Detecção de faces em imagens
baseada na identificação da pele e dos olhos. Revista de Estudos Politécnicos,
Porto, v.6, n. 9, p;1-27, 2008.
CRUZ JUNIOR, J. C. D. Lousa interativa de alta resolução. Revista Sapere. Tatuí, v.3, n.1, p.1-5, 2011.
FUNÇÃO DE ACTIVAÇÃO. Disponível em:
<http://www.isr.uc.pt/~paulo/PROJ/NN95/node28.html>. Acesso em 18 set. 2011. GARCIA, C.; TIZIRITAS, G. Face detection using quantized skin color regions
merging and wavelet packet analysis. In: IEEE Trans. on Multimedia, v.1, n.3, p.
264-277, 1999.
GOMEZ, G.; SANCHEZ, M.; SUCAR, L. On selecting an appropriate color space
for skin detection. In: Mexican Int. Conf. on Artificial Intelligence 2002, Mexico,
v2313, p.70-79, 2002.
GONZÁLEZ, R. C.; WOODS, R. E. Processamento de Imagens Digitais. São Paulo: Edgar Blucher, 2010.
______. Digital Image Processing. New Jersey: Prentice Hall, 2002.
ICLASS. Disponível em: <http://www.usp.br/agen/repgs/2005/pags/092.htm>. Aces- so em: 08 jul. 2011.
INDRUSIAK, L. S. Linguagem Java. Porto Alegre: JUG - Rio Grande do Sul,
1996.
ITO, S. A; SERRA, T. G. Uma aplicação de redes neurais artificiais. 1998. Pós Graduação – Universidade Federal do Rio Grande do Sul, Porto Alegre, 1998.
JAVA MEDIA FRAMEWORK. Disponível em: <http://www.oracle.com/technetwork /java/javase/tech/index-jsp-140239.html>. Acesso em: 24 set. 2011.
LOUSA DIGITAL. Disponível em: <http://www.lousadigital.com.br>. Acesso em 08 jul. 2011.
MORAES, M. A. A utilização do quadro digital no ensino de histologia e
fisiologia vegetal nas turmas do 2º ano do ensino médio de uma escola da rede pública do Distrito Federal. 2011. In:
Consórcio Setentrional de Educação a
Distância. Brasília, 2011.
MULTITOUCH WHITEBOARD. Disponível em:
<http://www.dcc.fc.up.pt/~mcoimbra/lectures/IPM_1011/IPM_0910_G09.pdf> Acesso em 08 jul. 2011.
NEUROPH. Disponível em <http://neuroph.sourceforge.net/javadoc/index.html>. Acesso em: 24 set. 2011.
PEER, P.; KOVAC, J.; SOLINA, F. Human skin color clustering for face detection. In: submitted to EUROCON 2003 – International Conference on Computer as a Tool, v2, p. 144-148, 2003.
PROCÓPIO, R. B.; SOUZA, P. N. D. Os recursos visuais no ensino-
aprendizagem de vocabulário em língua estrangeira. In: Acta Scientiarum.
Language and Culture. Paraná. v. 1, n. 2, p. 139-146, 2009.
REDES NEURAIS ARTIFICIAIS. Disponível em: <http://www2.dbd.puc-
rio.br/pergamum/tesesabertas/0220883_05_cap_04.pdf>. Acesso em 04 nov. 2011. RIBEIRO, H. L. Reconhecimento de gestos usando segmentação de imagens
dinâmicas de mãos baseada no modelo de mistura de gaussianas e cor de pele. 2006. 144f. Dissertação (Mestrado em Engenharia Elétrica) – Escola de
Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2006.
SANTOS, R. Java Image Processing Cookbook (livro on-line). 2005. Disponível em: <http://www.lac.inpe.br/JIPCookbook/0000-
intro.jsp#introductionaboutthisebook>. Acesso em 15 set. 2011.
SCHMIDT, A.; PAZIN FILHO, A. Recursos visuais. In. Simpósio Didática: A Aula Teórica Formal V, 2007, Ribeirão Preto. p. 32-41, 2007.
VALISE, C. C. Manipulação de Imagens. Disponível em: <http://vigo.ime.unicamp.- br/~asaa/Clarissa.pdf>. Acessoem 12 jan. 2012.