Year: 2021
Type: dissertation
Abstract: A escrita desempenha um papel importante na comunicação, quer num cenário de escrita digital quer num cenário de escrita manual. Assim, uma diminuição ou mesmo perda destas competências pode constituir um grande contratempo. O sistema aqui descrito visa promover a reabilitação da escrita através da análise de caracteres escritos, usando um joystick háptico. O sistema desenvolvido é capaz de efetuar a classificação de números ou de letras e de realizar quantificação da qualidade dos caracteres escritos. Nesta dissertação, são estudados e avaliados diferentes métodos para a obtenção da melhor precisão de classificação. Relativamente à classificação de caracteres, o procedimento proeminente para números consiste na utilização de Histograma de Gradientes Orientados acoplado a uma Máquina de Vetores de Suporte multiclasse (HOG-SVM – Histogram of Oriented Gradients-multiclass Support Vector Machine), enquanto no caso de letras recorre-se a uma Rede Neuronal Convolucional (CNN – Convolutional Neural Network). Para a quantificação da qualidade da escrita, foi realizada a Sincronização Temporal Dinâmica (DTW – Dynamic Time Warping) entre o caractere escrito e dez imagens de referência do mesmo caractere. Em suma, a utilização destes métodos permite realizar uma análise de caracteres escritos e poderá assim contribuir para a reabilitação das capacidades de escrita através do treino e da avaliação das mesmas.Palavras-Chave: Reabilitação da escrita; Joystick háptico; Histogram of Oriented Gradients acoplado a multiclass Support Vector Machine; Convolutional Neural Network; Dynamic Time Warping.
Author: Quaresma, Vasco Araújo Goulart
Language: English
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7066331641
