Sistema en tiempo real para el reconocimiento de vocales en LSC mediante CNN y visión por computador

Miguel Ángel Flórez Zambrano; Faiber Arley León García; Jorge Luis Díaz Rodríguez; Oscar Javier Suarez Sierra

Ayuda

Sistema en tiempo real para el reconocimiento de vocales en LSC mediante CNN y visión por computador

Flórez-Zambrano, Miguel Ángel ^[1] ; León-García, Faiber Arley ^[1] ; Diaz-Rodriguez, Jorge Luis ^[1] ; Suárez-Sierra, Oscar Javier ^[1]
1. [1] Universidad de Pamplona
  
  Universidad de Pamplona
  
  Colombia
Localización: Respuestas, ISSN 0122-820X, ISSN-e 2422-5053, Vol. 31, Nº. 2, 2026 (Ejemplar dedicado a: MAYO - AGOSTO 2026), págs. 32-45
Idioma: español
Títulos paralelos:
- Real-Time System for the Recognition of Vowel Signs in Colombian Sign Language (LSC) Using Convolutional Neural Networks and Computer Vision
Enlaces
- Texto completo (pdf)
Resumen
- español
  El desarrollo de soluciones accesibles que integren visión artificial y la lengua de señas representa un avance crucial en la inclusión comunicativa de personas sordas en entornos sociales y de servicio. Se presenta un sistema bidireccional de reconocimiento y representación gestual a nivel de caracteres entre la Lengua de Señas Colombiana (LSC) y el español escrito, enfocado en cinco señas vocálicas (A, E, I, O, U), empleando redes neuronales convolucionales (CNN) de baja complejidad. El sistema reconoce señas realizadas frente a una cámara RGB estándar en tiempo real, clasificando cada gesto a partir de un dataset de 5.000 imágenes capturadas en condiciones controladas. El modelo alcanzó una exactitud global del 96,2% operando a ~24 fps en hardware estándar. Este prototipo establece una base escalable para la integración progresiva de vocabularios y estructuras lingüísticas más complejas, alineado con principios de accesibilidad universal y democratización del conocimiento para la comunidad sorda.
- English
  Developing accessible solutions that incorporate computer vision and sign language represents a significant step forward in advancing communicative inclusion for deaf individuals within social and service-oriented environments. This paper presents a bidirectional character-level gesture recognition and representation system between Colombian Sign Language (CSL) and written Spanish, focused on five vowel signs (A, E, I, O, U), utilizing lightweight convolutional neural networks (CNNs). The system recognizes hand gestures performed in front of a standard RGB camera in real time, classifying each sign based on a dataset of 5,000 images captured under controlled conditions. The model achieved a global accuracy of 96.2% and operates at approximately 24 fps on standard hardware. This prototype establishes a scalable foundation for future integration of broader lexical sets and more complex linguistic structures, consistent with universal accessibility standards and the goal of knowledge democratization for the deaf community.