Sistema de reconhecimento de padrões em tipos para ensino de tipografia a deficientes visuais

Abstract

O deficiente visual vivencia exclusão em variados aspectos, tanto social, quanto em esferas educacionais e culturais. Isto pode ser exemplificado pelo fato de o deficiente visual encontrar várias barreiras em relação à ambientes físicos que não são adaptados a eles e também ao acesso restrito a livros e textos. Além disso, percebe-se uma distanciação dessas pessoas em relação às expressões artísticas variadas, como teatro, museus e filmes. Dentro deste contexto, insere-se também a tipografia. Além de se aproximar da escrita como uma forma de comunicação, a tipografia também comunica por meio de uma linguagem visual ligada à estética. Sendo assim, um produto de tecnologia assistiva para ensino de tipografia a deficientes visuais foi proposto, em trabalho anterior, como forma de diminuir a exclusão do deficiente visual com o campo da tipografia, aproximando-o também de aspectos culturais nos quais a tipografia é aplicada, como marcas de carros, de filmes, de bandas, entre outros. Desta forma, este trabalho descreve o desenvolvimento de uma parte deste produto de tecnologia assistiva, o sistema de reconhecimento de padrões em tipos, que comporá o software auxiliar ao deficiente visual. Este sistema classifica a imagem do caractere em relação à sua tipografia por meio do reconhecimento de padrões na imagem, podendo assumir qualquer uma das nove classes, que são as nove tipografias pertencentes ao projeto. Na etapa de desenvolvimento do algoritmo, foram utilizadas técnicas de aprendizado de máquina (Machine Learning), no qual foi aplicado o operador Padrão Binário Local (LBP, Local Binary Pattern em inglês) para extração de atributos e os classificadores Máquina de Vetor de Suporte(SVM, em inglês Support Vector Machine) e Floresta Aleatória (Random Forest Classifier). O problema neste projeto é caracterizado como classificação e, como resultado, obteve-se um índice de acerto da classificação de 84,91% no melhor caso, utilizando a Floresta Aleatória. Já no caso do emprego da Máquina de Vetor de Suporte, o melhor índice de acerto da classificação foi de74,70%.