Edwin Jonathan Escobedo Cárdenas
Integrante de la REINDIS (PERÚ)
Código: REINDIS-PA-2025-I-0014
Lourdes Ramírez Cerna
Integrante de la REINDIS (PERÚ)
Código: REINDIS-PA-2025-I-0028
El proyecto de investigación “SignoPerú: reconocimiento de palabras en Lengua de Señas Peruana con IA para una comunicación inclusiva” propone el desarrollo de un sistema de reconocimiento automático de palabras en Lengua de Señas Peruana (LSP) que utiliza técnicas avanzadas de visión computacional y aprendizaje profundo. Esta propuesta busca reducir las barreras de comunicación e inclusión que enfrenta la comunidad sorda y, en particular, las personas usuarias de la Lengua de Señas Peruana, en diversos ámbitos de la sociedad. La limitada disponibilidad de docentes e intérpretes especializados constituye una de las principales barreras para su participación plena en espacios educativos, laborales y sociales.
En este marco, el proyecto fue desarrollado por Edwin Jonathan Escobedo Cárdenas y Lourdes Ramírez Cerna, integrantes de la Red de Investigadores en Discapacidad – REINDIS (PERÚ), con el financiamiento de la Universidad de Lima. La iniciativa está orientada a reducir las barreras de comunicación que enfrenta la comunidad sorda en el Perú, mediante el desarrollo de una herramienta tecnológica capaz de reconocer automáticamente palabras en Lengua de Señas Peruana (LSP).
Como antecedente de esta iniciativa, se encuentran investigaciones previas en el campo del reconocimiento automático de lenguas de señas mediante inteligencia artificial, entre ellas el artículo “A Multimodal LIBRAS-UFOP Brazilian Sign Language Dataset of Minimal Pairs Using a Microsoft Kinect Sensor”, publicado en la revista Expert Systems with Applications, cuyos autores fueron Lourdes Ramírez Cerna, Edwin Escobedo Cárdenas, Dayse García Miranda, Guillermo Cámara-Chávez y David Menotti, vinculados a la Universidad Federal de Ouro Preto y la Universidad Federal de Paraná. El estudio permitió desarrollar una base de datos multimodal para el reconocimiento de palabras de la Lengua Brasileña de Señas (LIBRAS), mediante información RGB-D obtenida con sensores de profundidad. Asimismo, evidenció la importancia de contar con bases de datos validadas y representativas para el entrenamiento de modelos de aprendizaje profundo capaces de reconocer gestos con alta similitud.
En el contexto peruano, el desarrollo de tecnologías para el reconocimiento de la Lengua de Señas Peruana (LSP) ha incluido la creación de bases de datos y modelos computacionales, principalmente enfocados en alfabetos o gestos individuales. Sin embargo, persiste el desafío de desarrollar sistemas capaces de reconocer palabras en LSP, debido a la complejidad de la lengua, las variaciones en la ejecución de los movimientos y la similitud existente entre algunas señas. Esta dificultad se observa especialmente en señas que usan el concepto de pares mínimos, en las cuales pequeñas modificaciones en la configuración de la mano, el movimiento o la posición corporal pueden cambiar el significado de una seña.
Ante esta necesidad, el proyecto SignoPerú planteó el desarrollo de un sistema basado en visión computacional y técnicas de aprendizaje profundo para analizar videos de señas dinámicas e identificar patrones que permitan reconocer automáticamente palabras en LSP. Para lograrlo, se empleó el dataset SignoPerú-Minimal Pairs, compuesto por 137 videos con información RGB-D y 14 expresiones faciales muy usadas por la comunidad sorda que usan el concepto de pares mínimos.
De esta manera, este proyecto contribuye al desarrollo de herramientas tecnológicas inclusivas que faciliten la comunicación entre personas sordas y oyentes, y que promuevan nuevas oportunidades de participación en ámbitos educativos, laborales y sociales.
Puedes encontrar más información sobre el proyecto SignoPerú.
