Sistema vestível para reconhecimento de gestos em libras com base em superfície seletiva de frequência

Silva Neto, Valdemir Praxedes da

Universidade Federal do Rio Grande do Norte

2025-08-01

Superfície seletiva em frequência

Reconhecimento de gestos estáticos

Dispositivo têxtil

Este trabalho apresenta o projeto, a prototipagem, validação experimental e análise de um novo dispositivo vestível baseado no acoplamento de uma superfície seletiva de frequência (FSS) têxtil a uma luva de dados, desenvolvido para aplicações de reconhecimento de gestos manuais estáticos. Inicialmente, é proposta uma nova FSS têxtil, utilizando tecido 100% algodão como material dielétrico e linha condutiva comercial Shieldex 78f20. O desempenho da FSS é avaliado por meio de dois métodos computacionais: um método de onda completa, implementado em ferramentas comerciais, o ANSYS HFSS, com base no método dos elementos finitos (FEM), e o método aproximado do circuito equivalente (ECM), onde é feita a proposição do circuito equivalente simplificado da geometria utilizada. Após validação computacional e experimental, a FSS foi acoplada a uma luva de dados e aplicada ao reconhecimento de diferentes gestos manuais estáticos. Conforme apontado na literatura, diversos métodos podem ser empregados para essa finalidade, onde parâmetros relacionados a mudanças em dados obtidos através de medição de sinais ópticos, radiofrequência (RF) ou visão computacional; neste trabalho, foi proposto o método de obtenção dos dados através de um setup de RF. Inicialmente, foram medidos cinco gestos estáticos, onde com os dados obtidos, adotou-se como métrica de classificação a variação do módulo do coeficiente de transmissão S21. Para validar numericamente os resultados, realizou-se uma análise estatística com o teste t-Student. Os resultados indicaram que 70% dos gestos medidos apresentaram diferenças significativas entre si, considerando o p-valor < 0.005, evidenciando a eficiência do dispositivo proposto para essa aplicação. Além disso, uma análise de robustez foi conduzida: dois gestos da língua brasileira de sinais (Libras) com pequenas diferenças léxicas, as letras a e s. Os resultados experimentais e a posterior análise estatística desses mostraram diferenças significativas quando comparados. Os valores obtidos experimentalmente foram comparados aos resultados simulados, apresentando boa concordância. Assim, os resultados confirmam o potencial da abordagem proposta para aplicações em reconhecimento de gestos, interação homem-máquina, interfaces para jogos virtuais e realidade aumentada.

This work presents the design, prototyping, experimental validation, and analysis of a new wearable device based on the coupling of a textile frequency selective surface (FSS) to a data glove, developed for static hand gesture recognition applications. Initially, a novel textile FSS is proposed, employing 100% cotton fabric as the dielectric material and a commercial conductive thread, Shieldex 78f20. The performance of the FSS is evaluated using two computational methods: a full-wave method, implemented in commercial tools (ANSYS HFSS) based on the finite element method (FEM), and the approximate equivalent circuit method (ECM), in which a simplified equivalent circuit of the proposed geometry is presented. After computational and experimental validation, the FSS was coupled to a data glove and applied to the recognition of different static hand gestures. As reported in the literature, several methods can be employed for this purpose, involving parameters related to variations in data obtained through optical, radiofrequency (RF), or computer vision signal measurements. In this work, the proposed method obtains data through an RF setup. Initially, five static gestures were measured, and based on the collected data, the variation in the magnitude of the S21 transmission coefficient was adopted as the classification metric. To numerically validate the results, a statistical analysis was performed using the t-Student test. The results indicated that 70% of the measured gestures presented significant differences among each other, considering a p-value < 0.005, highlighting the efficiency of the proposed device for this application. Additionally, a robustness analysis was conducted with two Brazilian Sign Language (Libras) gestures with small lexical differences, the letters “a” and “s.” The experimental results and subsequent statistical analysis showed significant differences when compared. The experimental values were compared to the simulated results, showing good agreement. Therefore, the findings confirm the potential of the proposed approach for applications in gesture recognition, human–machine interaction, virtual gaming interfaces, and augmented reality.