Détails du sujet
Conception et développement d’un système de traduction en temps réel de la langue des signes en texte basé sur l’analyse vidéo par Open CV et l’apprentissage profond.
Résumé
Auteur : MUGISA PANZA
Niveau: G3
Département: Genie Informatique
Année Ac: 2024-2025 , | 2025-03-12 17:03:56
Mots clés
Deep Learning, openCV, Tensorflow, Keras, Python, ASL,
Intérêt
Ce travail a une importance sociale et technologique évidente.
* D’un point de vue social
_____________________
- il vise à favoriser l'inclusion des personnes malentendantes ou sourdes en réduisant les barrières de communication avec leur environnement.
-Cela pourrait améliorer leur accès à l’éducation, à l’emploi et aux interactions quotidiennes.
* D'un point de vue technologique
___________________________
- Ce sujet offre une opportunité d'explorer l'application des concepts d'apprentissage profond et d'analyse vidéo dans le contexte d'une problématique réelle.
- Il contribue à explorer les méthodologies scientifiques et techniques nécessaires à la conception de systèmes de traduction en temps réel.
- De plus, il favorise une réflexion sur l'intégration des technologies dans des solutions pratiques destinées à améliorer la vie quotidienne, tout en abordant des défis liés à la reconnaissance de gestes et au traitement vidéo.
Ce sujet contribue donc non seulement à résoudre une problématique concrète, mais il ouvre également la voie à de nouvelles applications dans le domaine de la reconnaissance de gestes et de la traduction en temps réel.
Problématique
Bien que la langue des signes joue un rôle essentiel dans la communication des personnes malentendantes ou sourdes, elle reste souvent méconnue ou inaccessible à une grande partie de la population. Cette barrière limite très souvent l'intégration sociale et professionnelle des personnes concernées. Comme dit-on que la parole est un droit pour tous, donc tout le monde devait donc avoir cette même chance de se faire attendre, dans cette société ou l'on prône très souvent la liberté de l'expression! Plan provisoire
INTRODUCTION
1. Contexte et justification du sujet
2. Problématique et hypothèse
3. Objectifs de la recherche
4. Méthodologie adoptée
Chapitre 1 : Revue de littérature
- Analyse des travaux existants sur la traduction de la langue des signes.
- Présentation des approches technologiques (apprentissage profond, analyse vidéo, OpenCV).
- Identification des limites des solutions actuelles.
Chapitre 2 : Méthodologie et conception du système
- Définition des besoins techniques et fonctionnels.
- Collecte et préparation des données.
- Présentation de l’architecture du système et des algorithmes utilisés.
Chapitre 3 : Résultats et analyse
- Implémentation et description des étapes de développement.
- Évaluation des performances (précision, rapidité, robustesse).
- Discussion critique des résultats et recommandations.
CONCLUSION
- Synthèse des contributions principales.
- Limites du travail.
- Perspectives pour des recherches futures. Hypothèses
L'intégration de techniques d'apprentissage profond avec l’analyse vidéo, à travers l’utilisation d’outils tels qu’OpenCV, permettrait de concevoir un système performant et précis de traduction en temps réel de la langue des signes en texte. Ce système contribuerait non seulement à améliorer la communication entre les personnes malentendantes et leur environnement, mais aussi à réduire considérablement les barrières sociales et professionnelles auxquelles elles font face. Méthodes
Voici en quelques points les étapes clés auquel nous nous fierons pour parvenir au bout de ce travail:
1. Revue de littérature : On devra étudier les travaux existants sur la traduction de la langue des signes et les technologies associées.
2. Définition des besoins : On spécifiera les exigences techniques et choisirons la langue de signe cible(ASL dans notre cas).
3. Collecte de données : Nous constituerons un dataset vidéo, annoterons et prétraiterons les données(en cas de non disponibilité de dataset déjà prêt).
4. Développement du modèle : On utilisera l’apprentissage profond et OpenCV pour concevoir un modèle capable de reconnaître les gestes en temps réel.
5. Mise en œuvre du système : On Intégrera un pipeline performant pour une traduction instantanée des gestes en texte.
6. Tests et validation : On évaluera la précision, la rapidité et la robustesse du système. Bibliographie
1. https://paperswithcode.com/paper/word-level-deep-sign-language-recognition
2. https://ieeexplore.ieee.org/abstract/document/10894179/references#references
3. https://www.researchgate.net/profile/John-Ngugi-12/publication/381887623_Sign_Language_Translator_System_Using_Computer_Vision_And_LSTM_Neural_Networks/links/6683d47b0a25e27fbc1d6c29/Sign-Language-Translator-System-Using-Computer-Vision-And-LSTM-Neural-Networks.pdf
4. https://openarchive.nure.ua/server/api/core/bitstreams/7ba81625-6e08-4173-883f-aeb64765140b/content
5....
Directeur & Encadreur
Encadreur: KALIMUMBALO Daniella MUGHOLE
Directeur: AKWIR Alain NKIEDIEL
Status
Décision ou observation:
Feu vert:
Déposé : NON
Défendu: NON
Finalisé: NON
Conception et développement d’un système de traduction en temps réel de la langue des signes en texte basé sur l’analyse vidéo par Open CV et l’apprentissage profond.
Résumé
Auteur : MUGISA PANZA
Niveau: G3
Département: Genie Informatique
Année Ac: 2024-2025 , | 2025-03-12 17:03:56
Mots clés
Deep Learning, openCV, Tensorflow, Keras, Python, ASL,Intérêt
Ce travail a une importance sociale et technologique évidente.* D’un point de vue social
_____________________
- il vise à favoriser l'inclusion des personnes malentendantes ou sourdes en réduisant les barrières de communication avec leur environnement.
-Cela pourrait améliorer leur accès à l’éducation, à l’emploi et aux interactions quotidiennes.
* D'un point de vue technologique
___________________________
- Ce sujet offre une opportunité d'explorer l'application des concepts d'apprentissage profond et d'analyse vidéo dans le contexte d'une problématique réelle.
- Il contribue à explorer les méthodologies scientifiques et techniques nécessaires à la conception de systèmes de traduction en temps réel.
- De plus, il favorise une réflexion sur l'intégration des technologies dans des solutions pratiques destinées à améliorer la vie quotidienne, tout en abordant des défis liés à la reconnaissance de gestes et au traitement vidéo.
Ce sujet contribue donc non seulement à résoudre une problématique concrète, mais il ouvre également la voie à de nouvelles applications dans le domaine de la reconnaissance de gestes et de la traduction en temps réel.
Problématique
Bien que la langue des signes joue un rôle essentiel dans la communication des personnes malentendantes ou sourdes, elle reste souvent méconnue ou inaccessible à une grande partie de la population. Cette barrière limite très souvent l'intégration sociale et professionnelle des personnes concernées. Comme dit-on que la parole est un droit pour tous, donc tout le monde devait donc avoir cette même chance de se faire attendre, dans cette société ou l'on prône très souvent la liberté de l'expression!Plan provisoire
INTRODUCTION
1. Contexte et justification du sujet
2. Problématique et hypothèse
3. Objectifs de la recherche
4. Méthodologie adoptée
Chapitre 1 : Revue de littérature
- Analyse des travaux existants sur la traduction de la langue des signes.
- Présentation des approches technologiques (apprentissage profond, analyse vidéo, OpenCV).
- Identification des limites des solutions actuelles.
Chapitre 2 : Méthodologie et conception du système
- Définition des besoins techniques et fonctionnels.
- Collecte et préparation des données.
- Présentation de l’architecture du système et des algorithmes utilisés.
Chapitre 3 : Résultats et analyse
- Implémentation et description des étapes de développement.
- Évaluation des performances (précision, rapidité, robustesse).
- Discussion critique des résultats et recommandations.
CONCLUSION
- Synthèse des contributions principales.
- Limites du travail.
- Perspectives pour des recherches futures.
Hypothèses
L'intégration de techniques d'apprentissage profond avec l’analyse vidéo, à travers l’utilisation d’outils tels qu’OpenCV, permettrait de concevoir un système performant et précis de traduction en temps réel de la langue des signes en texte. Ce système contribuerait non seulement à améliorer la communication entre les personnes malentendantes et leur environnement, mais aussi à réduire considérablement les barrières sociales et professionnelles auxquelles elles font face.Méthodes
Voici en quelques points les étapes clés auquel nous nous fierons pour parvenir au bout de ce travail:1. Revue de littérature : On devra étudier les travaux existants sur la traduction de la langue des signes et les technologies associées.
2. Définition des besoins : On spécifiera les exigences techniques et choisirons la langue de signe cible(ASL dans notre cas).
3. Collecte de données : Nous constituerons un dataset vidéo, annoterons et prétraiterons les données(en cas de non disponibilité de dataset déjà prêt).
4. Développement du modèle : On utilisera l’apprentissage profond et OpenCV pour concevoir un modèle capable de reconnaître les gestes en temps réel.
5. Mise en œuvre du système : On Intégrera un pipeline performant pour une traduction instantanée des gestes en texte.
6. Tests et validation : On évaluera la précision, la rapidité et la robustesse du système.
Bibliographie
1. https://paperswithcode.com/paper/word-level-deep-sign-language-recognition2. https://ieeexplore.ieee.org/abstract/document/10894179/references#references
3. https://www.researchgate.net/profile/John-Ngugi-12/publication/381887623_Sign_Language_Translator_System_Using_Computer_Vision_And_LSTM_Neural_Networks/links/6683d47b0a25e27fbc1d6c29/Sign-Language-Translator-System-Using-Computer-Vision-And-LSTM-Neural-Networks.pdf
4. https://openarchive.nure.ua/server/api/core/bitstreams/7ba81625-6e08-4173-883f-aeb64765140b/content
5....
Directeur & Encadreur
Encadreur: KALIMUMBALO Daniella MUGHOLEDirecteur: AKWIR Alain NKIEDIEL
Status
Décision ou observation:Feu vert:
Déposé : NON
Défendu: NON
Finalisé: NON