ELOS: Sistema Embarcado de Tradução Bidirecional LIBRAS-Português para os Setores Administrativos de Instituições de Ensino
Resumo
Este artigo apresenta o ELOS, um sistema embarcado com inteligência artificial para tradução bidirecional em tempo real entre a Língua Brasileira de Sinais (LIBRAS) e o português, voltado aos setores administrativos de instituições de ensino, como secretaria, recepção, coordenação e biblioteca, onde, atualmente, o aluno surdo permanece sem mediação comunicacional. A proposta não substitui o intérprete; é o suporte onde ele não pode estar. O reconhecimento gestual emprega visão computacional com MediaPipe e um classificador baseado em regras, com saída por síntese de voz, tendo o Raspberry Pi 4 como plataforma-alvo de implantação. O MVP funcional, na Sprint 5, reconhece 58 gestos de um vocabulário administrativo em tempo real. Os resultados preliminares indicam viabilidade técnica e econômica para adoção em escala em instituições de ensino.Referências
Al-Hammadi, M., Muhammad, G., Abdul, W., Alsulaiman, M., Bencherif, M. A., & Mekhtiche, M. A. (2020). Hand gesture recognition for sign language using 3DCNN. IEEE Access, 8, 79491-79509.
Al-Qurishi, M., Khalid, T., & Souissi, R. (2021). Deep learning for sign language recognition: Current techniques, benchmarks, and open issues. IEEE Access, 9, 126917-126951.
Alsharif, B., Alalwany, E., Ibrahim, A., Mahgoub, I., & Ilyas, M. (2025). Real-time American Sign Language interpretation using deep learning and keypoint tracking. Sensors, 25(7), 2138.
Alves, K. de M., Santos, F. J. dos, & Sousa, S. K. A. de. (2025). Abordagens de aprendizado de máquina para o reconhecimento de sinais em Libras. In Anais da XXV Escola Regional de Computação Bahia, Alagoas e Sergipe (pp. 327-335). SBC.
Areeb, Q. M., Nadeem, M., Alroobaea, R., & Anwer, F. (2022). Helping hearing-impaired in emergency situations: A deep learning-based approach. IEEE Access, 10, 8502-8517.
Bora, J., Dehingia, S., Boruah, A., Chetia, A. A., & Gogoi, D. (2023). Real-time Assamese sign language recognition using MediaPipe and deep learning. Procedia Computer Science, 218, 1384-1393.
Carvalho, G., Brandão, A., & Ferreira, F. (2021). HandArch: A deep learning architecture for LIBRAS hand configuration recognition. In Anais do XVII Workshop de Visão Computacional (pp. 19-24). SBC.
Khartheesvar, G., Kumar, M., Yadav, A. K., & Yadav, D. (2023). Automatic Indian sign language recognition using MediaPipe Holistic and LSTM network. Multimedia Tools and Applications, 83(20), 58329-58348.
Liang, Z., Li, H., & Chai, J. (2023). Sign language translation: A survey of approaches and techniques. Electronics, 12(12), 2678.
Lobo-Neto, V. C., & Pedrini, H. (2024). LSWH100: A handshape dataset for Brazilian Sign Language (Libras) using SignWriting. Data in Brief, 56, 110780.
Núñez-Marcos, A., Perez-de-Viñaspre, O., & Labaka, G. (2023). A survey on sign language machine translation. Expert Systems with Applications, 213, 118993.
Rastgoo, R., Kiani, K., & Escalera, S. (2020). Hand sign language recognition using multi-view hand skeleton. Expert Systems with Applications, 150, 113336.
Rastgoo, R., Kiani, K., & Escalera, S. (2021). Sign language recognition: A deep survey. Expert Systems with Applications, 164, 113794.
Silva, J. L. S., Vieira, G. S., Fonseca, A. U., & Soares, F. (2022). Reconhecimento e tradução de sinais de Libras para língua portuguesa escrita usando redes neurais profundas. In Anais do Congresso Brasileiro de Automática (Vol. 3, No. 1). SBA.
Sincan, O. M., & Keles, H. Y. (2020). AUTSL: A large scale multi-modal Turkish sign language dataset and baseline methods. IEEE Access, 8, 181340-181355.
Sridhar, A., Ganesan, R. G., Kumar, P., & Khapra, M. (2020). INCLUDE: A large scale dataset for Indian sign language recognition. In Proceedings of the 28th ACM International Conference on Multimedia (pp. 1366-1375).
Xia, K., Lu, W., Fan, H., & Zhao, Q. (2022). A sign language recognition system applied to deaf-mute medical consultation. Sensors, 22(23), 9107.
Zhang, F., Bazarevsky, V., Vakunov, A., Tkachenka, A., Sung, G., Chang, C.-L., & Grundmann, M. (2020). MediaPipe Hands: On-device real-time hand tracking. arXiv preprint arXiv:2006.10214.
Al-Qurishi, M., Khalid, T., & Souissi, R. (2021). Deep learning for sign language recognition: Current techniques, benchmarks, and open issues. IEEE Access, 9, 126917-126951.
Alsharif, B., Alalwany, E., Ibrahim, A., Mahgoub, I., & Ilyas, M. (2025). Real-time American Sign Language interpretation using deep learning and keypoint tracking. Sensors, 25(7), 2138.
Alves, K. de M., Santos, F. J. dos, & Sousa, S. K. A. de. (2025). Abordagens de aprendizado de máquina para o reconhecimento de sinais em Libras. In Anais da XXV Escola Regional de Computação Bahia, Alagoas e Sergipe (pp. 327-335). SBC.
Areeb, Q. M., Nadeem, M., Alroobaea, R., & Anwer, F. (2022). Helping hearing-impaired in emergency situations: A deep learning-based approach. IEEE Access, 10, 8502-8517.
Bora, J., Dehingia, S., Boruah, A., Chetia, A. A., & Gogoi, D. (2023). Real-time Assamese sign language recognition using MediaPipe and deep learning. Procedia Computer Science, 218, 1384-1393.
Carvalho, G., Brandão, A., & Ferreira, F. (2021). HandArch: A deep learning architecture for LIBRAS hand configuration recognition. In Anais do XVII Workshop de Visão Computacional (pp. 19-24). SBC.
Khartheesvar, G., Kumar, M., Yadav, A. K., & Yadav, D. (2023). Automatic Indian sign language recognition using MediaPipe Holistic and LSTM network. Multimedia Tools and Applications, 83(20), 58329-58348.
Liang, Z., Li, H., & Chai, J. (2023). Sign language translation: A survey of approaches and techniques. Electronics, 12(12), 2678.
Lobo-Neto, V. C., & Pedrini, H. (2024). LSWH100: A handshape dataset for Brazilian Sign Language (Libras) using SignWriting. Data in Brief, 56, 110780.
Núñez-Marcos, A., Perez-de-Viñaspre, O., & Labaka, G. (2023). A survey on sign language machine translation. Expert Systems with Applications, 213, 118993.
Rastgoo, R., Kiani, K., & Escalera, S. (2020). Hand sign language recognition using multi-view hand skeleton. Expert Systems with Applications, 150, 113336.
Rastgoo, R., Kiani, K., & Escalera, S. (2021). Sign language recognition: A deep survey. Expert Systems with Applications, 164, 113794.
Silva, J. L. S., Vieira, G. S., Fonseca, A. U., & Soares, F. (2022). Reconhecimento e tradução de sinais de Libras para língua portuguesa escrita usando redes neurais profundas. In Anais do Congresso Brasileiro de Automática (Vol. 3, No. 1). SBA.
Sincan, O. M., & Keles, H. Y. (2020). AUTSL: A large scale multi-modal Turkish sign language dataset and baseline methods. IEEE Access, 8, 181340-181355.
Sridhar, A., Ganesan, R. G., Kumar, P., & Khapra, M. (2020). INCLUDE: A large scale dataset for Indian sign language recognition. In Proceedings of the 28th ACM International Conference on Multimedia (pp. 1366-1375).
Xia, K., Lu, W., Fan, H., & Zhao, Q. (2022). A sign language recognition system applied to deaf-mute medical consultation. Sensors, 22(23), 9107.
Zhang, F., Bazarevsky, V., Vakunov, A., Tkachenka, A., Sung, G., Chang, C.-L., & Grundmann, M. (2020). MediaPipe Hands: On-device real-time hand tracking. arXiv preprint arXiv:2006.10214.
Publicado
23/09/2026
Como Citar
CORREIA, Carlos Eduardo Silva; SANTOS, Guilherme Lago dos; GONÇALVES, Tiago da Silva; NASCIMENTO, Yanes Costa; SILVA, Ivanildo Gomes da.
ELOS: Sistema Embarcado de Tradução Bidirecional LIBRAS-Português para os Setores Administrativos de Instituições de Ensino. In: ESCOLA REGIONAL DE COMPUTAÇÃO BAHIA, ALAGOAS E SERGIPE (ERBASE), 26. , 2026, Maragogi/AL.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2026
.
p. 422-427.
DOI: https://doi.org/10.5753/erbase.2026.32058.
