A acessibilidade digital é a capacidade de um produto ser flexível o suficiente para

atender às necessidades e preferências do maior número possível de pessoas, além de ser compatível com tecnologias assistivas, usadas por pessoas com deficiência (Silveira et al., 2007). Para Santos (Santos et al., 2018), a tecnologia assistiva é composta por: recursos, serviços e estratégias que contribuem para proporcionar ou ampliar habilidades funcionais de pessoas com deficiência ou mobilidade reduzida, com o propósito de promover inclusão e independência (RAMIRES et al., 2013 citados por SANTOS et al., 2018, p. 633).

Segundo o Censo Demográfico de 2010, no Brasil existem aproximadamente 45 milhões de pessoas que apresentam pelo menos um tipo de deficiência, o que representa 23,9% da população brasileira. A deficiência visual representa 18,8%, 7% diz respeito à deficiência motora, 5,10% à deficiência auditiva e 1,4% à deficiência mental ou intelectual (IBGE, 2010).

O termo áudio-descrição existe desde 1964, quando Chet Avery, funcionário do Departamento de Educação dos Estados Unidos, sugeriu que fossem feitas descrições de filmes para pessoas cegas e incentivou organizações de consumidores a requisitar a áudio-descrição dos mesmos (Synder, 2005).

Pessoas com deficiência visual não conseguem ter acesso às informações contidas em imagens. Tendo em vista esta dificuldade, surge o conceito da áudio-descrição. A áudio-descrição simbolizou um novo entendimento sobre o direito à informação e à comunicação, por exigir uma descrição regrada, plena de sentidos, uma “ponte entre a imagem não vista e a imagem construída na mente de quem ouve a descrição” (Lima, 2009).

Os aparelhos celulares têm uma participação expressiva como instrumento de comunicabilidade entre os deficientes visuais, permitindo uma maior independência destes, contribuindo para uma melhor qualidade de vida por meio do sentimento de autonomia e participação social (Campêlo et al., 2011).

O Modelo de Acessibilidade em Governo Eletrônico (eMAG) tem o compromisso de ser o norteador no desenvolvimento e na adaptação de conteúdos digitais do governo federal, garantindo o acesso a todos. As recomendações do eMAG permitem que a implementação da acessibilidade digital seja conduzida de forma padronizada, de fácil implementação, coerente com as necessidades brasileiras e em conformidade com os padrões internacionais. O eMAG trata de uma versão especializada do documento internacional WCAG (Web Content Accessibility Guidelines: Recomendações de Acessibilidade para Conteúdo Web) voltado para o governo brasileiro, porém o eMAG não exclui qualquer boa prática de acessibilidade do WCAG (eMAG, 2011).

Machado (Machado et al., 2014) diz que os quatro princípios elencados nas recomendações de acessibilidade apontadas no guia W3C/WCAG 2.0 são: perceptível, operável, compreensível e robusto. Apesar de terem sido concebidas para a web, são, também, aplicadas às plataformas móveis.

A análise automática de imagens é um processo de descobrimento de identificação e de um entendimento de padrões que sejam relevantes à performance de uma tarefa baseada em imagens (Gonzalez, 2000). Uma das principais metas da análise de imagens é a de aproximar a sua capacidade à capacidade de analisar imagens dos seres humanos (Gonzalez, 2000).

Os elementos de análise de imagem são mostrados na Figura 1.

Figura 1
Elementos de Análise de Imagem
Gonzalez, 2000

Segundo Gonzalez (2000), o processamento de baixo nível trata de funções que podem ser vistas como reações automáticas, sem o uso de qualquer inteligência, sendo representado pela aquisição e o pré-processamento de imagens como redução de ruídos ou do borramento da imagem. O processamento de nível intermediário trata da extração e caracterização de componentes, por exemplo regiões, em uma imagem resultante do processo de baixo nível, incluindo a segmentação. O processamento de alto nível envolve o reconhecimento e a interpretação, onde são aplicadas técnicas inteligentes, resultando em uma tarefa complexa.

Um padrão se define como uma descrição quantitativa ou estrutural de um objeto. Geralmente, um padrão é um arranjo de descritores e uma classe de padrões é uma família de padrões que compartilham algumas propriedades comuns. Essas são denotadas como: W1;W2 ...WM, em que M é o número de classes. O reconhecimento de padrões por máquina envolve técnicas para atribuição dos padrões e suas respectivas classes para atribuição aos padrões e suas respectivas classes automaticamente, com a mínima intervenção humana possível. Os três arranjos usados na prática são os vetores (para descrições quantitativas), cadeias e érvores (para descrições estruturais) (Gonzalez, 2000).

A Biblioteca OpenCV (Open Source Computer Vision) pode ser usada tanto para o uso acadêmico como, também, para uso comercial. Esta biblioteca possui interfaces nas linguagens de programação C++, C, Python e Java e suporta diferentes Sistemas Operacionais, tais como Windows, Linux, Mac OS, iOS e Android. A biblioteca OpenCV foi projetada para eficiência computacional e com um forte foco em aplicações em tempo real. Escrita em C/C++ otimizado, a biblioteca pode aproveitar o processamento multicore. Habilitada com OpenCL, ela pode aproveitar a aceleração de hardware da plataforma de computação heterogênea subjacente. O uso varia de arte interativa à inspeção de minas, construção de mapas na web e robótica avançada (OpenCV, 2018).

Melo (Melo et al., 2014) apresentaram um trabalho com o objetivo de reconhecer automaticamente os níveis de severidade do oídio da soja. Foram analisadas folhas com e sem a doença. As folhas foram fotografadas e passaram por filtros, tendo suas características de cor e textura extraídas via Processamento Digital de Imagens (PDI). Tais características foram utilizadas como dados de treinamento e teste de uma Rede Neural Artificial (RNA), que classificou os níveis. A plataforma de tecnologia móvel foi um smartphone com o Sistema Operacional Android. Os autores observaram a melhora na taxa de acertos da predição de acordo com as combinações de características, para a mesma estrutura de RNA, concluindo que, comparando os dois níveis de conjuntos de dados, que o conjunto com características de textura obteve melhor assertividade. Para o treinamento da RNA,o algoritmo backpropagation foi escolhido, por já se obter a saída desejada, tratando-se de um aprendizado supervisionado. A ferramenta empregada como simulador para RNA foi a Weka, que é uma ferramenta de mineração de dados, que suporta simulação para o algoritmo backpropagation e, também, é capaz de extrair regras a partir de uma rede neural já treinada.

No trabalho foi utilizada a biblioteca OpenCv SDK (Software Development Kit) integrada ao ambiente de desenvolvimento para execução no Android (Android Developer Tools para a ferramenta de desenvolvimento Java Eclipse) usando a versão 11 do Android e a versão 2.4.5 da OpenCv, a qual fornece a infraestrutura adequada para o tratamento e análise de imagens (Melo et al., 2014).

Miranda (2014) desenvolveu um trabalho com foco em uma aplicação capaz de reconhecer frutas e vegetais por meio de uma câmera. A aplicação foi embarcada em uma BeagleBone e a classificação foi feita usando Lógica Fuzzy. As Imagens foram capturadas e processadas em um Single Board Computer (SBC). Após processadas, as imagens tiveram algumas características extraídas, que serviram de entrada para um classificador Fuzzy, responsável por separar as diversas classes de frutas e vegetais por meio da informação recebida. O classificador Fuzzy gera uma saída, que pode ser mostrada em um monitor, outro computador, ou por meio de um código de leds do próprio SBC.

O padrão de representação de cor escolhido para identificar o padrão de cores das frutas foi o RGB (Red Green Blue). A técnica é composta de 2 passos: o primeiro é responsável por capturar uma imagem com apenas o fundo estático. Após o estudo do fundo e suas características, uma segunda imagem é capturada com algum objeto que se deseja identificar. Então, uma técnica é utilizada para detectar as diferenças entre ambas, gerando uma saída apenas com as informações do objeto, descartando o fundo (Miranda, 2014).

A técnica utilizada foi implementada por meio das médias dos canais RGB por toda a imagem. Inicialmente, foi capturada a imagem apenas do fundo onde o fruto será exposto. As médias dos canais RGB são extraídas dessa imagem e servem como padrão para o processo de reconhecimento dos frutos. Em seguida são capturadas as imagens com os frutos. O algoritmo, então, ignora os blocos de pixels da imagem que se assemelham às médias do fundo, utilizando apenas as médias dos frutos (Miranda, 2014).

A Figura 2 mostra a subtração de fundo, para uma imagem estática (sem a presença de pessoas), comparando essa imagem com a imagem contendo pessoas. O resultado dessa comparação elimina o fundo, deixando apenas os objetos de interesse que se diferenciaram do mesmo. Antes da apresentação do resultado final, um filtro ainda é utilizado, para retirar falsos positivos (manchas brancas restantes na imagem devido a diferenças de iluminação) (Miranda, 2014).

Figura 2
Subtração de background
Miranda (2014)

Tendo obtida uma imagem contendo apenas o fruto, o próximo passo envolve a classificação segundo padrões pré-definidos. A técnica escolhida para esta tarefa foi a Lógica Fuzzy. Os testes realizados em fundo branco obtiveram melhor resultado do que em fundo preto. Algumas frutas que se aproximaram de coloração e formato acabaram sendo confundidas. Por outro lado, os erros obtidos com fundo branco foram devido às médias obtidas de cores semelhantes serem muito próximas quando contrastadas com este fundo (Miranda, 2014).

A tela inicial é composta por dois botões, sendo o primeiro botão para identificar vestimentas e, o segundo, para cadastrar vestimentas. Este segundo botão deve ser utilizado pelo circulo de amigos ou familiares da pessoa cega. A Figura 4 mostra como foi organizada a tela inicial do aplicativo.

Figura 4
Tela inicial do aplicativo
Dos autores

Na Tela Inicial (Figura 4), o botão com o texto ”Identificar Vestimenta” direciona à tela “Identificação de vestimentas”. Foi adicionada a descrição ”tela de identificação de vestimentas”, por meio da propriedade content description. Com a implementação dessa recomendação, quando o usuário passa o dedo sobre o botão, o TalkBack passa a ler ”botão tela de identificação de vestimentas” como mostra a Figura 5. O content description foi aplicado, também, aos demais elementos de todas as telas.

Figura 5
Aplicação do content description no botão identificar vestimenta
Dos autores

Quando a pessoa cega pressiona o botão "Identificar vestimenta” ela é direcionada para a tela de identificação. Nesta tela, automaticamente é acionada a câmera do dispositivo. Então, a pessoa cega deverá pressionar o botão identificar vestimenta, para o aplicativo fazer a análise dos padrões da foto e comparar com os padrões armazenados na base de dados. Assim, o aplicativo poderá verificar se a vestimenta existe na base de dados. Em caso afirmativo o usuário ouvirá a áudio-descrição desta vestimenta. Caso contrário, o aplicativo irá informar que a vestimenta ainda não foi cadastrada pelo seu círculo de amigos.

A tela de cadastro de vestimentas é acionada ao clicar no botão "Cadastrar Vestimentas”. Por meio desta tela, o círculo de amigos ou familiares da pessoa cega poderá a escolher a categoria da vestimenta. Caso a categoria não exista, poderá ser cadastrada uma nova, clicando no botão "Nova” como mostra a Figura 6, tela de cadastro de categoria.

Figura 6
Cadastro de categorias de vestimentas
Dos autores

Para o cadastro de uma nova categoria, coloca-se o nome da categoria e clica-se no botão nova (Figura 6). Para gravar a áudio-descrição, deve-se clicar no botão de gravar áudio (botão com o ícone de um microfone, mostrado na Figura 6), que ir´a direcionar para o gravador de áudio do smartphone, como mostra a Figura 7. Deve-se, então, informar cor, estilo e detalhes da vestimenta.

Figura 7
Gravar áudio-descrição
Dos autores

Ao fazer a gravação da áudio-descrição da vestimenta, deve-se clicar no botão de capturar vestimenta (botão com o ícone de uma câmera fotográfica, mostrado na Figura 6), que irá direcionar o usuário para a tela de captura de imagem do smartphone, como mostra a Figura 8 (exemplo da captura de uma vestimenta).

Figura 8
Exemplo de captura de uma vestimenta
Dos autores

Após fazer a captura da vestimenta, deve-se clicar no botão cadastrar (Figura 6), e o registro é salvo na Base de dados no SQLlite do Android. O áudio e a imagem são armazenados no diretório externo do aplicativo, sendo gravado na base de dados somente o endereço dos mesmos.

Foram realizados testes com a biblioteca OpenCV, sendo inseridas vestimentas para o treinamento e reconhecimento das mesmas. Inicialmente foram capturadas vestimentas em diferentes posições e em diferentes tipos e cores de fundo. Foram geradas imagens positivas e negativas, sendo as positivas as imagens sem fundo e, as negativas, somente com os fundos. Também foram realizados testes em relação à utilização de processamento de imagem e reconhecimento das mesmas com funções da biblioteca OpenCV que serão abordados em trabalhos futuros.