🤟 Tradutor de Libras em Tempo Real

Reconhecimento do alfabeto manual de Libras em tempo real
direto no navegador, usando sua webcam — sem instalação, sem plugins.

---

✨ Funcionalidades

• 🎥 Detecção em tempo real via webcam no navegador
• 🤖 Machine Learning treinado com seus próprios gestos
• 🔤 Forma frases letra por letra com estabilização inteligente
• 📊 Top 5 probabilidades exibidas ao vivo
• ⚡ WebSocket para comunicação de baixa latência
• 🐳 Docker pronto para produção
• 🔄 CI/CD automático com GitHub Actions + Render

---

🧠 Como Funciona

┌─────────────┐     frames JPEG      ┌──────────────────┐
│   Navegador  │ ──────────────────▶ │   FastAPI Backend │
│  (Webcam)   │ ◀────────────────── │   WebSocket /ws   │
└─────────────┘    letra + confiança └────────┬─────────┘
                                              │
                                    ┌─────────▼─────────┐
                                    │     MediaPipe      │
                                    │  21 landmarks/mão  │
                                    └─────────┬─────────┘
                                              │
                                    ┌─────────▼─────────┐
                                    │  Random Forest /   │
                                    │  SVM / KNN /       │
                                    │  Ensemble          │
                                    │  (99.94% acurácia) │
                                    └───────────────────┘

---

🗂 Estrutura do Projeto

📦 Tradutor LIBRAS
├── 📁 .github/workflows/
│   └── deploy.yml          # CI/CD automático
├── 📁 backend/
│   └── main.py             # FastAPI + WebSocket
├── 📁 frontend/
│   └── index.html          # Interface web
├── 📁 data/
│   └── meus_dados.csv      # Dataset coletado
├── 📁 model/
│   ├── asl_classifier.pkl      # Modelo treinado
│   └── asl_label_encoder.pkl
├── 🐳 Dockerfile
├── 🐳 docker-compose.yml
├── ☁️  render.yaml
├── 📋 requirements.txt
├── 🎥 collect_data.py      # Coleta gestos pela webcam
└── 🏋️  train_asl.py         # Treina o modelo

---

🚀 Rodando Localmente

Pré-requisitos

• Python 3.10
• Webcam

1. Clone o repositório

git clone https://github.com/SEU_USUARIO/tradutor-libras.git
cd tradutor-libras

2. Instale as dependências

pip install -r requirements.txt

3. Colete seus gestos

python collect_data.py

Uma janela abre com a câmera. Para cada letra: faça o sinal → pressione ESPAÇO → segure por 3s. S pula a letra, Q salva e sai.

4. Treine o modelo

python train_asl.py

Testa automaticamente Random Forest, KNN, SVM e Ensemble — salva o melhor.

5. Inicie o app

python backend/main.py

Acesse http://localhost:8000 🎉

---

🐳 Rodando com Docker

# Sobe tudo com um comando
docker-compose up --build

# Acesse: http://localhost:8000

⚠️ Treine o modelo localmente antes — os arquivos model/*.pkl são montados como volume.

---

☁️ Deploy no Render

O deploy é automático a cada git push na branch main.

Configuração inicial

1. Crie uma conta em render.com
2. Conecte seu repositório GitHub
3. Adicione os secrets no GitHub (Settings → Secrets → Actions):

Secret	Onde encontrar
RENDER_API_KEY	Render → Account Settings → API Keys
RENDER_SERVICE_ID	Render → Serviço → Settings → Service ID

4. Faça um push — o CI/CD cuida do resto! ✅

Fluxo CI/CD

git push origin main
       │
       ▼
  GitHub Actions
       │
       ├── ✅ Testes (imports, estrutura)
       │
       └── 🚀 Deploy automático no Render

---

📊 Performance do Modelo

Modelo	Acurácia
Random Forest	~99%
KNN (k=3)	~98%
SVM (RBF)	~99%
Ensemble	99.94%

Treinado com 24.000 amostras — 1.000 por letra, 24 letras estáticas do alfabeto.

---

🔤 Letras Suportadas

A B C D E F G H I K L M N O P Q R S T U V W X Y

J e Z são movimentos dinâmicos — não suportados nesta versão.

---

🛠 Tecnologias

Camada	Tecnologia
Detecção de mãos	MediaPipe Hands
Machine Learning	scikit-learn
Backend	FastAPI + WebSocket
Frontend	HTML + CSS + JS puro
Deploy	Render
CI/CD	GitHub Actions
Container	Docker

---

📝 Próximos Passos

• Adicionar letras exclusivas do Libras (Ã, Õ, Ç)
• Reconhecimento de palavras completas
• Suporte a J e Z (movimentos dinâmicos)
• App mobile

---

Feito com 🤟 por Fernando