COMSIGNS V2 - Sistema de Traducción de Lenguaje de Señas

COMSIGNS es una aplicación web innovadora que utiliza Inteligencia Artificial para traducir el lenguaje de señas ecuatoriano en tiempo real, facilitando la comunicación e inclusión de la comunidad sordomuda.

🎯 Objetivo del Proyecto

Desarrollar una plataforma tecnológica que permita a personas sordas y oyentes comunicarse de manera efectiva mediante el reconocimiento automático de señas del alfabeto ecuatoriano, promoviendo la inclusión y accesibilidad.

Funcionalidades Principales

🧠 Reconocimiento Inteligente

• Predicción en tiempo real de letras del alfabeto ecuatoriano (A-Y)
• Procesamiento de imágenes mediante cámara web o carga de archivos
• Precisión superior al 85% en condiciones óptimas
• Validación de confianza configurable por nivel de usuario

🎓 Tutorial Interactivo

• 24 lecciones estructuradas para aprender el alfabeto completo
• Orden pedagógico progresivo (de fácil a difícil)
• Consejos específicos y técnicas para cada letra
• Progreso automático y seguimiento personalizado

🏆 Modo Práctica Gamificado

• 3 niveles de dificultad: Principiante, Intermedio, Avanzado
• Sistema de puntuación con bonus por velocidad y precisión
• Desafíos cronometrados para mejorar habilidades
• Tabla de clasificación comunitaria

📊 Analytics y Progreso

• Métricas detalladas de rendimiento por usuario
• Estadísticas de aprendizaje y áreas de mejora
• Historial de sesiones y evolución temporal
• Reportes exportables para educadores

🛠️ Stack Tecnológico

Frontend

• Next.js 14 con App Router
• TypeScript para tipado estático
• Tailwind CSS para diseño responsivo
• shadcn/ui para componentes accesibles

Backend

• FastAPI como framework web asíncrono
• Python 3.13 como lenguaje principal
• Pydantic para validación de datos

Machine Learning

• TensorFlow 2.18 para modelos de IA
• MediaPipe para detección de landmarks
• OpenCV para procesamiento de imágenes
• NumPy para cálculos numéricos

Base de Datos & Cache

• Supabase como base de datos principal (PostgreSQL)
• Redis para cache y sesiones

DevOps & Deployment

• Docker para containerización
• Docker Compose para orquestación

🏗️ Arquitectura del Sistema

graph TB
    User[👤 Usuario] --> Frontend[🖥️ Next.js Frontend]
    Frontend --> API[🚀 FastAPI Backend]
    
    subgraph "Backend Services"
        API --> ML[🧠 ML Service]
        API --> Tutorial[📚 Tutorial Service]
        API --> Practice[🎮 Practice Service]
    end
    
    subgraph "Data Layer"
        ML --> MediaPipe[📹 MediaPipe]
        MediaPipe --> TensorFlow[🤖 TensorFlow Model]
        API --> Supabase[(☁️ Supabase DB)]
        API --> Redis[(🗄️ Redis Cache)]
    end
    
    subgraph "Infrastructure"
        API --> Docker[🐳 Docker Container]
        Frontend --> Docker2[🐳 Docker Container]
        Redis --> Docker3[🐳 Docker Container]
    end

Loading

Flujo de Datos Principal

1. Captura: Usuario captura imagen de seña desde cámara/archivo
2. Procesamiento: MediaPipe extrae landmarks de la mano (21 puntos × 3 coordenadas)
3. Normalización: Coordenadas se normalizan y preparan para el modelo
4. Predicción: TensorFlow predice la letra con nivel de confianza
5. Validación: Sistema valida confianza y retorna resultado
6. Persistencia: Progreso y métricas se guardan en Supabase
7. Cache: Datos frecuentes se almacenan en Redis para velocidad

🚀 Instalación y Uso

Prerrequisitos

• Docker 20.10+
• Docker Compose 2.0+
• Puertos disponibles: 3000, 8000, 6379

Inicio Rápido

# 1. Clonar el repositorio
git clone https://github.com/MarLord06/ComSigns-V2.git
cd ComSigns-V2

# 2. Configurar variables de entorno
cp .env.example .env

# 3. Levantar todos los servicios
./start-dev.sh

Acceso a la Aplicación

Servicio	URL	Descripción
🖥️ Frontend	http://localhost:3000	Aplicación web principal
🚀 API	http://localhost:8000	Backend REST API
📖 Docs	http://localhost:8000/docs	Documentación interactiva Swagger
📚 ReDoc	http://localhost:8000/redoc	Documentación alternativa

Scripts Disponibles

# Desarrollo rápido
./start-dev.sh          # Inicia todos los servicios en desarrollo

# Build optimizado
./quick-build.sh        # Construye imágenes con cache optimizado

# Docker manual
docker-compose -f docker-compose.dev.yml up -d    # Servicios desarrollo
docker-compose -f docker-compose.fast.yml up -d   # Build optimizado

📚 Documentación

Documentación de la API

Para información detallada sobre endpoints, autenticación, y ejemplos de uso, consulta nuestra 📖 Documentación Completa de la API.

Recursos Adicionales

• 🧠 Guía del Modelo ML - Detalles del modelo de IA
• 🎓 Tutorial de Desarrollo - Guía para desarrolladores
• 🚀 Guía de Despliegue - Instrucciones de producción

🧪 Testing

# Backend tests
docker exec -it comsigns-backend pytest

# Tests con coverage
docker exec -it comsigns-backend pytest --cov=app tests/

# Frontend tests
cd frontend && npm test

🤝 Contribuciones

¡Las contribuciones son bienvenidas! Por favor:

1. Fork el proyecto
2. Crea tu rama de feature (git checkout -b feature/nueva-funcionalidad)
3. Commit tus cambios (git commit -m 'Añadir nueva funcionalidad')
4. Push a la rama (git push origin feature/nueva-funcionalidad)
5. Abre un Pull Request

📄 Licencia

Este proyecto está bajo la Licencia MIT - ver el archivo LICENSE para detalles.

👥 Equipo de Desarrollo

• MarLord06 - Desarrollador Principal
• Comunidad COMSIGNS - Colaboradores y testers

🙏 Agradecimientos

• Comunidad sordomuda ecuatoriana por su invaluable feedback
• Fundación Nacional de Sordos del Ecuador por su apoyo
• Pontificia Universidad Catolica del Ecuador por el respaldo académico
• Contributors Open Source por sus aportes al proyecto

---

🤟 Desarrollado para promover la inclusión y accesibilidad