• Informações do Trabalho

Titulo Aplicação de modelos de reconhecimento de ações em vídeos para o problema de monitoramento de idosos Subtítulo Autor BEATRIZ APARECIDA BENEDICTO HELENO Orientador LUIZ MAURILIO DA SILVA MACIEL Resumo A garantia da qualidade de vida da população idosa é um tema central diante do envelhecimento global, e os sistemas de Ambiente de Vida Assistida (Ambient Assisted Living - AAL) têm se mostrado essenciais para o monitoramento de atividades diárias. Esses sistemas integram diferentes tecnologias para apoiar a autonomia, segurança e bem-estar de idosos em seus ambientes domésticos, permitindo detectar atividades, comportamentos de risco e situações de emergência. Neste trabalho, aplica-se o \framework PoseConv3D ao conjunto de dados Toyota Smarthome Trimmed, composto por vídeos de atividades de vida diária de idosos em ambientes reais, para o reconhecimento de ações a partir de vídeos. O modelo utiliza a estimativa de pose humana para gerar mapas de calor 2D das articulações ao longo do tempo, que são então processados por uma rede neural convolucional tridimensional, permitindo capturar padrões espaciais e temporais das ações. Nos experimentos, o modelo alcançou 72,2% de acurácia global e 54,5% de acurácia média por classe, superando em acurácia média o desempenho do modelo proposto no trabalho original do conjunto Toyota Smarthome Trimmed. Considerando a alta granularidade do conjunto, que inclui 31 classes de ações com variações posturais e atividades visualmente semelhantes, foi adotada uma estratégia adicional de agrupamento semântico, reduzindo as classes para 19 categorias-base, permitindo avaliar o desempenho do modelo em termos de padrões mais amplos de comportamento de idosos. O modelo sobre o conjunto agrupado apresentou uma acurácia global de 77,7% e uma acurácia média por classe de 67,9%. Palavras-Chave Reconhecimento de Ações Humanas, Aprendizado Profundo, Redes Neurais Convolucionais, Visão Computacional, Ambiente de Vida Assistida,Monitoramento de Idosos