Detecção de Posturas Humanas em Superfícies de Repouso com o Uso de Redes Neurais Convolucionais
Resumo
Este artigo visa desenvolver uma rede neural convolucional que seja capaz de detectar e classificar duas posturas humanas enquanto o indivíduo se encontrar em uma superfície de repouso. O objetivo consiste em diferenciar as posturas de uma pessoa sentada das posturas de uma pessoa deitada, para poder auxiliar no desenvolvimento de tecnologias assistivas que possam prevenir possíveis quedas. Para realizar o treinamento da rede neural convolucional, foi produzido e preparado um banco de imagens próprio de forma a alimentar a CNN com imagens de indivíduos deitados e sentados. Essa base de dados será composta de imagens de pessoas reais em diversas posições e posturas e de bonecos representando outros tipos de posturas e contextos. Ao final, a rede é avaliada obtendo resultados satisfatórios de 95% de acurácia. Além disso, para a classe deitada, os resultados são 91% de precisão, 98 % de revocação e 95% de F1 score. Enquanto que para a classe sentada os resultados são 99% de precisão, 92% de revocação e 95 % de F1 Score.
Referências
Dive Into Deep Learning. Convolutional Neural Networks. Brasil, 2024. Disponível [link]. Acesso em: 08 out. 2025.
Gonçalves, Ilana Carla Mendes; Dias, Priscila Oliveira; Gomes, Luciana Pedrosa et al. Prevalência e fatores associados a quedas em idosos muito idosos: estudo SABE. Revista Brasileira de Epidemiologia, [S. l.], v. 25, p. e220006, 2022.Disponível em: [link]. Acesso em: 03 out. 2025.
Hsieh, Yi-Zeng, and Yu-Lin Jeng. “Development of Home Intelligent Fall Detection IoT System Based on Feedback Optical Flow Convolutional Neural Network.” IEEE access 6 (2018): 6048–6057.
Huang, Yueh-Min, An-Yen Cheng, and Ting-Ting Wu. “Analysis of Learning Behavior of Human Posture Recognition in Maker Education.” Frontiers in psychology 13 2022): 868487.
Kulikajevas, Audrius, Rytis Maskeliunas, and Robertas Damaševičius. “Detection of Sitting Posture Using Hierarchical Image Composition and Deep Learning.”PeerJ. Computer science 7 (2021): e442.
