Um grupo internacional de cientistas desenvolveu uma arquitectura de Inteligência Artificial (IA) capaz de reconhecer mais de 30 tipos de actividades humanas a partir de dados recolhidos por sensores, incluindo movimentos quotidianos, exercício físico e quedas. A tecnologia alcançou uma precisão de até 98,91% nos testes realizados, sendo que funciona directamente em dispositivos como relógios inteligentes, pulseiras de fitness e equipamentos médicos.
O trabalho envolveu investigadores da Universidade de Innopolis e da Universidade Electrotécnica Estatal de São Petersburgo “LETI”, na Rússia, em colaboração com cientistas da Índia e dos Estados Unidos de América. Os resultados foram publicados na revista científica Complex & Intelligent Systems. De acordo com a equipa, a tecnologia procura resolver uma dificuldade comum nos sistemas de reconhecimento de actividades humanas: identificar tanto movimentos rápidos, como uma queda, como padrões de movimento que se prolongam durante vários segundos, por exemplo, distinguir entre caminhar e correr.
Para isso, os investigadores desenvolveram uma arquitectura de duas ramificações. A primeira utiliza uma rede convolucional temporal com convoluções causais para identificar padrões locais e de médio prazo. A segunda combina camadas recorrentes bidireccionais com um mecanismo de atenção por canais, permitindo analisar relações de longo prazo numa sequência de movimentos. Segundo Dmitry Kaplun, programador-matemático principal do Centro de Investigação em IA da Universidade de Innopolis, a primeira ramificação permite identificar aquilo que o utilizador faz no momento, enquanto a segunda analisa o contexto de toda a sequência de movimentos para prever a actividade seguinte.
Apesar da capacidade de processamento, o modelo foi desenvolvido para ser leve, contando com apenas entre 50 mil e 62 mil parâmetros e entre dois e 3,5 milhões de operações computacionais por previsão. Esta característica permite a sua implementação em dispositivos com recursos limitados, sem necessidade de enviar os dados para a nuvem.
Os investigadores avaliaram o modelo utilizando três bases de dados públicas empregues internacionalmente na investigação sobre reconhecimento de actividades humanas. A primeira reúne quase 12 mil registos provenientes de acelerómetros de smartphones de 30 participantes e inclui 17 tipos de actividades, entre elas corrida, subida de escadas, saltos e diferentes tipos de quedas. Nesta base de dados, o modelo alcançou uma precisão de 97,49%, superando em 2,49 pontos percentuais o resultado anteriormente registado. O desempenho também foi mais equilibrado entre as diferentes categorias de actividades, sobretudo na identificação de movimentos menos frequentes, como as quedas.
Na segunda base de dados, composta por cerca de quatro milhões de registos recolhidos através de sensores colocados nos pulsos, peito e tornozelos de nove participantes, o sistema atingiu uma precisão de 98,91%. Os dados abrangiam 13 classes de actividades, incluindo caminhada nórdica, utilização de aspirador e ciclismo.
Outras Notícias Para Ler
A terceira base, considerada mais difícil devido à distribuição desigual dos dados entre as actividades, foi utilizada para avaliar a capacidade do modelo de reconhecer movimentos menos frequentes. Mesmo neste cenário, o sistema alcançou 92% de precisão e melhorou em 10,38 pontos percentuais o reconhecimento de actividades raras em comparação com um modelo anteriormente utilizado. Os investigadores também testaram o sistema com dados de sensores sujeitos a diferentes níveis de ruído. Com ruído ligeiro, a precisão passou de 91,67% para 88,33%, enquanto, com ruído moderado, caiu para 83,33%. Segundo os autores, estes resultados indicam uma redução gradual do desempenho em condições menos controladas.
A tecnologia poderá ser aplicada em sistemas de monitorização da saúde, acompanhamento da recuperação de pacientes, treino de atletas e dispositivos vestíveis. Os investigadores apontam ainda possíveis aplicações na identificação de comportamentos de peões em sistemas de transporte autónomo.
Fonte: TV Brics
