A IA consegue detetar ações humanas? A explorar o reconhecimento de atividades
Desde aplicações de fitness à monitorização de pacientes, descobre como a visão computacional responde à questão: a IA consegue detetar ações humanas em ambientes do mundo real?
A vida quotidiana está cheia de pequenos movimentos nos quais raramente paramos para pensar. Caminhar por uma divisão, sentar-se à secretária ou acenar a um amigo pode parecer algo natural para nós, mas detetá-los com IA é muito mais complicado. Aquilo que surge naturalmente aos humanos traduz-se em algo muito mais complexo quando uma máquina tenta compreendê-lo.
Esta capacidade é conhecida como reconhecimento de atividades humanas (HAR) e permite aos computadores detetar e interpretar padrões do comportamento humano. Uma aplicação de fitness é um ótimo exemplo de HAR em ação. Ao acompanhar passos e rotinas de exercício, mostra como a IA pode monitorizar atividades diárias.
Ao reconhecerem o potencial do HAR, muitos setores começaram a adotar esta tecnologia. Na verdade, prevê-se que o mercado de reconhecimento de ações humanas ultrapasse os 12,56 mil milhões de dólares até 2033.
Uma parte significativa deste progresso é impulsionada pela visão computacional, um ramo da IA que permite às máquinas analisar dados visuais, como imagens e vídeos. Com visão computacional e reconhecimento de imagens, o HAR evoluiu de um conceito de investigação para uma componente prática e empolgante das aplicações de IA de ponta.
Neste artigo, vamos explorar o que é o HAR, os diferentes métodos utilizados para reconhecer ações humanas e como a visão computacional ajuda a responder à pergunta: a IA consegue detetar ações humanas em aplicações do mundo real? Vamos começar!
O que é o reconhecimento de ações humanas?#
O reconhecimento de ações humanas permite que os sistemas informáticos compreendam atividades ou ações humanas através da análise dos movimentos corporais. Ao contrário de simplesmente detetar uma pessoa numa imagem, o HAR pode ajudar a identificar o que essa pessoa está a fazer. Por exemplo, distinguir entre caminhar e correr, reconhecer um aceno com a mão ou perceber quando alguém cai.
A base do HAR está nos padrões de movimento e postura. Uma ligeira alteração na posição dos braços ou das pernas de uma pessoa pode indicar uma variedade de ações. Ao captar e interpretar estes detalhes subtis, os sistemas HAR podem extrair informações relevantes dos movimentos corporais.
Para o conseguir, o reconhecimento de ações humanas combina várias tecnologias, como aprendizagem automática, modelos de aprendizagem profunda, visão computacional e processamento de imagens, que funcionam em conjunto para analisar movimentos corporais e interpretar ações humanas com maior precisão.
Fig. 1. O reconhecimento de atividades humanas envolve diferentes ramos da ciência informática (Fonte: cell.com)
Os primeiros sistemas HAR eram muito mais limitados. Conseguia lidar apenas com algumas ações simples e repetitivas em ambientes controlados e frequentemente tinham dificuldades em situações do mundo real.
Atualmente, graças à IA e às grandes quantidades de dados de vídeo, o HAR avançou significativamente tanto em precisão como em robustez. Os sistemas modernos conseguem reconhecer uma vasta gama de atividades com muito maior precisão, tornando a tecnologia prática em áreas como cuidados de saúde, segurança e dispositivos interativos.
Diferentes métodos para detetar ações humanas#
Agora que compreendemos melhor o que é o reconhecimento de ações humanas, vejamos as diferentes formas como as máquinas podem detetar ações humanas.
Eis alguns dos métodos mais comuns:
- Métodos baseados em sensores: Dispositivos inteligentes, como acelerómetros, dispositivos vestíveis e smartphones, podem captar sinais diretamente do corpo humano. Podem mostrar padrões de movimento como caminhar, correr ou até ficar parado. Um contador de passos num smartwatch é um ótimo exemplo deste método.
- Métodos baseados em visão: As câmaras combinadas com visão computacional analisam imagens e vídeos para acompanhar o aspeto e os movimentos do corpo fotograma a fotograma. Isto permite reconhecer atividades mais complexas. Os televisores ou sistemas de jogos controlados por gestos dependem deste método.
- Métodos multimodais: É a combinação de sensores e câmaras que cria um sistema mais fiável, uma vez que uma fonte pode confirmar aquilo que a outra deteta. Por exemplo, um dispositivo vestível pode registar movimento enquanto uma câmara verifica a postura, uma configuração frequentemente utilizada na deteção de quedas em cuidados a idosos.
O papel dos conjuntos de dados no reconhecimento de atividades humanas#
Para qualquer modelo ou sistema HAR, os conjuntos de dados são o ponto de partida. Um conjunto de dados HAR é uma coleção de exemplos, como excertos de vídeo, imagens ou dados de sensores, que captam ações como caminhar, sentar-se ou acenar. Estes exemplos são utilizados para treinar modelos de IA a reconhecer padrões do movimento humano, que podem depois ser aplicados em aplicações do mundo real.
A qualidade dos dados de treino afeta diretamente o desempenho de um modelo. Dados limpos e consistentes facilitam o reconhecimento preciso das ações pelo sistema.
É por isso que os conjuntos de dados são frequentemente pré-processados antes do treino. Um passo comum é a normalização, que dimensiona os valores de forma consistente para reduzir erros e evitar o sobreajuste (quando um modelo tem um bom desempenho nos dados de treino, mas tem dificuldades com dados novos).
Para medir o desempenho dos modelos para além do treino, os investigadores recorrem a métricas de avaliação e conjuntos de dados de referência que permitem realizar testes e comparações justos. Coleções populares como UCF101, HMDB51 e Kinetics incluem milhares de excertos de vídeo anotados para a deteção de ações humanas. No lado dos sensores, os conjuntos de dados recolhidos de smartphones e dispositivos vestíveis fornecem sinais de movimento valiosos que tornam os modelos de reconhecimento mais robustos em diferentes ambientes.
Fig. 2. Um vislumbre de um conjunto de dados de reconhecimento de atividades humanas. (Fonte)
Como a visão computacional apoia o reconhecimento de atividades humanas#
Entre as diferentes formas de detetar ações humanas, a visão computacional tornou-se rapidamente uma das mais populares e estudadas. A sua principal vantagem é conseguir extrair informações detalhadas diretamente de imagens e vídeos. Ao analisar os píxeis fotograma a fotograma e os padrões de movimento, consegue reconhecer atividades em tempo real sem que as pessoas tenham de utilizar dispositivos adicionais.
Os avanços recentes na aprendizagem profunda, especialmente nas redes neuronais convolucionais (CNNs), concebidas para analisar imagens, tornaram a visão computacional mais rápida, precisa e fiável.
Por exemplo, modelos de visão computacional de última geração amplamente utilizados, como o Ultralytics YOLO11, baseiam-se nestes avanços. O YOLO11 suporta tarefas como deteção de objetos, segmentação de instâncias, acompanhamento de pessoas ao longo dos fotogramas de vídeo e estimativa de poses humanas, tornando-o uma excelente ferramenta para o reconhecimento de atividades humanas.
Uma visão geral do Ultralytics YOLO11#
O Ultralytics YOLO11 é um modelo de IA de visão concebido para oferecer velocidade e precisão. Suporta tarefas essenciais de visão computacional, como deteção de objetos, acompanhamento de objetos e estimativa de poses. Estas capacidades são especialmente úteis para o reconhecimento de atividades humanas.
A deteção de objetos identifica e localiza pessoas numa cena, o acompanhamento segue os seus movimentos ao longo dos fotogramas de vídeo para reconhecer sequências de ações e a estimativa de poses mapeia as principais articulações do corpo humano para distinguir entre atividades semelhantes ou detetar alterações súbitas, como uma queda.
Por exemplo, as informações obtidas do modelo podem ser utilizadas para distinguir entre alguém sentado tranquilamente, depois a levantar-se e, por fim, a levantar os braços para festejar. Estas ações simples do dia a dia podem parecer semelhantes à primeira vista, mas têm significados muito diferentes quando analisadas numa sequência.
Fig. 3. Utilização do Ultralytics YOLO11 para estimativa de poses. (Fonte)
Aplicações reais da visão computacional e do HAR#
Em seguida, vamos analisar mais atentamente como o reconhecimento de atividades humanas baseado em visão computacional é aplicado em casos de utilização reais que têm impacto na nossa vida quotidiana.
Cuidados de saúde e bem-estar#
Nos cuidados de saúde, pequenas alterações nos movimentos podem fornecer informações úteis sobre o estado de uma pessoa. Por exemplo, um tropeção de um paciente idoso ou o ângulo de um membro durante a reabilitação podem revelar riscos ou progressos. Estes sinais são frequentemente fáceis de ignorar através de métodos tradicionais, como consultas de acompanhamento.
O Ultralytics YOLO11 pode ajudar utilizando a estimativa de poses e a análise de imagens para monitorizar pacientes em tempo real. Pode ser utilizado para detetar quedas, acompanhar exercícios de recuperação e observar atividades diárias, como caminhar ou alongar-se. Como funciona através de análise visual, sem necessidade de sensores ou dispositivos vestíveis, oferece uma forma simples de recolher informações precisas que apoiam os cuidados prestados aos pacientes.
Fig. 4. Acompanhamento dos movimentos corporais utilizando o suporte do Ultralytics YOLO11 para estimativa de poses. (Fonte)
Segurança e vigilância#
Os sistemas de segurança dependem da deteção rápida de atividades humanas invulgares, como alguém permanecer demasiado tempo num local, correr numa área restrita ou demonstrar uma agressividade súbita. Estes sinais passam frequentemente despercebidos em ambientes movimentados, onde os seguranças não conseguem observar tudo manualmente. É aqui que entram a visão computacional e o Ultralytics YOLO11.
O YOLO11 facilita a monitorização da segurança, ao permitir a videovigilância em tempo real capaz de detetar movimentos suspeitos e enviar alertas instantâneos. Apoia a segurança das multidões em espaços públicos e reforça a deteção de intrusões em áreas privadas.
Com esta abordagem, os seguranças podem trabalhar em conjunto com sistemas de visão computacional, criando uma interação e parceria entre humanos e computadores que permite respostas mais rápidas e atempadas a atividades suspeitas.
Vantagens e desvantagens da utilização de visão computacional para HAR#
Eis algumas das vantagens da utilização de visão computacional para o reconhecimento de atividades humanas:
- Escalabilidade: Depois de configurado, o mesmo sistema de reconhecimento pode monitorizar automaticamente várias pessoas em simultâneo, tornando-o útil para a automatização em instalações de cuidados de saúde, fábricas e espaços públicos.
- Processamento em tempo real: As soluções de IA de visão podem ser utilizadas para analisar fluxos de vídeo à medida que ocorrem, permitindo respostas mais rápidas.
- Acompanhamento não invasivo: Ao contrário dos dispositivos vestíveis ou sensores, não exige que as pessoas transportem dispositivos, permitindo uma análise natural e sem esforço do comportamento.
Embora existam muitos benefícios na utilização de visão computacional para HAR, também há limitações a considerar. Eis alguns fatores a ter em conta:
- Preocupações com a privacidade: A monitorização baseada em vídeo pode suscitar questões relacionadas com a proteção de dados e o consentimento, especialmente em ambientes sensíveis, como casas ou locais de trabalho.
- Possível enviesamento: Se os conjuntos de dados de treino não forem diversificados, os algoritmos podem interpretar incorretamente as ações de determinados grupos de pessoas, conduzindo a resultados injustos ou imprecisos.
- Sensibilidade ao ambiente: A precisão pode diminuir devido a iluminação insuficiente, desorganização do cenário ou pessoas parcialmente ocultas, o que significa que os sistemas precisam de ser cuidadosamente concebidos.
Principais conclusões#
A inteligência artificial e a visão computacional estão a tornar possível que as máquinas reconheçam ações humanas com maior precisão e em tempo real. Ao analisar fotogramas de vídeo e padrões de movimento, estes sistemas podem identificar tanto gestos quotidianos como alterações súbitas. À medida que a tecnologia continua a melhorar, o reconhecimento de atividades humanas está a ultrapassar os laboratórios de investigação e a tornar-se uma ferramenta prática para os cuidados de saúde, a segurança e as aplicações quotidianas.
Explora mais sobre IA visitando o nosso repositório do GitHub e juntando-te à nossa comunidade. Consulta as nossas páginas de soluções para saber mais sobre IA na robótica e visão computacional na indústria. Descobre as nossas opções de licenciamento para começares a utilizar IA de visão.
