Deteção de quedas em ambiente residencial

• Autor(a) principal: Ribeiro, Osvaldo João Seixas
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.22/17018
• topic: Classificação de quedas; Medição de vibrações; Séries temporais; Sistemas de aprendizagem; Classification of falls; Learning systems; Times series; Vibration measurement

O envelhecimento demográfico trouxe novos desafios à sociedade. Associado à prevalência do risco de quedas na população idosa, são primordiais projetos de desenvolvimento que sejam uma mais valia na prevenção desta realidade e que minimizem os seus danos. Contudo, antecipar ou mesmo detetar uma queda humana é uma tarefa complexa, devido a limitações funcionais relacionadas com a condição de dependência do utilizador, a dificuldade em distinguir o evento de atividades do dia a dia, ou constragimentos que afetem a privacidade da pessoa. Relevando o privilégio de contribuir para a manutenção da qualidade de vida dos idosos, pretende-se com esta dissertação efetuar um estudo detalhado sobre dispositivos e sensores de deteção de quedas, baseado nas vibrações e áudio do piso da divisão utilzada pela pessoa idosa. Após este estudo, será apresentada uma solução cuja arquitetura de computação envolva conceitos como edge computing, fog computing e cloud computing. Neste contexto, a solução proposta integra se no ambiente residencial do idoso, consistindo num dispositivo por divisão e um dispositivo central na habitação. Para o efeito procedeu se ao desenvolvimento do dispositivo IoT (internet of things) a instalar na divisão, cuja função principal será monitorizar os sinais de vibração, som e movimento a partir da leitura dos sensores, sem requerer a manutenção ou configuração por parte do utilizador. Para além das funcionalidades de comunicação ao dispositivo no edifício, o dispositivo na divisão tomará a decisão de um alerta imediato para o cuidador residente, no caso da existência de uma queda e o envio da série temporal para classificação. O dispositivo implementado no edifício realiza a recolha de dados que depois de preprocessados constituem uma base de conhecimento. Ao aplicar a transformada de wavelet e dynamic time warping (DTW) na análise de séries temporais correspondentes ao registo de simulações de quedas e atividades diárias, foi possível efetuar a classificação inteligente da série temporal baseada em algoritmos de aprendizagem. A solução proposta integra-se nas áreas de smart homes e assisted living, usando técnicas de deep learning de forma a identificar e distinguir com precisão uma queda.