Redes neurais: transformando um smart campus por meio do monitoramento de pessoas com e sem mobilidade reduzida

Resumo

O presente trabalho tem como objetivo desenvolver um sistema de monitoramento capaz de identificar pessoas com e sem mobilidade reduzida, destacando aquelas que utilizam dispositivos para auxiliar na movimentação como cadeira de rodas e muletas, gerando um mapa de calor que auxilia no entendimento do fluxo de pessoas dentro do campus da Universidade Presbiteriana Mackenzie. O modelo foi desenvolvido com a arquitetura de visão computacional YOLOv8 a partir de um dataset de imagens montado com imagens de licença CC 4.0. Toda a etapa de aprendizado foi executada em ambiente do google colab e, posteriormente, o processamento foi realizado por um Raspberry Pi 4 e uma câmera HD. Os resultados demonstraram que o modelo utilizado foi capaz de detectar todas as classes com indicadores satisfatórios de desempenho, gerando mapas de calor e possibilitando o envio de notificações caso pessoas com mobilidade reduzida necessitassem de auxílio para se locomover no campus.