Monitorização de actividade humana em ambientes fechados

Abstract

Um dos desafios mais interessantes que tem recebido a atenção dos investigadores nas últimas décadas tem sido o desenvolvimento de máquinas que possuam uma percepção visual, autónoma, do mundo que as rodeia. Existiram consideráveis progressos em áreas como o reconhecimento de objectos, compreensão de imagens e reconstrução da estrutura das cenas a partir de uma ou várias imagens. Estes progressos acompanhados do desenvolvimento em termos da capacidade de processamento dos computadores, permitiram aos investigadores concentrarem os seus esforços em novos desafios, entre os quais, o desenvolvimento de máquinas que possuam a capacidade de identificar pessoas, reconhece-las e interpretar os seus gestos, expressões e acções. Este tipo de capacidades é vital para uma interacção inteligente e natural entre máquinas e seres humanos. Neste contexto, esta dissertação dedica a sua atenção a alguns dos problemas implícitos à monitorização da actividade humana em ambientes fechados.

Antes de se proceder à interpretação da actividade dos seres humanos, é fundamental detectar a sua presença na cena. A localização espacial de cada alvo pode determinar a escolha do método apropriado para a análise da sua actividade. Por outro lado, a análise da trajectória de cada sujeito ao longo do tempo pode tornar-se fundamental para a obtenção de pistas adicionais sobre a sua actividade. Esta dissertação começa por descrever um método, proposto para a detecção e seguimento de seres humanos em ambientes fechados, através da combinação de tipos diferentes de sensores visuais. São definidas no espaço a monitorizar várias zonas que correspondem a locais onde terá interesse analisar a actividade. Pretende-se detectar a entrada de cada alvo em qualquer uma dessas zonas para de seguida desencadear o processo responsável pela análise da sua actividade. Esta análise poderá ser efectuada de forma automática ou manual, recorrendo a intervenção humana.

O corpo humano exibe um comportamento dinâmico, rico e complexo. Como tal, a interpretação automática da sua actividade, revela-se uma tarefa bastante complexa, sobretudo se se pretender que ela seja feita de uma forma genérica e eficiente. Enquanto não surgem sistemas capazes de substituírem de forma eficaz os seres humanos neste tipo de actividade é proposta, nesta dissertação, uma solução intermédia que recorre à intervenção humana na fase crítica de interpretação da actividade. Através da utilização de um capacete de realidade virtual, um operador humano, pode monitorizar um conjunto de locais remotos através de um sistema de «telepresença»: um operador controla remotamente um sistema robotizado que permite uma resposta semelhante à capacidade motora da cabeça humana. Os movimentos do operador são copiados pelo sistema robotizado que por sua vez possibilita a aquisição de duas imagens estéreo da cena remota. Estas imagens são utilizadas para fornecer ao operador a realimentação visual necessária para que este possa desempenhar a sua tarefa. De forma a melhorar a qualidade da percepção do espaço remoto, permitindo ao operador uma percepção da profundidade relativa dos vários objectos, utiliza-se um esquema de controlo automático do ângulo de vergência das duas câmaras do sistema robotizado.

Por último, é proposto um algoritmo que permite o reconhecimento, em tempo-real, de gestos que sejam identificados apenas pela análise do contorno, da projecção do corpo humano na imagem. O método proposto baseia-se na construção de uma representação da sequência temporal de movimentos que constituem cada gesto numa imagem bidimensional que seja sua característica única. O processo de reconhecimento reduz-se então a uma tarefa típica de reconhecimento de padrões: identificar o gesto em análise através da obtenção de uma correspondência entre a sua representação em forma de imagem com uma das imagens associadas ao conjunto de gestos reconhecíveis pelo sistema. Este conjunto de imagens é variável e resulta de um processo de aprendizagem, o que confere algum grau de flexibilidade ao método proposto. Uma vez que não é assumido nenhum modelo bidimensional ou tridimensional da forma do corpo, o método proposto pode facilmente ser adaptado ao reconhecimento de outros tipos de gestos, não necessariamente efectuados por humanos.