SYPEC: desenvolvimento de classificadores para identificação automática da postura de sentado

• Author(s): Santos, Marcelo Gil Silvestre dos
• Date: 2013
• Persistent ID: http://hdl.handle.net/10362/9963
• Origin: Repositório Institucional da UNL
• Subject(s): Postura de sentado; Avaliação postural; Classificação; Redes neuronais; Naive Bayes
• Document Type: Master thesis
• Language: Portuguese
• Advisor(s): Vieira, Pedro; Quaresma, Cláudia
• Contributor(s): RUN

Description

Dissertação para obtenção do Grau de Mestre em Engenharia Biomédica

Actualmente, a postura de sentado é a postura mais adoptada pela sociedade em geral. O aumento das profissões que exigem longos períodos de tempo na postura de sentado e o estilo de vida sedentário são as principais causas. A adopção de posturas incorrectas na postura de sentado traz consequências a longo prazo, podendo desenvolver patologias ao nível da coluna. É no sentido de minimizar os problemas de saúde que se enquadra o projecto SYPEC (System for Posture Evaluation and Correction), cujo objectivo é desenvolver um sistema de avaliação e correcção postural incorporado numa cadeira. O protótipo do sistema SYPEC consiste numa cadeira de escritório convencional cujo assento e costas possuem bolsas de ar. Cada bolsa de ar possui um circuito independente de ar contendo um transdutor de pressão, um compressor de ar e uma electroválvula. Através deste sistema é possível medir os valores de pressão no interior das bolsas. O presente trabalho consistiu na detecção automática da postura de sentado, com base nas medidas de pressão. Foi necessário desenvolver algoritmos de classificação, baseado em dados previamente treinados. Foram estudadas 11 posturas diferentes e realizados testes a 30 sujeitos. Desenvolveram-se dois classificadores, um baseado em redes neuronais e outro no Teorema de Bayes, o Naive Bayes. Foram testados vários parâmetros para as redes neuronais, tendo obtido os melhores resultados com o treino Resilient Backpropagation, com uma camada interna e 15 neurónios, obtendo uma classificação média de 75% para os 30 sujeitos. Para o Naive Bayes, foram usados dois tipos de distribuições, a normal e a kernel, obtendo uma classificação média de 70%. Conseguiram-se resultados de 90% para alguns sujeitos. Com recurso à aplicação móvel e à adaptação das redes neuronais feita em trabalhos a decorrer em paralelo, é possível identificar em tempo real a postura em que o utilizador se encontra.