English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

The science and technology field has been advancing over time, and people surround themselves with computer systems, which help them in their routines. This paper presents the results of developing an approach to detect and track people at edge computing. The system runs on a Raspberry Pi 3B board and, with the support of a camera, monitors the environment. An interface was built that analyses the flow of people using a particular staircase. Information such as calories expended, effort, or activity time are offered to users in return for using the stairs. Resumo. Muito se tem avançado nos campos da ciência e tecnologia, as pessoas cercam-se por sistema computacionais, os quais as auxiliam em suas rotinas. O presente artigo, apresenta os resultados do desenvolvimento de uma abordagem para detectar e rastrear pessoas na borda. O sistema é executado em uma placa Raspberry Pi 3B e, com apoio de uma câmera monitora o ambiente. Construiu-se uma interface que avalia o fluxo de pessoas que utilizam uma determinada escada de alvenaria. Informações como: calorias gastas, esforço ou tempo de atividade são oferecidos aos usuários em contrapartida pelo uso das escadas. 1. Introdução Os sistemas computacionais fazem parte do cotidiano da sociedade contemporânea. Ajudam as pessoas em suas atividades diárias, seja através de um computador, celular ou dispositivos eletrônicos com capacidade de processamento. Tais dispositivos quando combinados com outros equipamentos ou como parte de um sistema maior e mais complexo, podem ser entendidos como sistemas embarcados [Brisolara and Matos 2009]. Os sistemas embarcados são elementos com propósitos especı́ficos, dentro de um sistema maior, podem atender as mais diversas finalidades, como por exemplo, um sistema de frenagem de um veı́culo (ABS) até o controle de altitude de um avião [Wolf 2012]. Geralmente, os sistemas embarcados precisam atender a inúmeras demandas e, ao mesmo tempo, serem eficientes em suas tarefas, isto é, um smartfhone além de realizar ligações, navegar na internet e tirar fotos, deve manter uma boa relação de custo benefı́cio entre as funcionalidades executadas e o consumo de bateria [Brisolara and Matos 2009]. Por si só, eles enfrentam inúmeras restrições, associados ao contexto no qual estão inseridos, pelas limitações fı́sicas de hardware que influenciam, inclusive, na parte lógica das soluções, na programação, processamento e armazenagem de dados [Heath 2002]. Neste sentido, o desenvolvimento e projeto de soluções embarcadas se revela, naturalmente, um desafio que envolve não somente aspectos fı́sicos, mas sobretudo, aspectos relacionados ao contexto. As soluções cada vez mais, caminham para a sensibilidade e adaptação ao ambiente no qual estão inseridas, com intuito de dar suporte proativo ao usuário final [Knappmeyer et al. 2013]. Nessa prática, destacam-se os sistemas baseados em visão computacional. A visão computacional compreende a técnica de reproduzir, através de software e hardware, aspectos relacionados a visão humana. De forma simplificada, essa abordagem possibilita, dentre outras coisas, processamento de imagens, reconhecimento de objetos, analisar ambientes, determinar tamanho e velocidade de objetos, otimizar processos na indústria que exigem algum controle visual, identificar e rastrear pessoas entre outros [Forsyth and Ponce 2002]. Neste contexto, com base nos princı́pios da computação pervasiva, desenvolveu-se um sistema utilizando computação em borda, o qual é capaz de detectar e rastrear pessoas. O sistema proposto, atua de forma transparente ao usuário, isto é, não necessita de nenhum dispositivo sobressalente para funcionar. O objetivo geral é coletar informações referentes ao deslocamento de pessoas ao subirem ou descerem escadas em prédios. Tal mecanismo, é parte de um projeto de pesquisa, ainda em desenvolvimento, de um dispositivo para gerar energia através do uso de escadas (seção 3). Para o desenvolvimento do protótipo, adotou-se um computador de placa única (Single Board Computer SBC), em particular, foi utilizado uma placa Raspberry Pi 3B. Aponta-se como contribuições deste artigo: (i) Demostração de uma técnica combinatória de algoritmos para detectar e rastrear pessoas; (ii) Apresentação de uma abordagem para contabilizar pessoas dentro de uma região especı́fica e, (iii) uma proposta de cálculo de gasto calórico associado a utiliza ção de escadas. O restante desse artigo segue organizado da seguinte forma: A Seção 2 apresenta os trabalhos relacionados. A Seção 3 apresenta a visão geral do projeto UpStairs. Na Seção 4 são descritos os procedimentos metodológicos. A Seção 5 apresenta os resultados preliminares e, por fim, são elencadas as conclusões. 2. Trabalhos relacionados Os autores Lee e colaboradores [Lee et al. 2019], elaboraram um mecanismo de detecção e rastreamento de pessoas dividido em 3 partes: O detector Brisk-YOLO que consiste em uma ramificação da rede R-CNN Tiny-YOLO, contendo menor número de kernels de convolução, uma segunda parte que trata da redução do tamanho caracterı́stico dos maps e, por fim, uma nova estrutura chamada de Blaze layer. Para o rastreamento é utilizado o Kernelized Correlation Filters(KFC); caso o alvo seja perdido é usado a técnica da cor de histograma. No trabalho [Østby 2018] foi feito a proposta de criar uma rede CNN baseada na meta-arquitetura R-CNN[Ren et al. 2015], especializada para detectar objetos especı́ficos, com a caracterı́stica de realizar um rápido pré-processamento em busca de áreas que podem conter o objeto. Essa técnica é conhecida como region of interest(ROI). Após as regiões de interesse serem encontradas, o programa passa a classificar seus objetos. O rastreamento dos elementos é feito usando o IOU-Tracker optimizado com o Hungarian algorithm. Uma outra visão de detecção e rastreamente de objetos foi proposta por Tepljakov[Tepljakov 2015], a qual consiste em utilizar o sistema de coloração HSV para realizar a detecção de objetos, e manter uma “struct”contendo os dados do objeto, para ser posteriormente comparada nas outras imagens sequenciais, tendo como resultado o rastreamento do objeto. A presente proposta se diferencia das demais porque é executado em ambientes limitados (Computação em Borda). Utiliza-se uma estratégia diferenciada para detectar os objetos em movimento, a qual não utiliza redes neurais, apenas trabalha-se com a subtração do plano de fundo aplicando alguns filtros para otimizar os resultados.

Uma Proposta de Rastreio de Objetos Utilizando Computação em Borda