seg, 8 setembro 2025 16:57

Pesquisa Unifor: nova tecnologia ajuda a identificar quedas e aumentar a segurança de pessoas idosas

Coordenado por Andréia Formico, o trabalho cria e disponibiliza publicamente um dataset que serve como benchmark para o avanço da área de pesquisas em detecção de quedas humanas

A detecção de queda é uma tecnologia que usa percepção de máquina e análise de vídeo para detectar pessoas caindo. Projetada especialmente para quem sofre de certas doenças e limitações, como idosos e pacientes com mobilidade reduzida, ela aciona alertas instantâneos para os responsáveis pelo monitoramento desses indivíduos. Com a ferramenta, que pode ser instalada em smartwatches, é possível evitar custos com internações prolongadas, trazer segurança para pacientes em monitoramento e adquirir eficiência operacional para cuidadores. 

Diante desse cenário, pesquisadores da Universidade de Fortaleza (Unifor), vinculada a Fundação Edson Queiroz, desenvolveram a pesquisa “Criação de um Dataset para a Detecção de Quedas Humanas com TsetFall”. Utilizando gravações de vídeos simulando quedas para elaborar um conjunto de dados de código aberto, o trabalho trata da detecção de quedas humanas (fall detection), uma área ainda pouco desenvolvida, especialmente no uso de imagens dinâmicas para análise. 

O objetivo do estudo é criar e disponibilizar publicamente um dataset amplo, realista e anotado, que sirva como benchmark — ferramenta para comparação de desempenho em processos, produtos e serviços — para o avanço das pesquisas em detecção de quedas humanas.

Segundo a pesquisadora Andréia Formico, coordenadora do GIRA Lab e docente do Mestrado em Informática Aplicada da Unifor, a motivação principal foi que os datasets, uma base de dados organizados e criados para armazenar informações de forma padronizada e acessível, eram pequenos, pouco diversos e pouco representativos, não refletindo a complexidade das quedas reais. Ela aponta que faltavam múltiplos ângulos de câmera, objetos distratores e cenários realistas.  

O modelo utilizado para o estudo foi o TsetFall, um novo dataset público e de código aberto para pesquisa em detecção de quedas criado por pesquisadores da Unifor. Ele inclui imagens extraídas de vídeos, os próprios vídeos e arquivos de anotações humanas e assistidas por IA. Por meio de um projeto de Andréia financiado pela Fundação Cearense de Apoio ao Desenvolvimento Científico e Tecnológico (Funcap), foi possível a aquisição de um sistema de câmeras robusto, utilizado para a geração do TsetFall.

Pesquisadores podem utilizar os vídeos e imagens anotadas para treinar e avaliar modelos de IA, incluindo técnicas de deep learning (aprendizado profundo) e arquiteturas baseadas em redes neurais convolucionais (CNNs) ou transformers. Isso permite o desenvolvimento e teste de algoritmos de detecção de quedas em cenários mais realistas e variados, aproximando os experimentos das condições encontradas no mundo real.

Além de Andreia, a pesquisa contou com a participação de Eduardo Dutra, cientista de dados da Petrobras e mestrando do Programa de Pós-Graduação em Informática Aplicada (PPGIA) da Unifor, Narak Oliveira, pesquisador egresso do PPGIA e professor do curso de Ciências da Computação da Unifor, e Arthur Cavalcante, pesquisador em nível de mestrado do PPGIA com foco em detecção e classificação de quedas humanas.

Como a pesquisa foi desenvolvida?

Andréia Formico explica que a pesquisa foi desenvolvida a partir da gravação de sequências de vídeos que simulam quedas e outras atividades do dia a dia, em diferentes condições (luz, ângulos de câmera, presença de objetos). As imagens foram extraídas quadro a quadro e depois anotadas manualmente, com auxílio de uma técnica de IA desenvolvida por um dos autores do estudo para acelerar o processo.

De acordo com Narak Oliveira, professor do curso de Ciências da Computação, o estudo foi desenvolvido a partir da necessidade de criar um conjunto de dados específico e mais eficiente para a detecção de quedas humanas, denominado TsetFall. “Durante o processo, fui responsável, juntamente com a professora Andréia, pela captura e gravação, além da instalação dos sistemas de câmeras em um período de pandemia, o que trouxe desafios adicionais”, comenta.

Ele conta que também realizou todos os takes de quedas que compõem o conjunto de dados e colaborou com a equipe responsável pela anotação dos dados, contribuindo na geração das áreas de interesse.

Foi necessário o planejamento e gravação dos vídeos em diversos cenários, extração das imagens dos vídeos, criação das anotações manuais (humanas) e assistidas por IA, estruturação do dataset em pastas, com imagens, vídeos e arquivos CSV de anotações, simulação de quedas e apoio ao processo de anotações dos dados para marcação de áreas de interesse. Além da validação do dataset e disponibilização como ciência aberta no domínio do PPGIA.

Qual a importância e os benefícios desta pesquisa?

Segundo Andréia, a detecção de quedas é essencial para a saúde e segurança física. Ela diz que um dataset mais realista pode melhorar sistemas automáticos de monitoramento, reduzindo riscos e salvando vidas. “Esse modelo é benéfico por ter uma maior precisão em sistemas de monitoramento doméstico e hospitalar, desenvolvimento de tecnologias assistivas mais eficazes, apoio a políticas públicas de saúde preventiva, entre tantos outros”, declara.

Narak fala que a pesquisa tem grande relevância social, pois contribui diretamente para o desenvolvimento de sistemas capazes de identificar quedas em tempo real, especialmente em idosos ou pessoas com limitações físicas. Dessa forma, isso possibilita uma resposta mais rápida em situações de emergência, ajudando a salvar vidas e a promover mais segurança e autonomia.

O professor explica que os benefícios vão desde o avanço da ciência aplicada à saúde até o impacto direto no bem-estar da população. Ele ressalta que um dataset especializado como o TsetFall, pode ser usado não só para treinar sistemas de monitoramento em hospitais, mas também pode ser aplicado em casas de repouso e até em residências inteligentes, reduzindo as quedas e prevenindo complicações médicas.

Resultados e incentivo

O TsetFall Datasets, com vídeos, imagens e anotações completas, já foi validado e apresentado como contribuição científica. Uma solução em inteligência artificial foi implementada e apresentada na conferência Serious Games and Applications for Health (SeGAH), na Grécia. 

Avançando o estado da arte, um novo artigo, fruto desta pesquisa sobre data augmentation, será apresentado em breve na 35th Brazilian Conference on Intelligent Systems (BRACIS), entre 29 de setembro e 2 de outubro, em Fortaleza. Promovida pela Sociedade Brasileira de Computação (SBC), a conferência é um dos principais eventos do Brasil para pesquisadores em Inteligência Artificial e Inteligência Computacional.

A Universidade de Fortaleza contribuiu para a pesquisa por meio de incentivo à produção científica, além da participação em congressos internacionais e nacionais. A pesquisa foi publicada no IEEE SeGAH de 2023, e o artigo será publicado na conferência do BRACIS 2025.