Defesa de Dissertação – Eduardo Abreu

Título: Reconhecimento de Atividades em Casas Inteligentes: Uma Abordagem Não Intrusiva Explorando Processamento Semântico

Autor: Eduardo Soares de Abreu

Orientação:

  • Prof. Dr. Adenauer Correa Yamin (UFPel/Orientador)
  • Profa. Dra. Ana Marilza Pernas Fleischmann (UFPel/Coorientadora)

Banca Examinadora:

  • Prof. Dr. Paulo Roberto Gomes Luzzardi (FATEC/SENAC)
  • Prof. Dr. Andre Rauber Du Bois (UFPel)

Data: 29/05/2017

Hora: 14:30 h

Local: Auditório da Reitoria, 4o. Andar do Campus Porto

Resumo: Nos últimos anos, as técnicas de Reconhecimento de Atividades têm atraído atenção crescente. Entre as muitas aplicações, um interesse especial está no domínio ubíquo da e-health, onde o reconhecimento automático de atividades é usado em sistemas de reabilitação, gerenciamento de doenças crônicas, monitoramento de idosos, bem como em aplicações de bem-estar pessoal.

Esse interesse tem tido como motivação o envelhecimento da população. Este envelhecimento resulta em significativos desafios socioeconômicos no setor da saúde publica, bem como na incidência de doenças crônico-degenerativas, sendo a demência uma das mais preocupantes.

Uma alternativa que vem sendo amplamente proposta é a utilização de casas inteligentes (ambiente assistido de vivência), nos quais as residências das pessoas sob tratamento deverao contemplar serviços computacionais que possam auxiliá-las nas suas práticas diárias, de forma o mais transparente possível.

Este trabalho tem como acrônimo EXEHDA-AR (EXEHDA-Activity Recognition), e seu objetivo principal é contribuir com o Subsistema de Reconhecimento de Contexto e Adaptação do middleware EXEHDA (Execution Environment for Highly Distributed Applications) capacitando-o para o atendimento das demandas do Reconhecimento de Atividades, explorando para isto uma abordagem baseada em Ciência de Contexto.

O EXEHDA-AR explora processamento semântico para prover Reconhecimento de Atividades em Casas Inteligentes, para tanto foram propostos componentes a serem integrados ao middleware EXEHDA, bem como um modelo ontológico. Os dados de contexto coletados são agrupados segundo o conceito de janela de tempo deslizante.

Quando avaliado o EXEHDA-AR obteve uma acurácia media de 94,36% no Reconhecimento de Atividades. Estes resultados apontam que métodos baseados em processamento semântico constituem uma alternativa viável para o Reconhecimento de Atividades com baixo nível de intrusão, indicando a continuidade dos esforços de pesquisa.