Navegando por Assunto "Processamento digital de sinais"
Agora exibindo 1 - 2 de 2
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Desenvolvimento de sistema de baixo custo para análise do movimento humano utilizando o OpenPose: um estudo de caso(2023-12-21) CASTRO, Pedro Anderson Ferreira; MÜLLER, Ana Carolina Quintão Siravenha; http://lattes.cnpq.br/4383482501456728; https://orcid.org/0000-0001-6664-9847; ZAMPOLO, Ronaldo de Freitas; http://lattes.cnpq.br/9088524620828017; https://orcid.org/0000-0002-2460-3135Os sistemas de análise de movimento humano têm, na conjuntura atual, grande importância em áreas da indústria, como animação, filmes e treinamento esportivo, bem como nas áreas de pesquisa envolvendo motricidade humana, tendo grande impacto na reabilitação, biomecânica e diagnósticos. Entretanto, tais sistemas frequentemente possuem alto custo de aquisição, seja por software ou por equipamentos, bem como problemas logísticos de transporte e implementação em em ambientes fora do laboratório, por exemplo, no geral vinculados às especificidades dos aparelhos empregados, dificultando seu acesso por um público maior. Tendo isso em vista, esse trabalho conduz um estudo de caso visando propor uma alternativa de baixo custo, utilizando ferramentas de visão computacional, mais precisamente, o software OpenPose. Além disso, são usadas técnicas de processamento digital de sinais para criar um sistema de análise que atinja níveis satisfatórios, reduzindo drasticamente o número de equipamentos utilizados e o custo deles como um todo, cujo desempenho seja comparável a um sistema de alto padrão disponível no laboratório dedicado a esses estudos, o Laboratório de Estudos da Motricidade Humana (LEMOH), vinculado à FFTO-ICS/UFPA. Os resultados desse trabalho mostraram-se promissores em ambientes com condições controladas (iluminação, contraste de cores, sem ocorrência de oclusão de membros e estruturas para estabilização dos equipamentos de captura), atingindo coeficientes de correlação acima de 85%, bem como uma razão sinal-ruído (SNR) acima de 8 dB (decibéis) em comparações realizadas entre os sinais obtidos por ambos sistemas em relação ao deslocamento dos pontos anatômicos. Para comparações dos sinais de velocidade e aceleração, obteve-se coeficiente de correlação acima de 80%, ambos apresentando valor de SNR acima de 4 dB. As estimativas de variação angular articular para o movimento testado mostraram valores médios de SNR acima de 7 dB.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Interface cérebro-máquina baseada em potenciais visualmente evocados: análise de extração de épocas(2023-12-15) DIAS, Fablena Kathllen Nascimento; SILVA, Cleison Daniel; http://lattes.cnpq.br/1445401605385329; https://orcid.org/0000-0001-8280-2928A Interface Cérebro-Máquina (ICM) busca não apenas compreender, mas também otimizar os complexos processos neurais, estabelecendo uma comunicação entre o cérebro e um dispositivo eletrônico. A neurociência aplicada à ICM envolve o estudo dos sinais cerebrais para identificar padrões associados a intenções específicas, permitindo a criação de algoritmos capazes de interpretar essas intenções em comandos para controle de dispositivos, a evolução dessa área promissora se destaca por impulsionar a compreensão dos processos cerebrais e oferecer soluções práticas, como melhorias na qualidade de vida para pessoas com limitações motoras. Os sistemas ICM baseados em Steady State Visually Evoked Potential (SSVEP) usam respostas cerebrais a qualquer estímulo visual piscando em uma frequência constante como comando de entrada para um aplicativo ou dispositivo externo, embora seja amplamente utilizado para muitas aplicações, existem características do sistema que devem ser analisadas e discutidas visando aumentar o desempenho da aplicação. Este estudo aborda o préprocessamento, extração de características e classificação nas etapas de processamento digital de sinais em uma ICM baseada SSVEP. Os resultados incluem análises comparativas da extração de épocas em cinco diferentes tamanhos (2s, 1s, 500ms, 250ms, 125ms) para sinais de eletroencefalograma (EEG) em uma Interface Cérebro-Máquina diante de estímulos em três frequências distintas de SSVEP (8Hz, 14Hz e 28Hz). As acurácias de classificação são apresentadas para cada análise. Os resultados obtidos por meio da classificação do sistema revelam que épocas com durações maiores apresentam melhor desempenho. Entretanto, é notório que, ao analisar épocas com menor duração, estas possuem desempenho razoável, oferecendo eficácia para o cenário e proporcionando maior número de comandos aplicáveis em uma configuração de ICM-SSVEP.