Atualmente, é crescente o número de pacientes que são tratados em casa, principalmente em países como o Japão, Estados Unidos e da Europa. Além disso, o número de idosos tem aumentado significativamente nos últimos quinze anos, e essas pessoas, muitas vezes, preferem receber tratamento médico em suas residências. No entanto, podem acontecer situações críticas durante esse período de recuperação, como por exemplo, o paciente idoso sofrer uma queda e agravar o seu quadro clínico. Neste cenário, avanços em Computação Ubíqua e Internet das Coisas (IoT) têm contribuído para evitar essas situações. Em particular, dispositivos embarcados, juntamente com a captura de movimentos por meio de sensores, podem ser aplicados para desenvolver soluções que ofereçam mais segurança para essas pessoas. Todavia, observa-se uma dificuldade de classificar os movimentos de um indivíduo e identificar, de fato, um movimento considerado anormal. Assim, o principal objetivo deste trabalho é a detecção e classificação dos movimentos utilizando dados conjuntos de sensores distintos e dispositivo embarcado. Paradigmas de Inteligência Artificial (AI) foram aplicados para a classificação dos movimentos e os testes realizados na arquitetura SAHHc. Os resultados apontaram uma precisão de 96.62\% na identificação das atividades executadas por um paciente/idoso.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.