Proximidade

As t´ecnicas de estima¸c˜ao da localiza¸c˜ao de terminais m´oveis baseadas em proximi- dade funcionam com base no princ´ıpio de encontrar a referˆencia mais pr´oxima do dispostivo a localizar. A referˆencia mais pr´oxima pode ser encontrada no momento atual com base na que se encontra mais pr´oxima do terminal m´ovel, ou ent˜ao a ´

ultima referˆencia que detetou o terminal m´ovel. O alcance deste tipo de metodolo- gias ´e limitado, maioritariamente, pelo n´umero de referˆencias, que deve ser elevado de modo a que o sistema seja cred´ıvel. A resolu¸c˜ao est´a associada ao n´umero de re- ferˆencias dispon´ıvel, maior resolu¸c˜ao resultar´a num aumento dos custos nos recursos a utilizar. As metodologias de proximidade podem ser divididas em trˆes t´ecnicas principais [24] [16]:

• Contacto F´ısico

O m´etodo do contacto f´ısico consiste na dete¸c˜ao de contactos entre objetos e referˆencias. ´E necess´ario que as localiza¸c˜oes das referˆencias sejam conhecidas, no caso de contacto com um objeto, ´e poss´ıvel atualizar a localiza¸c˜ao atual do objeto. Esta t´ecnica ´e aplicada, usualmente, a sistemas de coordenadas bi ou tridimensionais e possuiu como maior inconveniente o facto de ser poss´ıvel a identifica¸c˜ao do contacto de um objeto a uma das referˆencias, mas ser dif´ıcil a carateriza¸c˜ao e identifica¸c˜ao do objeto em si. O peso do objeto ou a marca de impress˜ao ajudam na identifica¸c˜ao mas n˜ao s˜ao suficientes. Normalmente as referˆencias s˜ao pequenos sensores de press˜ao, sensores de toque, sensores capacitivos, etc. Um exemplo de um sistema que use esta t´ecnica ´e o Smart

Floor [25].

• C´elula de Origem

O m´etodo da c´elula de origem baseia-se na monitoriza¸c˜ao do terminal m´ovel conectado a uma rede sem fios celular, atrav´es de uma referˆencia. Este conceito denomina-se c´elula de r´adio-frequˆencia e consiste na identifica¸c˜ao da c´elula em que o terminal est´a presente no momento [18, 24] Figura 2.4.

A resolu¸c˜ao desta t´ecnica ´e a sua principal limita¸c˜ao, o tamanho de cada c´elula est´a diretamente relacionado com a precis˜ao. A informa¸c˜ao da localiza¸c˜ao ´e sempre apresentada como uma ´area, que ´e precisamente a ´area da c´elula. De modo a melhorar o resultados destes sistemas, ´e poss´ıvel usar um conjunto de outras t´ecnicas complementares, e.g., Time Based Techniques, ou o secciona- mento das c´elulas reduzindo a ´area de localiza¸c˜ao [18]. De igual modo, o valor de RSS tamb´em pode ser usado com o objetivo de obter uma melhor escolha da c´elula de origem, o terminal m´ovel tende a conectar-se `a referˆencia cuja potˆencia seja maior. Todos estes e outros m´etodos complementares melhoram a t´ecnica da c´elula de origem. As operadoras de servi¸cos m´oveis baseiam-se nestas t´ecnicas para determinarem as localiza¸c˜oes dos seus clientes.

Figura 2.4 – Sistema de localiza¸c˜ao baseada na C´elula de Origem [18]

• Identifica¸c˜ao Autom´atica

A identifica¸c˜ao autom´atica ´e as terceira e ´ultima t´ecnica de proximidade descrita, a sua designa¸c˜ao baseia-se no facto de ser usada por sistemas de identifica¸c˜ao autom´aticos para determinar terminais m´oveis, e. g. caixas mul- tibanco, via verde, tags RFID, hist´orico de autentica¸c˜oes, etc. Figura 2.5.

Este tipo de sistemas possui baixo alcance, as identifica¸c˜oes de objetos ou terminais m´oveis est˜ao associadas `as suas localiza¸c˜oes, no instante em que um objeto ou terminal ´e identificado tamb´em ´e determinada a sua localiza¸c˜ao. Este m´etodo ´e usualmente usado nos sistemas de tracking ou localiza¸c˜ao em

sistemas de log´ıstica.

Figura 2.5 – Sistema RFID [26]

2.2.6

An´alise de Cena

Na literatura, a metodologia de an´alise de cena pode tamb´em ser denominada an´alise de padr˜oes. Consiste na an´alise de dados que possam caraterizar uma localiza¸c˜ao.

´

E realiz´avel atrav´es de duas t´ecnicas, uma consiste na an´alise de cena est´atica que explora as carater´ısticas analisadas, comparando-as com um conjunto de dados pre- definidos que faz o mapeamento para uma determinada localiza¸c˜ao. A outra t´ecnica consiste numa an´alise diferencial, em que ´e feito um estudo das sucessivas diferen¸cas entre cenas de modo a obter informa¸c˜oes de localiza¸c˜ao. A cena pode ser obtida atrav´es de fingerprinting, que consiste em an´alises eletromagn´eticas, ou atrav´es de an´alises de imagens recorrendo a m´etodos de processamento de imagens ou v´ıdeo.

• An´alise de Imagens

Esta t´ecnica consiste na captura, an´alise e processamento de imagens ou v´ıdeos. Usualmente, estes m´etodos necessitam um elevado poder computacio- nal, sendo em alguns casos necess´ario an´alise 3D em imagens obtidas atrav´es de vis˜ao est´ereo. Uma das abordagens consiste na compara¸c˜ao de imagens adquiridas em tempo real com imagens previamente armazenadas em bases de dados. Esta compara¸c˜ao pode ser feita com base em v´arias combina¸c˜oes de

carater´ısticas da imagem como histogramas de cores, algoritmos de processa- mento digital, etc. [27].

N. Zouba et al [28], apresentam um m´etodo que retira o m´aximo de informa¸c˜ao poss´ıvel sobre os locais a analisar, de modo a reconhecer eventos nas imagens obtidas e.g., uma pessoa a sentar-se numa cadeira. Outros m´etodos usuais de processamento de imagem consistem em algoritmos que s˜ao conhecidos como sendo do tipo marker [29] ou markless [28, 30, 31]. Os algoritmos do tipo

marker definem um conjunto de carater´ısticas ou markers para cada projeto

a realizar, usualmente s´ımbolos, e ´e realizado um processamento digital de imagens sobre as imagens obtidas em v´ıdeo, com o objetivo de detetar objetos pretendidos ou s´ımbolos. A maior limita¸c˜ao consiste no facto dos objetos ou s´ımbolos n˜ao puderem alterar o seu aspeto. No caso dos algoritmos do tipo

markless, o objeto n˜ao apresenta s´ımbolos ou marcas, o software ´e o ´unico respons´avel de realizar a an´alise de padr˜oes da imagem, com o objetivo de localizar o objeto, Figuras 2.6, 2.7 e 2.8. Dete¸c˜ao de faces ou silhuetas s˜ao exemplos deste tipo de algoritmos.

Figura 2.6 – Algoritmo Markless -

Dete¸c˜ao [28]

Figura 2.7 – Algoritmo Markless -

Figura 2.8 – Tracking de Pessoas com o Algoritmo Markless [28]

• Fingerprinting

O m´etodo de an´alise de cena por fingerprinting consiste em analisar, em tempo real, valores de um determinado parˆametro de um sinal eletromagn´etico. Este sinal deve ser capaz de caraterizar uma posi¸c˜ao espacial, i.e., o sinal deve ser alterado de modo a ser comparado conclusivamente com valores previa- mente guardados numa base de dados [12, 16, 17, 32–34]. Esta base de dados ´e denominada de Fingerprint Map (FM) ou Radio Map, na literatura. Nesta t´ecnica, s˜ao normalmente usados os valores de RSS, mas outros parˆametros como a rela¸c˜ao entre o sinal e o ru´ıdo (SNR - Signal to Noise Ratio) podem ser usados. Na figura 2.9 est´a ilustrada uma esquematiza¸c˜ao de um Fingerprint

Map. A an´alise de cena por fingerprinting divide-se em duas fases sequenciais, ao longo do seu processo analista.

A primeira, denomina-se fase de calibra¸c˜ao ou offline, consiste na elabora¸c˜ao do fingerprint map. Os valores de uma determinada carater´ıstica dos sinais eletromagn´eticos e a informa¸c˜ao da localiza¸c˜ao onde esses dados foram obtidos s˜ao armazenados numa base de dados.

A segunda, denomina-se fase online, consiste na obten¸c˜ao do conjunto de va- lores de uma carater´ıstica do sinal no local e em tempo real, e compara¸c˜ao com aqueles que est˜ao armazenados no Fingerprint Map. Os algoritmos de

estima¸c˜ao de localiza¸c˜ao (LEA - Location Estimation Algorithms) s˜ao usados nesta compara¸c˜ao, utilizam como parˆametro de entrada os valores obtidos em tempo real e retornam uma localiza¸c˜ao estimada.

Figura 2.9 – Fingerprint Map [18]

O m´etodo fingerprinting possui como base dois pressupostos [35], que nem sempre acontecem:

– A potˆencia do sinal medida no terminal diminui com o aumento da distˆancia `a referˆencia.

– A potˆencia do sinal medida no terminal de um determinado ponto ´e constante ao longo do tempo.

O sistema mais conhecido que utiliza o m´etodo fingerprinting denomina-se RADAR [32, 33].

2.2.7

An´alise Biomecˆanica

A an´alise biomecˆanica consiste na an´alise e processamento de dados capturados por sensores IMU transportados pelos utilizadores, ao longo das suas desloca¸c˜oes. Estes sensores s˜ao baratos, pequenos e f´aceis de transportar, permitindo a jun¸c˜ao de v´arios

sensores num ´unico dispositio e.g., num smartphone. A aquisi¸c˜ao de dados de ace- lera¸c˜ao, rota¸c˜ao e orienta¸c˜ao ao longo das desloca¸c˜oes, pode ser capaz de descrever alguns dos movimentos realizados pelo utilizador. Atrav´es da identifica¸c˜ao de al- guns dos movimentos b´asico e.g., passos, poder´a ser estimada a distˆancia percorrida durante uma desloca¸c˜ao. Cada movimento possuiu um sentido e uma orienta¸c˜ao, carater´ısticas essenciais que tamb´em podem ser identificadas nos dados capturados.

Existem outras abordagens relativamente `a utiliza¸c˜ao destes sensores na literatura, com ˆenfase na separa¸c˜ao do hardware de captura do restante, de modo a que analisar movimentos de pontos de vista espec´ıficos e.g., sensores transportados no cal¸cado, ao longo da perna, nos bra¸cos etc. Um smartphone que contenha sensores inerci- ais, e poder computacional suficiente que permita uma identifica¸c˜ao de movimentos nos dados capturados pelos sensores, pode ser a totalidade do sistema ao n´ıvel da infraestrutura. Usualmente, a identifica¸c˜ao destes movimentos ´e melhorada quando os dados s˜ao pr´e-processados e.g., elimina¸c˜ao de ru´ıdo ou interpola¸c˜ao. De modo a melhorar significativamente a qualidade dos dados, o processamento de dados ´e constitu´ıdo por v´arios processos de alta necessidade computacional. Na literatura, s˜ao apresentados v´arios m´etodos de identifica¸c˜ao de movimentos e de processamento deste tipo de dados [36–38].

A an´alise dos movimentos do utilizador e respetivas carater´ısticas adicionais ´e reali- zada de diversas formas, nos v´arios sistemas de localiza¸c˜ao deste tipo. A base desta an´alise consiste na dete¸c˜ao de passos do utilizador, na posterior estima¸c˜ao do com- primento desses passos e na determina¸c˜ao da dire¸c˜ao e do sentido de cada um deles. Com o conhecimento da posi¸c˜ao inicial, esta t´ecnica pode ser utilizada em qualquer ambiente, indoor ou outdoor, pelo que n˜ao ´e necess´ario nenhum tipo de comunica¸c˜ao com dispositivos exteriores e.g., sat´elites ou pontos de acesso. Os sensores inerciais e um dispositivo capaz de analisar os dados capturados s˜ao os requisitos f´ısicos ne- cess´arios desta t´ecnica de estima¸c˜ao de localiza¸c˜oes, com o conhecimento da posi¸c˜ao inicial. Esta t´ecnica ´e o tema de estudo desta disserta¸c˜ao e ´e descrita e aprofundada no cap´ıtulo seguinte.

2.3

Medidas de Desempenho das T´ecnicas de Lo-

caliza¸c˜ao

Os crit´erios de avalia¸c˜ao de t´ecnicas de localiza¸c˜ao s˜ao aspetos imprescind´ıveis na compara¸c˜ao dos v´arios sistemas de localiza¸c˜ao atuais. Nesta subsec¸c˜ao s˜ao definidos os crit´erios de avalia¸c˜ao utilizados mais frequentemente para caraterizar as t´ecnicas e m´etodos de localiza¸c˜ao, nomeadamente precis˜ao, fiabilidade, latˆencia, disponibili- dade e aplicabilidade.