Utilização da transferência de aprendizado no detector de objetos para regiões da face humana em imagens termográficas de barreiras sanitárias

Abstract

A pandemia do COVID-19 tem afetado a vida das pessoas bem como as economias de vários países, os setores de saúde, educação, transporte, entre outros. Para tentar conter a disseminação do vírus, diversos países implementaram barreiras sanitárias em aeroportos, rodoviárias, estações, portarias das empresas e outros espaços compartilhados para detectar pacientes com algum sintoma da infecção viral. Visto que a febre é um dos sintomas mais recorrentes da doença, iniciou-se uma corrida aos mercados por dispositivos de medição de temperatura corporal. As câmeras termográficas, também conhecidas como termovisores, são outros dispositivos utiliza-dos para medir a temperatura, empregando tecnologia conhe-cida como termografia infravermelha, uma ferramenta não invasiva, rápida e objetiva. Neste estudo aplicouse a transferência de aprendizado de máquina na YOLO para detectar as regiões mais quentes da face humana em imagens termográficas, permitindo a identificação de estado febril em humanos. Para isso, os algoritmos de inteligência artificial detectam as regiões de interesse nas imagens termográficas, que são: os olhos, a testa e os ouvidos e em seguida, são analisadas as temperaturas nestas regiões. O software desenvolvido apresentou excelente desempenho na detecção das regiões de interesse estabelecidas, que indica adequadamente a máxima tempera-tura dentro das regiões de interesse, e que a escolha do método de máxima temperatura se apresentou adequada.