A startup brasileira xGB apresentou, nesta semana, uma nova tecnologia para monitorar o risco de contágio do novo coronavírus. Batizada de Radar-19, a solução calcula níveis de risco de disseminação do vírus a partir da detecção do uso de máscaras faciais e o cumprimento do distanciamento social pelos cidadãos.
O sistema funciona por meio de câmeras instaladas em pontos estratégicos para filmar as pessoas nos locais escolhidos. O equipamento pode ser posicionado com o intuito de captar uma visão panorâmica de um espaço, ou acoplado a objetos para uma observação individual ou de poucos pessoas.
publicidade
Ao detectar a imagem de um indivíduo, a máquina gera um comando para reconhecer se essa pessoa está cumprindo as recomendações preventivas. O sistema então contabiliza a quantidade de indivíduos que descumprem as medidas e relaciona à área total do local monitorado e à quantidade total de pessoas que passam por ele. Dessa forma, são calculados os “pontos” que indicam o nível de risco de contágio dessa localidade.
De acordo com a startup, o sistema ainda pode ser programado para empreender ações diante dos resultados do monitoramento, como acionar uma equipe de segurança para fiscalizar o local ou travar portas e catracas para impedir que usuários sem máscaras entrem em um estabelecimento.
Aprendizado contínuo
Em entrevista exclusiva ao Olhar Digital, o CEO da xGB, Pablo Funchal, explicou que a tecnologia é desenvolvida a partir de deep learning (ou “aprendizado profundo” em tradução livre). Segundo ele, o sistema foi treinado por meio de vídeos que retratam cidadãos andando com ou sem máscaras. Até o momento, foram realizados apenas testes internos, mas a startup já discute a aplicação da tecnologia com instituições públicas e privadas.
“Os primeiros treinamentos foram focados em uso para detecção de quando a pessoa está mais perto da câmera, e a imagem apresenta poucos indivíduos. Em um cenário de reabertura de uma loja, por exemplo, podemos imaginar uma porta do estabelecimento que só vai abrir se o cliente estiver com a máscara. Para isso já está super funcional”, afirmou o executivo.
Já no caso de imagens mais amplas e com mais pessoas, a performance do sistema varia conforme a capacidade de processamento do computador em que o software está instalado e a resolução das câmeras.
Sobre a possível interferência de outros objetos, o executivo diz que o algoritmo já é capaz de identificar situações em que o indivíduo simula uma máscara com as próprias mãos ou com uma camiseta. Além disso, a tecnologia reconhece máscaras de diferentes cores e tecidos. Ele ressalta, no entanto, que o aprimoramento é contínuo e novos desafios ainda devem surgir.
Reabertura do comércio
Para Funchal, no curto prazo, o serviço da xGB deve atender principalmente a demandas de logística, como equipamentos metroviários, aeroportos e portos. Por outro lado, ela pode ajudar também na reabertura gradual de estabelecimentos comerciais e equipamentos públicos.
“Vamos supor que as autoridades de São Paulo decidam liberar o acesso ao Parque do Ibirapuera. O Radar-19 daria a possibilidade de medir em tempo real se há condições das pessoas frequentá-lo”, disse.
Ele afirma que, no contexto de relaxamento das medidas de prevenção ao coronavírus, será importante que as instituições públicas e privadas determinem os níveis de riscos adequados para os ambientes. O CEO ainda ressalta que cálculo pode variar caso, por exemplo, uma autoridade entenda que é necessário dobrar o peso do uso de máscaras na conta.
Sempre vale lembrar que estudos indicam a necessidade de medidas de distanciamento social intermitentes para controlar a pandemia do novo coronavírus até 2022.
Dados e privacidade
No que toca à privacidade, Funchal diz que o software não grava informações de reconhecimento facial. Segundo ele, o algoritmo interpreta meramente a presença ou não presença de uma máscara em um formato de rosto. “É completo anonimato”, diz o gestor.
Os dados do sistema são armazenados localmente nos hardwares dos clientes e a startup tem acesso combinado a esta base, para atualizar o aprendizado da máquina e fazer a manutenção do sistema.