Use este identificador para citar ou linkar para este item:
http://www.monografias.ufop.br/handle/35400000/9603Registro completo de metadados
| Campo Dublin Core | Valor | Idioma |
|---|---|---|
| dc.contributor.advisor | Brito, Samuel Souza | pt_BR |
| dc.contributor.advisor | Pereira, Igor Muzetti | pt_BR |
| dc.contributor.author | Lima, Lucas Brazzarola de | - |
| dc.date.accessioned | 2026-08-26T15:01:15Z | - |
| dc.date.available | 2026-08-26T15:01:15Z | - |
| dc.date.issued | 2026 | pt_BR |
| dc.identifier.citation | LIMA, Lucas Brazzarola de. Sistema de detecção passiva de presença humana baseado em Wi-Fi CSI com ESP32-S3 para ambientes internos. 2026. 73 f. Monografia (Graduação em Engenharia de Computação) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2026. | pt_BR |
| dc.identifier.uri | http://www.monografias.ufop.br/handle/35400000/9603 | - |
| dc.description.abstract | Este trabalho investiga o uso de informações do estado do canal de uma comunicação Wi-Fi para detectar passivamente a presença humana e distinguir três condições de ocupação em um ambiente interno: ambiente vazio, presença estática e presença em movimento. O objetivo foi desenvolver e avaliar uma solução de baixo custo, sem câmeras e sem dispositivos vestíveis, adequada a situações nas quais o monitoramento sem contato e sem formação de imagens seja desejável. O sistema utiliza dois microcontroladores ESP32 S3, um responsável pela criação da rede e pela geração periódica de tráfego UDP e outro pela captura das amostras de Channel State Information (CSI), posteriormente encaminhadas ao computador por comunicação serial. Foram implementados mecanismos de aquisição, validação e armazenamento dos dados, além de um pipeline composto por pré-processamento, segmentação em janelas temporais, extração e seleção de características, treinamento de classificadores e inferência contínua com consolidação temporal das decisões. O conjunto de dados foi formado por 300 aquisições válidas, distribuídas igualmente entre as três classes, duas sessões e cinco zonas do ambiente, totalizando 149.141 pacotes CSI. Todas as aquisições envolvendo presença humana foram realizadas com um único participante. A avaliação empregou separação estratificada por arquivo em dez divisões, mantendo todas as janelas provenientes de uma mesma aquisição no mesmo subconjunto e ajustando as operações dependentes dos dados somente com os arquivos de treinamento. Entre os modelos comparados, foi selecionado o Extra Trees com 100 árvores e 160 características. O modelo apresentou acurácia média de 0,8433±0,0237 e Macro F1 de 0,8402±0,0242. A presença em movimento alcançou F1 de 0,9318, enquanto a presença estática obteve 0,7455, sendo frequentemente confundida com o ambiente vazio. Em uma sequência contínua, a consolidação temporal elevou a acurácia de 0,8914 para 0,9140. Os resultados demonstram a viabilidade da utilização de um único enlace Wi-Fi com dispositivos ESP32-S3 para monitoramento sem contato e sem formação de imagens no cenário experimental adotado. Entretanto, a dificuldade de diferenciar presença estática de ambiente vazio, a utilização de um único participante e ambiente, além da dependência da configuração de aquisição empregada, limitam a extensão dos resultados para outras condições sem nova avaliação ou calibração. | pt_BR |
| dc.language.iso | pt_BR | pt_BR |
| dc.subject | Aprendizado do computador | pt_BR |
| dc.subject | Microcontroladores | pt_BR |
| dc.subject | Redes de computadores | pt_BR |
| dc.subject | Sensoriamento remoto | pt_BR |
| dc.subject | Sistemas embarcados - Computadores | pt_BR |
| dc.subject | Telecomunicações | pt_BR |
| dc.subject | Teoria da Informação | pt_BR |
| dc.title | Sistema de detecção passiva de presença humana baseado em Wi-Fi CSI com ESP32-S3 para ambientes internos. | pt_BR |
| dc.type | TCC-Graduação | pt_BR |
| dc.contributor.referee | Brito, Samuel Souza | pt_BR |
| dc.contributor.referee | Pereira, Igor Muzetti | pt_BR |
| dc.contributor.referee | Araújo, Janniele Aparecida Soares | pt_BR |
| dc.contributor.referee | Lins, Theo Silva | pt_BR |
| dc.description.abstracten | This work investigates the use of channel state information from Wi-Fi communication for passive human-presence detection and for distinguishing three occupancy conditions in an indoor environment: an empty environment, static presence, and movement. The objective was to develop and evaluate a low-cost solution without cameras or wearable devices, suitable for situations in which contactless and image-free monitoring is desirable. The system employs two ESP32-S3 microcontrollers: one is responsible for creating the network and periodically generating UDP traffic, while the other captures the Channel State Information (CSI) samples and forwards them to a computer through serial communication. Mechanisms for data acquisition, validation, and storage were implemented, as well as a pipeline comprising preprocessing, temporal window segmentation, feature extraction and selection, classifier training, and continuous inference with temporal decision consolidation. The dataset consisted of 300 valid acquisitions equally distributed among the three classes, two collection sessions, and five zones of the environment, totaling 149,141 CSI packets. All acquisitions involving human presence were performed with a single participant. The evaluation employed ten file-based stratified splits, keeping all windows originating from the same acquisition in a single subset and fitting all data-dependent operations using only the training files. Among the compared models, an Extra Trees classifier with 100 trees and 160 features was selected. The model achieved a mean accuracy of 0.8433±0.0237 and a Macro F1-score of 0.8402 ± 0.0242. Movement achieved an F1-score of 0.9318, whereas static presence obtained 0.7455 and was frequently confused with the empty environment. In a continuous sequence, temporal consolidation increased accuracy from 0.8914 to 0.9140. The results demonstrate the feasibility of using a single Wi-Fi link with ESP32-S3 devices for contactless and image-free monitoring under the adopted experimental conditions. However, the difficulty in distinguishing static presence from an empty environment, the use of a single participant and experimental environment, and the dependence on the adopted acquisition configuration limit the extension of the results to other conditions without further evaluation or calibration. | pt_BR |
| dc.contributor.authorID | 19.1.8026 | pt_BR |
| Aparece nas coleções: | Engenharia de Computação - JMV | |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| MONOGRAFIA_SistemaDetecçãoPassiva.pdf | 6,44 MB | Adobe PDF | Visualizar/Abrir |
Os itens na BDTCC estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.
