Questão de Engenharia de Software — Inteligencia Artificial — FGV 2024
Engenharia de Software›Inteligencia Artificial
Código
fg086809
Banca
FGV
Órgão
MF
Ano
2024
Nível
Superior
Cargo
Auditor Federal de Finanças e Controle - Área de Tecnologia da Informação (Transformação Digital) - manhã
Em um projeto de pesquisa avançado na área de reabilitação física, uma equipe multidisciplinar está desenvolvendo uma solução inovadora baseada em Visão Computacional e IA para auxiliar na recuperação de pacientes que sofreram lesões musculoesqueléticas.A tecnologia precisa capturar e analisar os movimentos do corpo humano, avaliando a execução correta dos exercícios e sugerindo ajustes para garantir a eficácia da reabilitação. A tecnologia deve, ainda, ser capaz de interpretar a complexidade dos movimentos humanos, identificando posições e partes específicas do corpo e garantindo que os pacientes mantenham a postura adequada durante toda a sessão de exercícios.Com base nessas informações, assinale a técnica de visão computacional e Inteligência Artificial fundamental para o desenvolvimento desse sistema.
AEstimativa de Pose (Pose Estimation).
BDetecção de Objeto (Object Detection).
CReconhecimento de Atividade (Activity Recognition).
DStructure from Motion (SfM).
ELocalização e Mapeamento Simultâneos (SLAM).
Revelar gabarito e comentário▾
GabaritoA — Estimativa de Pose (Pose Estimation).
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Visão Computacional e IA para Reabilitação Física
Gabarito: letra A. O sistema descrito precisa capturar e analisar movimentos do corpo humano, identificar posições e partes específicas do corpo, e avaliar a execução correta de exercícios. A técnica fundamental para isso é a Estimativa de Pose (Pose Estimation), que localiza coordenadas de articulações e partes do corpo (keypoints) em imagens ou vídeos, permitindo analisar postura e movimento em tempo real.
A banca testa a compreensão do propósito de cada técnica de visão computacional. A descrição do enunciado — "interpretar a complexidade dos movimentos humanos, identificando posições e partes específicas do corpo" — casa perfeitamente com o que a Estimativa de Pose faz. As demais alternativas têm objetivos diferentes, conforme analisado abaixo.
Técnica
Função Principal
Aplicação no Contexto de Reabilitação
Adequação ao Problema
Estimativa de Pose (Pose Estimation)
Detecta e rastreia pontos-chave do corpo (articulações) em imagens/vídeos
Permite analisar postura, orientação de segmentos corporais e movimento em tempo real
✅ Fundamental – atende diretamente à necessidade de identificar posições e partes do corpo para avaliar a execução de exercícios
Detecção de Objeto (Object Detection)
Identifica e localiza objetos com bounding boxes
Pode detectar a pessoa, mas não fornece detalhes sobre articulações ou qualidade do movimento
❌ Insuficiente – não analisa a pose ou a execução do exercício
Reconhecimento de Atividade (Activity Recognition)
Classifica sequências de ações (ex.: andar, agachar)
Depende de dados de pose ou outros descritores; é uma etapa posterior
❌ Não é a base – é consequência, não a técnica fundamental para identificar posições corporais
Structure from Motion (SfM)
Reconstrói estruturas 3D a partir de múltiplas imagens 2D
Usada em fotogrametria e modelagem 3D, não em análise de movimento em tempo real
❌ Inadequada – não se aplica ao monitoramento de exercícios
Localização e Mapeamento Simultâneos (SLAM)
Mapeia ambiente e localiza um agente em tempo real
Usada em robótica e navegação, não em análise de movimento humano
❌ Inadequada – não se aplica ao contexto de reabilitação física
Alternativa A — ✅ Correta ⟵ GABARITO
Estimativa de Pose (Pose Estimation) é a técnica que detecta e rastreia pontos-chave do corpo humano (cabeça, ombros, cotovelos, punhos, joelhos, etc.) em imagens ou vídeos. Ela permite extrair a posição e orientação dos segmentos corporais, sendo a base para análise de postura, execução de exercícios e correção de movimentos. Exatamente o que o projeto de reabilitação exige.
Alternativa B — ❌ Incorreta
Detecção de Objeto (Object Detection) identifica e localiza objetos em uma imagem (ex.: caixas, carros, pessoas) por meio de bounding boxes. Não fornece a informação granular sobre as partes do corpo e articulações necessária para avaliar a qualidade do movimento. Embora possa detectar a pessoa, não analisa a pose.
Alternativa C — ❌ Incorreta
Reconhecimento de Atividade (Activity Recognition) classifica sequências de ações (ex.: andar, correr, agachar). Depende da extração de características de movimento, geralmente a partir de pose ou outros descritores, mas não é a técnica fundamental para identificar posições corporais em tempo real. Ela é consequência, não a base, para o que o sistema precisa.
Alternativa D — ❌ Incorreta
Structure from Motion (SfM) reconstrói estruturas 3D a partir de múltiplas imagens 2D. É usada em fotogrametria e modelagem 3D, não para análise de movimentos corporais em tempo real. Não é adequada para o cenário descrito.
Alternativa E — ❌ Incorreta
Localização e Mapeamento Simultâneos (SLAM) é utilizado em robótica e realidade aumentada para que um dispositivo construa um mapa do ambiente e se localize nele simultaneamente. Não se aplica à análise de movimentos do corpo humano.
NÃO CAIA NESSA!
A banca pode confundir Estimativa de Pose com Reconhecimento de Atividade (alternativa C) ou com Detecção de Objeto (alternativa B). O Reconhecimento de Atividade também lida com movimento, mas depende da pose para funcionar; já a Detecção de Objeto não detalha partes do corpo. O foco do enunciado na "identificação de posições e partes específicas do corpo" é a pista clara para a Estimativa de Pose.