Como funciona a deteção de presença sem telemóvel numa casa inteligente local?
A deteção de presença sem telefone funciona inferindo a ocupação a partir de sinais físicos ambientais, como movimento, reflexões de radar, alterações no canal sem fios, portas, pressão, consumo de energia ou combinações desses sensores.
Isto resolve um problema diferente do GPS do telefone. Pode responder a «está alguém aqui?» ou, por vezes, «que divisão está ocupada?», sem exigir que a pessoa transporte um dispositivo monitorizado. Normalmente, não consegue provar quem é essa pessoa, e a fiabilidade depende da colocação dos sensores, da imobilidade, dos animais de estimação, das interferências e das regras de fusão que convertem observações ruidosas num estado de ocupação.
Diferentes sensores observam diferentes evidências físicas de presença
O PIR reage principalmente a padrões infravermelhos variáveis causados por corpos quentes em movimento; o radar mmWave/FMCW consegue detetar movimentos muito menores e, por vezes, movimentos à escala da respiração; a deteção por Wi-Fi mede alterações na propagação rádio causadas por corpos que se deslocam no ambiente. Os sensores de portas e de pressão acrescentam transições de estado, em vez de evidências contínuas de presença.
Um conjunto de dados de radar mmWave FMCW do mundo real foi criado especificamente para a deteção de ações humanas com preservação da privacidade, incluindo em contextos de automação residencial. Isto demonstra por que razão o radar é um sinal de presença distinto: o sensor observa energia rádio refletida, sem exigir que a pessoa transporte um telefone ou seja captada por uma câmara de luz visível.
Nenhuma modalidade é superior em todas as divisões. O PIR pode não detetar uma pessoa sentada e imóvel; o radar pode reagir através de divisórias finas ou a ventoinhas e cortinas em movimento, dependendo da configuração; a deteção por Wi-Fi varia com a colocação dos dispositivos e as condições de radiofrequência. A presença torna-se mais fiável quando o sistema compreende os pontos cegos de cada sensor, em vez de simplesmente adicionar mais sensores.
A deteção por Wi-Fi pode transformar trajetos rádio existentes em sinais de ocupação
As medições do canal Wi-Fi alteram-se quando as pessoas perturbam a propagação multipercurso entre rádios. Um modelo local pode classificar essas alterações sem precisar que a pessoa transporte o telefone associado à rede. Isto torna a deteção baseada na infraestrutura atrativa para a monitorização abrangente de divisões ou habitações.
Um estudo extenso de deteção por Wi-Fi no mundo real, revisto em agosto de 2026, apresenta deteção por Wi-Fi no mundo real em 15 habitações e milhões de dispositivos instalados, identificando animais de estimação, heterogeneidade do hardware, interferência entre vários utilizadores e limitações dos recursos de edge como desafios práticos. A precisão de 92,61% na deteção de movimento humano aí apresentada demonstra a viabilidade, mas também mostra por que razão as habitações reais são mais difíceis do que os dados laboratoriais controlados.
O artigo relacionado da ZimaSpace sobre confusão de identidade nos modelos de presença aborda o limite da identidade. Uma perturbação rádio pode ser uma forte evidência de que está um ser humano presente, sem indicar à automação se essa pessoa é o proprietário da casa, uma criança ou um convidado.
A fusão de sensores converte deteções breves num estado de ocupação estável
Um motor de presença útil separa normalmente a evidência instantânea da persistência da ocupação. A abertura de uma porta pode aumentar a probabilidade de alguém ter entrado; o PIR pode confirmar movimento; o radar pode manter a divisão como ocupada durante períodos de imobilidade; uma ausência prolongada de evidências, juntamente com uma transição de saída, pode limpar o estado. A camada de fusão impede que um único fotograma não detetado mude imediatamente o estado da casa para «ausente».
A estrutura de edge AI STAR demonstra classificação de presença na edge com processamento local de CSI Wi-Fi e apresenta uma elevada precisão de presença na sua configuração experimental, utilizando um modelo compacto. O sinal arquitetural importante não é a percentagem de destaque; é o facto de a redução de ruído, as características temporais e a inferência local fazerem parte do fluxo de deteção, em vez de serem etapas opcionais posteriores à deteção.
A fusão deve permanecer observável. Registe quais os sensores que contribuíram para uma transição de estado e quanto tempo o sistema aguarda antes de declarar ausência. Se uma divisão continuar ocupada porque um canal de radar nunca é reposto, o proprietário deve conseguir ver essa causa, em vez de tentar depurar uma etiqueta opaca de «presença por IA».
A fiabilidade depende da decisão que o estado de presença irá controlar
A iluminação pode tolerar falsos positivos ocasionais de presença melhor do que um alarme, uma fechadura ou um sistema de segurança baseado na ocupação. Defina limiares de aceitação distintos consoante as consequências: as luzes de uma divisão podem utilizar inferência local rápida, enquanto uma ação de segurança de «todos saíram» pode exigir vários sinais independentes e uma janela de confirmação mais longa.
Um estudo da Scientific Reports sobre deteção de presença sem contacto baseada em Wi-Fi utiliza informações do estado do canal, pré-processamento, extração de características e classificação para distinguir estados de presença humana. Os resultados apresentados provêm das suas próprias condições experimentais, mas o mecanismo reforça o ponto prático: a deteção de presença sem telefone continua a depender da divisão e do ambiente rádio, e não de uma identidade transportada por um dispositivo móvel.
Teste a deteção de presença sem telefone com residentes sentados e imóveis, convidados sem dispositivos registados, animais de estimação, portas a abrir sem entrada, ventoinhas, condições noturnas e vários ocupantes em simultâneo. Considere-a fiável apenas para as automações cujas taxas de falsos positivos e falsos negativos permaneçam aceitáveis. Mantenha as ações dependentes da identidade associadas a um sinal de identidade separado, em vez de transformar a ocupação anónima em «a pessoa certa está em casa».
Produtos recomendados
Centro de Tecnologia e IA
Mais para Ler
Como afeta a redução da frequência de amostragem de séries temporais a deteção de anomalias em casas inteligentes?
Veja como a largura dos intervalos, a agregação, o anti-aliasing, os dados em falta, a duração dos eventos e a retenção multiescala alteram a...
Como é que uma grelha de ocupação combina sinais fracos de uma casa inteligente?
Saiba como células espaciais, modelos de sensores, atualizações de log-odds, decaimento, evidências correlacionadas e limiares transformam sinais domésticos fracos em estimativas de ocupação.
Como é que a normalização fotométrica afeta o agrupamento privado de rostos?
Veja como a correção da iluminação altera recortes faciais, embeddings, distâncias entre clusters, limiares, sobre-normalização e a avaliação da pesquisa privada de fotografias.
