A pandemia de Covid-19 resultou, em diversas empresas, na adoção do home office que somada aos avanços tecnológicos implicaram no crescimento do uso de computadores desktops. Nessa conjuntura, percebeu-se o aumento de dores na coluna derivado da postura incorreta em frente aos monitores. Acerca da problemática apresentada, este projeto tem como objetivo desenvolver um software de reconhecimento facial que possibilite calcular a posição das pessoas em relação ao monitor para assim automatizar o ajuste de altura de um suporte de monitores de modo que condiga com àquela recomendada pela NR-17. Definido o objetivo elaborou-se o protótipo do suporte sendo composto por uma cremalheira de 60 cm, um motor de passo de 60 V conectado à parte de trás do monitor e acoplado em seu eixo com a engrenagem que se desloca pela cremalheira. Tal motor será controlado via um microcontrolador que receberá os parâmetros de ajuste do software. O programa feito em linguagem Python, utilizando OpenCV, implementa uma rotina de verificação de face e olhos com o método Haar Cascade. Feita a verificação, mede-se a posição do centro ocular em pixels na imagem capturada pela câmera e a sua diferença em relação ao centro da imagem. Uma vez predefinido pelo usuário, estes dados serão checados em um intervalo de tempo e em determinada quantidade de vezes de modo que possa estabelecer uma rotina de avisos para auxiliá-lo a manter uma postura ergonômica. O software também poderá gerar um relatório dos testes, armazenando-os em planilha para possível estudo de especialistas. Os testes foram realizados majoritariamente a partir do software mediante três abordagens. Neste aspecto, primeiramente gerou-se uma rotina de testes de reconhecimento facial, considerando positivos aqueles que reconheceram uma face e negativos os que não o fizeram; com esses dados, avaliou-se a precisão do reconhecimento facial do software. A segunda abordagem observou, ao comparar fotos do usuário com as landmarks dos olhos à posição aferida em cada uma das fotos, a precisão da posição indicada. Na última etapa, averiguou-se os relatórios gerados pelo software que necessitavam contemplar dados como: a posição do centro ocular do usuário, a taxa de erro em relação ao centro do ecrã e o intervalo de tempo entre as medidas. O reconhecimento facial em condições normais de luminosidade foi bem-sucedido em 90% dos testes. Em contrapartida, com luzes direcionadas à lente da câmera o usuário foi reconhecido em 50% dos casos. Concomitantemente, testes de posição foram exitosos visto que demonstraram coerência entre as imagens; ao mesmo tempo que foram positivos os resultados de armazenar os dados de posição e erro. O desenvolvimento deste software quando vinculado ao suporte deve auxiliar as pessoas a manterem melhores hábitos posturais; não obstante, o relatório armazenado pelo software viabiliza uma posterior análise de profissionais da área da saúde como fisioterapeutas e ortopedistas. A próxima etapa do projeto visa relacionar os cálculos realizados pelo software ao controle da posição do motor ao longo, permitindo registrar a altura correta do motor para cada usuário. Palavras-chave: Inteligência artificial. Python. Postura.