Um dos principais objetivos da avaliação da Amplitude de Movimento (AM) é quantificar limitações de movimento, indicando a necessidade por intervenções a serem realizadas pelos profissionais de saúde (por exemplo, fisioterapeuta, médico, educador físico), e permitindo a realização de cuidados adequados. Avaliar quantitativamente a Amplitude de Movimento (AM) permite uma maior precisão no acompanhamento dos avanços de uma reabilitação. Um importante componente dessa tarefa é a goniometria. Trata-se da avaliação da AM baseada em medidas angulares dos segmentos. Este tipo de avaliação permite que os profissionais de saúde tracem um diagnóstico para a perda de funções da AM, e monitorem a resposta a internações e tratamentos. O Goniômetro Universal (GU) é atualmente a ferramenta mais utilizada para realizar a mensuração da AM do corpo humano. Ele é normalmente associado a outros equipamentos manuais tais como, inclinômetro e eletrogoniômetro. Contudo, a qualidade e reprodutibilidade do uso dessas ferramentas dependem da experiência do profissional e do posicionamento fixo do equipamento durante a tarefa. Além disso, as características fisiológicas do paciente influenciam na qualidade dos resultados. Os avanços tecnológicos de Visão Computacional (VC) e Inteligência Artificial (IA) em tarefas de segmentação de imagens e reconhecimento de padrões permitem estimar a pose humana. Este estudo considerou estes avanços e as limitações das ferramentas atuais de goniometria, e também um método de avaliação em que ocorra menos contato físico entre avaliador e paciente, levando em consideração a presente pandemia da COVID-19. Esta pesquisa de mestrado teve por objetivo desenvolver e validar uma aplicação móvel baseada em Visão Computacional (VC) com capacidade de calcular medidas goniométricas do corpo humano. Alcançou-se o objetivo com o desenvolvimento da aplicação inteligente chamada de NLMeasurer. Como resultados, este texto de dissertação de mestrado apresenta o NLMeasurer, uma aplicação móvel desenvolvida para a plataforma Android, que auxilia nos processos de avaliação antropométrica e goniométrica. A avaliação antropométrica mostrou-se eficiente na identificação de pontos anatômicos e cálculo do comprimento dos segmentos, bem como, forneceu a melhor configuração do modelo de aprendizado de máquina a ser utilizada. As análises para o método de goniometria mostrou-nos uma correlação moderada e forte para medidas do NLMeasurer e Goniômetro Universal (GU), exceto para os movimentos de extensão do ombro, flexão e extensão do cotovelo e concordantes entre si, não apresentando diferenças estatisticamente significativas. As avaliações entre NLMeasurer e SAPO apresentam correlação forte para todas as médias, exceto para movimento de flexão do cotovelo direito, considerada moderada (p=0,048); o Teste de Wilcoxon, revelou que não houve diferença estatisticamente significante, exceto para o movimento de flexão do cotovelo esquerdo (p=0,019) e extensão do cotovelo direito (p=0,047). As análises de correlação intraclasse apresentou excelente confiabilidade inter avaliador e intra-avaliador para todas as medidas de amplitude de movimento avaliadas com o NLMeasurer (ICC>0,877). Portanto, a aplicação móvel NLMeasurer mostrou resultados promissores e indicaram a viabilidade de usar a solução proposta na prática clínica para os membros e movimentos avaliados.