Summary: | Made available in DSpace on 2018-08-02T00:01:02Z (GMT). No. of bitstreams: 1
tese_6469_Dissertação_final_Daniel_luis_Cosmos.pdf: 9906832 bytes, checksum: be08efcf829cde189c3b3f48f3aaa368 (MD5)
Previous issue date: 2014-11-06 === Detecção de pedestres é um problema muito abordado na atualidade, possuindo diversas
aplicações com potencial para melhorar a qualidade de vida da sociedade. Algumas dessas
aplicações se encontram nas áreas de sistemas de auxílio ao motorista, reconhecimento de
pessoas em fotos e vídeos, e vigilância. Atualmente existe um grande número de pesquisas
envolvendo este assunto, trazendo muitas ramificações ao estado da arte no que diz respeito
a detecção de pedestres. Esta dissertação apresenta um sistema de detecção de pedestres
em ambientes não controlados baseado em janelas deslizantes. Sistemas deste tipo são
compostos por dois blocos principais: um para a extração de características e outro para
classificação das janelas. Duas técnicas de extração de características são usadas, sendo elas:
HOG (Histogram of Oriented Gradient) e CSS (Color Self Similarities), e para classificar as
janelas é usado o SVM (Support Vector Machine) linear. Além dessas técnicas, são também
utilizadas: mean shift e agrupamento hierárquico, para a fusão de múltiplas detecções
sobrepostas; e filtro bilateral, para pré-processamento da imagem. Os resultados obtidos
sobre o banco de dados INRIA Person Database mostram que o sistema proposto, usando
somente o descritor HOG, apresenta melhorias em relação a sistemas semelhantes, com um
log average miss rate igual a 41,8%, contra 46% da literatura. Este resultado foi possível
devido ao corte das detecções finais para melhor adequação às anotações modificadas,
e também a algumas modificações feitas nos parâmetros dos descritores. A adição do
descritor CSS modificado ao HOG aumenta a eficácia do sistema, levando a um log average
miss rate igual a 36,2%, classificando separadamente cada descritor
|