Detecção de Pedestres Utilizando Descritores de Orientação do Gradiente e Auto Similaridade de Cor

• Main Author: COSMO, D. L.
• Other Authors: CIARELLI, P. M.
• Format: Others
• Published: Universidade Federal do Espírito Santo 2018
• Subjects: Detecção de Pedestres; Janelas Deslizantes; Histograma de Gr
• Online Access: http://repositorio.ufes.br/handle/10/9641

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