Mostrar registro simples

dc.contributor.advisorJung, Claudio Rositopt_BR
dc.contributor.authorIze, Mauricio da Costa Justopt_BR
dc.date.accessioned2020-10-03T04:11:53Zpt_BR
dc.date.issued2019pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/213944pt_BR
dc.description.abstractAutomated video analysis is a growing demand in the context where technology enables the creation of visual data at increasing rates. Detection and tracking of multiple pedestrians are specific needs of this demand as they are used in different types of applications such as video surveillance, automated vehicles, and retail analysis. This work implements a multiple pedestrian tracking application using the tracking-by-detection paradigm. We use a pre-trained model for object detection and pedestrian reidentification, a linear state prediction through recursive filtering, geometric and deep features as pedestrian dissimilarity, and an optimal algorithm for the assignment problem due to the probable presence of multiple pedestrians on the video frame. We tested four methods locally using the MOTChallenge dataset; when including static and moving camera sequences, the method using deep features and pedestrian reidentification achieves an overall 48.3% MOTA. Analyzing only the PETS09-S2L1 sequence, a static sequence that is closer to what is found in surveillance cameras, the method achieves 79.5% MOTA. Furthermore, we present the details of the implementation and results of the four developed methods.en
dc.description.abstractA análise automatizada de vídeo é uma demanda crescente em diferentes áreas no contexto em que a tecnologia permite a criação de dados visuais em taxas crescentes. A detecção e o rastreamento de múltiplos pedestres são necessidades específicas dessa demanda, pois são usados em aplicativos como vigilância por vídeo, veículos automatizados, e geração de métricas para lojas. Este trabalho implementa um aplicativo de rastreamento de múltiplos pedestres usando a abordagem de rastreamento por detecção. Nós usamos um modelo pré-treinado para detecção de objetos e reidentificaçao de pedestres, predição linear de estado com filtragem recursiva, características geométricas e profundas como funções de dissimilaridade entre pedestres, e um algoritmo óptimo para o problema de associação devido à presença de vários pedestres num único quadro de vídeo. Nós testamos quatro métodos localmente usando o conjunto de dados do MOTChallenge. Ao incluir vídeos com câmeras estáticas e em movimento, o método usando características profundas com renascimento atinge 48,3% na métrica MOTA. Analisando apenas a sequência PETS09-S2L1, uma sequência estática mais próxima do que é encontrado nas câmeras de vigilância, o método alcança 79,5% na métrica MOTA. Além disso, apresentamos os detalhes da implementação e os resultados dos quatro métodos desenvolvidos.pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.language.isoporpt_BR
dc.rightsOpen Accessen
dc.subjectPedestrian trackingen
dc.subjectInformáticapt_BR
dc.subjectDeep featuresen
dc.subjectGeometric featuresen
dc.subjectFilteringen
dc.titleMultiple pedestrian tracking using geometric and deep featurespt_BR
dc.title.alternativeRastreamento de múltiplos pedestres usando características geométricas e profundas en
dc.typeTrabalho de conclusão de graduaçãopt_BR
dc.identifier.nrb001118050pt_BR
dc.degree.grantorUniversidade Federal do Rio Grande do Sulpt_BR
dc.degree.departmentInstituto de Informáticapt_BR
dc.degree.localPorto Alegre, BR-RSpt_BR
dc.degree.date2019pt_BR
dc.degree.graduationCiência da Computação: Ênfase em Engenharia da Computação: Bachareladopt_BR
dc.degree.levelgraduaçãopt_BR


Thumbnail
   

Este item está licenciado na Creative Commons License

Mostrar registro simples