Uso de algoritmos de classificação de imagens para detecção de formas humanas em cenas aéreas de desastres

• Ano de defesa: 2015
• Autor(a) principal: Leite, Fernando Barbosa
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Centro Universitário FEI, São Bernardo do Campo
• Palavras-chave em Português: Redes neurais (Computação); Decisão estatística; Vetores-Controle
• Link de acesso: https://repositorio.fei.edu.br/handle/FEI/330

A proposta deste trabalho é a detecção de corpos humanos em cenas pós-desastres sob o ponto de vista aéreo, ou seja, de cima para baixo. No intuito de alcançar este objetivo procurou-se maximizar a exatidão na detecção minimizando o número de falsos positivos e negativos, levando em consideração o menor tempo possível entre detecções. Como parte integrante desta solução foi utilizado como descritor de atributos o CENTRIST, normalmente usado para descrever a topologia de cenas, e aqui, empregado para detectar o contorno humano e suas partes e que tem como virtude, a captura da estrutura global e não a textura da imagem, além de, processar em um tempo linear. Estas propriedades são relevantes, já que, o tempo de processamento é um dos parâmetros de avaliação do algoritmo como um todo. Porém o reconhecimento do corpo humano em uma cena de pós-desastre não é uma tarefa de soluções bem estudadas, como na detecção de um pedestre (posição vertical), pois, o corpo humano nesta situação sofre deformação, rotação e oclusão. A solução aqui então é uma associação de métodos diversos onde para detecção do corpo completo, caso seja possível detectá-lo em uma imagem, é realizado pela Máquina de vetores de Suporte (núcleo Linear e HIK) em cascata e tendo o algoritmo real Adaboost como alternativa ao núcleo HIK, para teste de desempenho. No caso de não haver uma detecção de corpo completo na imagem foram criados comitês de especialistas na detecção dos membros do corpo humano (cabeça, braços e pernas), formados dos seguintes classificadores: Máquina de vetores de Suporte (Linear), Árvore de Decisão e Rede Neural Artificial. A tomada de decisão, se há um corpo humano em uma imagem, é então avaliada pela concordância booleana entre comitês e pela avaliação final por uma Rede Bayesiana, que são as principais contribuições deste trabalho. Os resultados deste trabalho indicam o potencial de detecção de formas humanas em situações generalizadas de desastres.