Estudo comparativo entre os algoritmos adaboost online e filtro de partículas de rastreamento visual de objetos

Detalhes bibliográficos
Ano de defesa: 2014
Autor(a) principal: Calixto, Renan Henry Leite
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual do Ceará
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=83508
Resumo: <div style="">O Rastreamento Visual de Objetos é a tarefa em Visão Computacional que consiste em detectar a posição de uma região de interesse nos quadros de uma sequência de vídeo. É considerado um problema de difícil solução, agravado na presença de oclusão parcial/total, ruído nas imagens, complexidade no movimento, mudança na aparência, entre outros. Esta dissertação implementa e compara o desempenho de duas abordagens para este problema. A primeira aborda o problema no contexto de aprendizagem de máquina. Nessa visão, a tarefa é formulada como um problema de classificação binária entre o objeto e o plano de fundo e o algoritmo utilizado aqui é o AdaBoost Online. Na segunda abordagem, o problema é formulado como um problema de estimação probabilística. Nessa visão, a tarefa é formulada como um problema de estimação bayesiana de estado, em que o estado interno é a posição do objeto em cada quadro. Nessa formulação o problema é resolvido utilizando Filtro de Partículas. O desempenho das duas abordagens é comparado utilizando duas métricas, uma medida de acurácia e uma medida de robustez, e algumas conclusões são extraídas desse estudo.&nbsp;</div><div style="">Palavras-chave: Visão Computacional. Rastreamento Visual de Objeto. Boosting Adaptativo Online. Estimação Bayesiana. Filtro de Partículas.</div>