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. </div><div style="">Palavras-chave: Visão Computacional. Rastreamento Visual de Objeto. Boosting Adaptativo Online. Estimação Bayesiana. Filtro de Partículas.</div> |
