Submitted by Kilvya Braga (kilvyabraga@hotmail.com) on 2018-05-17T10:49:40Z No. of bitstreams: 1 ÍTALO DE PONTES OLIVEIRA - DISSERTAÇÃO (PPGCC) 2016.pdf: 33546863 bytes, checksum: 0b99d0716a5d1a549da058633972dc99 (MD5) / Made available in DSpace on 2018-05-17T10:49:40Z (GMT). No. of bitstreams: 1 ÍTALO DE PONTES OLIVEIRA - DISSERTAÇÃO (PPGCC) 2016.pdf: 33546863 bytes, checksum: 0b99d0716a5d1a549da058633972dc99 (MD5) Previous issue date: 2016 / CNPq / A Sinalização Digital consiste na transmissão de conteúdo via mídia digital, sendo normalmente utilizada por meio de painéis informativos dispostos em locais públicos para despertar a atenção dos espectadores. A pesquisa descrita nesta dissertação, consistiu em criar um aparato para exibição de vídeos e gravação do ambiente, análise e modelagem da atenção dos espectadores quanto à exibição de vídeos em um cenário de sinalização digital. No estudo, foram utilizadas ferramentas de visão computacional para categorizar os espectadores por gênero e faixa etária. A partir do registro dos anúncios exibidos e da classificação dos espectadores foram automaticamente construídas Redes Bayesianas, as quais representaram corretamente o perfil dos espectadores com área sob a ROC de 0,82. Durante a realização da pesquisa,foram evidenciadas lacunas na validação de classificadores de idade utilizando imagens de faces. Para tratar tais lacunas,uma abordagem de estratificação de faixas etárias foi proposta para treinar uma rede neural que obteve desempenho superior ao estado da arte,que foi de 72% quando validado na base de faces MORPH. Para que fosse possível realizar esta pesquisa, devido à inexistência de uma base de vídeos disponível publicamente com rótulos categorizando seus conteúdos, foi criada uma base de vídeos contendo 152 vídeos rotulados manualmente em seis categorias. As análises dos vídeos dos espectadores utilizando as imagens de suas faces e a classificação de tais imagens em relação ao gênero e a idade indicou que indivíduos pertencentes a categorias diferentes dedicam diferentes graus de atenção a vídeos diferentes. Assim, o sistema desenvolvido pode ser utilizado na categorização dos espectadores, para exibição de anúncios de forma automática como forma de auxílio na alocação do tempo de exibição das empresas anunciantes, dentre outras aplicações. / DigitalSignageconsistsincontenttransmissionbydigitalmedia,veryoftenusinginformative panels displayed in public places for audience attention arouse. The research described in this dissertation, consists in creating a method for video display, environment recording, and attention modeling in video display for digital signage scenarios. In this study, computer vision tools were used to categorize audience by gender and age group. Bayesian Networks were automatically builtusing there cords obtained from transmittedads, in which the correct audience profile representation had area under the curve (AUC) of 0.82. When performing this research, it were observed gaps in validation of age classifiers using faces. To address these deficiencies, an age stratification approach was proposed to train a neural network that achieved superior performance in comparison with the state of the art which was 72% when validated on the MORPH face dataset. To make it possible to carry out this research, due to the lack of a publicy available dataset of labeled videos, a video dataset was created containing 152 videos manually labeled in six categories. The analysis of the faces of the viewer and the classification of such images with respect to gender and age indicated that the individuals belong to different categories that dedicated varying degrees of attention todifferentvideos. Thus,thesystemdevelopedcanbeusedinthecategorizationofthespectators, for automatically transmitted advertisements as a way to aid in the allocation of time for the transmission of advertising companies, among other applications.