Return to search

Segmentação de embarcação em ambientes fluviais

Submitted by Mayara Nascimento (mayara.nascimento@ufba.br) on 2016-05-31T14:31:34Z
No. of bitstreams: 1
Dissertacao_Mestrado_Fagner_Pimentel.pdf: 7227078 bytes, checksum: 14eb5907d1ce3fdc7a4812cbbcbfe75e (MD5) / Approved for entry into archive by Alda Lima da Silva (sivalda@ufba.br) on 2016-06-03T23:20:43Z (GMT) No. of bitstreams: 1
Dissertacao_Mestrado_Fagner_Pimentel.pdf: 7227078 bytes, checksum: 14eb5907d1ce3fdc7a4812cbbcbfe75e (MD5) / Made available in DSpace on 2016-06-03T23:20:43Z (GMT). No. of bitstreams: 1
Dissertacao_Mestrado_Fagner_Pimentel.pdf: 7227078 bytes, checksum: 14eb5907d1ce3fdc7a4812cbbcbfe75e (MD5) / Este trabalho apresenta uma pesquisa e o estudo de técnicas de visão computacional voltadas para a segmentação de embarcações utilizando câmeras Pan-Tilt-Zoom de modo a auxiliar a automação e otimização do processo de eclusagem nas represas do rio Tietê no estado de São Paulo, Brasil. São apresentadas e comparadas técnicas de Subtração de Fundo e Classificação utilizando SVM (Support Vector Machine) como classificador. Com este estudo foi possível definir um conjunto de técnicas que melhor se adequam a segmentação de embarcações em ambientes fluviais. Foram realizados testes extensivos para selecionar as melhores técnicas e parâmetros para cada fase e descrever um estudo comparativo das técnicas utilizadas. A metodologia utilizada neste trabalho se divide em coleta e classificação de dados (vídeos), criação de datasets, avaliação de métodos de detecção de movimento da câmera PTZ, avaliação de métodos para segmentação de região de água e avaliação de métodos de detecção de objetos móveis por subtração de fundo. Para a detecção de movimento de câmera visando a reinicialização do método de subtração de fundo usado neste trabalho, foi realizada a comparação de 8 métodos variando seus thresholds. O método BorderTracer (BT) desenvolvido neste trabalho, apresentou os melhores resultados com accuracy (ACC) médio = 99,71% (threshold = 8). Para a segmentação da região de água, usada como informação de contexto para a etapa seguinte, foram realizadas variações de pré-processamento e espaço de cor das imagens selecionadas, além da otimização dos parâmetros para os kernels do classificador SVM em um total de 140 combinações. O espaço de cor YCbCr sem pré-processamento e com o uso do kernel com Função de Base Radial (RBF) apresentou os melhores resultados com Balanced Acurracy (BAC) médio = 94,53%. Para a segmentação das embarcações foi realizada uma otimização de parâmetros dos dois melhores algoritmos pré-selecionados da BGSlibrary em um total de 175 combinações. O algoritmo StaticFrameDifferenceBGS, juntamente com a técnica de histerese (baixo limiar = 15 e e alto limiar = 100) apresentou um Balanced Acurracy (BAC) médio = 88,77% enquanto o DPEigenbackgroundBGS com historySize = 10 e embeddedDim = 20 juntamente com a técnica de histerese (baixo limiar = 15 e e alto limiar = 100) apresentou um melhor Balanced Acurracy (BAC) médio = 91,25%, e portanto foi selecionado para esta etapa. Entre os resultados deste projeto, encontra-se também o desenvolvimento de uma ferramenta semi-automática de anotação de vídeos em máscara binária, a criação de um novo dataset, inédito, de embarcações em ambientes fluviais anotados em máscara binária e o desenvolvimento de uma rotina de detecção de movimento da câmera, o BT apresentado anteriormente.

Identiferoai:union.ndltd.org:IBICT/oai:192.168.11:11:ri/19376
Date07 August 2015
CreatorsPimentel, Fagner de Assis Moura
ContributorsÂngelo, Michele Fúlvia, Apolinário Júnior, Antonio Lopes, Escarpinati, Maurício Cunha
PublisherInstituto de Matemática. Departamento de Ciência da Computação, Mestrado Multiinstitucional de Pós-Graduação em Ciência da Computação, UFBA, brasil
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UFBA, instname:Universidade Federal da Bahia, instacron:UFBA
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0021 seconds