Submitted by João Arthur Martins (joao.arthur@ufpe.br) on 2015-03-12T17:00:14Z
No. of bitstreams: 2
Dissertação Silvio Gustavo Santos.pdf: 9199452 bytes, checksum: b5419072e1f355a27b215065026b7823 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Approved for entry into archive by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-13T13:23:50Z (GMT) No. of bitstreams: 2
Dissertação Silvio Gustavo Santos.pdf: 9199452 bytes, checksum: b5419072e1f355a27b215065026b7823 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-13T13:23:50Z (GMT). No. of bitstreams: 2
Dissertação Silvio Gustavo Santos.pdf: 9199452 bytes, checksum: b5419072e1f355a27b215065026b7823 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Previous issue date: 2013-08-19 / A detecção de pedestres é uma área muito promissora no ramo da visão computacional, pois
possibilita aplicações importantes em sistemas de auxílio à direção de veículos, sistemas de vigilância
e na área da robótica. Muitas técnicas novas surgiram com grandes melhorias nas taxas
de detecção, mas ainda assim, seus desempenhos caem consideravelmente quando os pedestres
estão sofrendo oclusão. Este trabalho analisa como características baseadas no HOG são construídas
e como elas são afetadas quando os pedestres estão parcialmente ocluídos. Como o
HOG é aplicado em muitos sistemas de detecção de pedestres, entender como a oclusão afeta a
sua performance é importante para prever como extratores de características derivados dele se
comportarão na mesma situação. Mais especificamente, o HOG, HOG-LBP e duas novas combinações
de características, HOG-LTP e HOG-LMEBP foram analisados. Para tal, oclusões
foram geradas sinteticamente mesclando tamanhos diferentes de imagens de não pedestres, em
diferentes direções, com a base de dados INRIA. O resultado foi uma nova base de dados composta
por oclusões nas direções ascendente, descendente e lateral (da esquerda para direita). Os
quatro extratores de características foram usados para treinar classificadores SVM na base de
dados INRIA e foram testados com a nova base de dados com oclusão. Os resultados confirmam
que o desempenho dos classificadores decai estritamente à medida que a oclusão aumenta,
porém o impacto depende de que área do pedestre está escondida. Nós também mostramos que
é possível melhorar as taxas de detecção em condições de oclusão simplesmente combinando
classificadores.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/12437 |
Date | 19 August 2013 |
Creators | SANTOS, Silvio Gustavo de Oliveira |
Contributors | CAVALCANTI, George Darmiton da Cunha, REN, Tsang Ing |
Publisher | Universidade Federal de Pernambuco |
Source Sets | IBICT Brazilian ETDs |
Language | Breton |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.1146 seconds