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.
| Identifer | oai:union.ndltd.org:IBICT/oai:192.168.11:11:ri/19376 |
| Date | 07 August 2015 |
| Creators | Pimentel, Fagner de Assis Moura |
| Contributors | Ângelo, Michele Fúlvia, Apolinário Júnior, Antonio Lopes, Escarpinati, Maurício Cunha |
| Publisher | Instituto de Matemática. Departamento de Ciência da Computação, Mestrado Multiinstitucional de Pós-Graduação em Ciência da Computação, UFBA, brasil |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFBA, instname:Universidade Federal da Bahia, instacron:UFBA |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds