Submitted by Marcos Samuel (msamjunior@gmail.com) on 2017-02-09T11:14:05Z
No. of bitstreams: 1
SOUZA,_T._T._L._Auto-calibração_de_câmeras_de_vídeo-vigilância_por_meio_de_informações_da_cena.pdf: 10046318 bytes, checksum: 33f3dbaacf9de09202957f03329673ab (MD5) / Approved for entry into archive by Vanessa Reis (vanessa.jamile@ufba.br) on 2017-02-09T14:35:56Z (GMT) No. of bitstreams: 1
SOUZA,_T._T._L._Auto-calibração_de_câmeras_de_vídeo-vigilância_por_meio_de_informações_da_cena.pdf: 10046318 bytes, checksum: 33f3dbaacf9de09202957f03329673ab (MD5) / Made available in DSpace on 2017-02-09T14:35:56Z (GMT). No. of bitstreams: 1
SOUZA,_T._T._L._Auto-calibração_de_câmeras_de_vídeo-vigilância_por_meio_de_informações_da_cena.pdf: 10046318 bytes, checksum: 33f3dbaacf9de09202957f03329673ab (MD5) / A presença de câmeras de vigilância se tornou comum em ambientes públicos e
privados. Utilizadas para monitorar cenas, esses equipamentos permitem a automatização da tarefa de vigilância, quando integrados a sistemas inteligentes capazes de aplicar técnicas de reconhecimento de padrões. A calibração de câmera é um recurso que possibilita explorar a geometria 3D da cena observada, possibilitando ao sistema inteligente determinar a posição e tamanho de objetos presentes na cena. Usualmente, ambientes monitorados possuem redes de câmeras de vigilância, as quais são compostas, em sua maioria, por câmeras heterogêneas e estáticas. A forma comum de calibrar câmeras requer intensa intervenção humana, e demanda grande quantidade de tempo quando aplicada a uma rede de câmeras. Neste trabalho é proposto um framework de calibração de câmera automática, não requerendo intervenção humana durante o processo de calibração. O framework proposto utilizará dicas da cena e um conhecimento prévio da distribuição da altura das pessoas para determinar os parâmetros necessários para a calibração da câmera, estimando sua posição, orientação e informações internas da câmera. A avaliação deste framework indica um resultado promissor. As análises mostram que, ao estimar os comprimentos na cena, o framework atinge um erro absoluto médio menor que 5 cm ao definir as alturas das pessoas, e um erro médio menor que 30 cm ao definir distâncias sobre o plano do chão. Quando comparado a trabalhos relacionados encontrados na literatura, o nosso framework apresenta uma eficiência maior ao utilizar até 80% menos dados na convergência dos parâmetros, e uma precisão 40% maior, na estimativa dos parâmetros da câmera.
Identifer | oai:union.ndltd.org:IBICT/oai:192.168.11:11:ri/21390 |
Date | 17 December 2015 |
Creators | Souza, Tiago Trocoli Leite de |
Contributors | Oliveira, Luciano Rebouças de, Oliveira, Luciano Rebouças de, Mello, Vinicius, Medeiros, Esdras |
Publisher | Instituto de Matemática. Departamento de Mecatrônica., Mestrado em Mecatrônica, 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 0.0015 seconds