Submitted by Luiz Felipe Barbosa (luiz.fbabreu2@ufpe.br) on 2015-03-10T19:06:02Z
No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
DISSERTAÇÃO Styve Stallone da Silva.pdf: 3737470 bytes, checksum: 8b378e7a672e171ffc58dd1435b637ec (MD5) / Approved for entry into archive by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-10T19:43:01Z (GMT) No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
DISSERTAÇÃO Styve Stallone da Silva.pdf: 3737470 bytes, checksum: 8b378e7a672e171ffc58dd1435b637ec (MD5) / Made available in DSpace on 2015-03-10T19:43:01Z (GMT). No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
DISSERTAÇÃO Styve Stallone da Silva.pdf: 3737470 bytes, checksum: 8b378e7a672e171ffc58dd1435b637ec (MD5)
Previous issue date: 2014-02-28 / A segmentação de imagens tem por objetivo separar os objetos de interesse de
determinado estudo em uma imagem. A segmentação da imagem deve parar quando os
objetos procurados tiverem sido isolados. Por exemplo, na segmentação de uma imagem
de transito, onde se deseja identificar as placas dos carros, é necessário segmentar a
imagem separando todos os carros do restante da imagem, e ainda separar as placas dos
carros para realizar o processo de identificação de cada placa. O processo de
segmentação de imagens tem grande importância na análise e descrição de imagens,
pois essa divisão, realizada na imagem, é responsável pelo sucesso de outras técnicas
como detecção de pessoas e reconhecimento de faces.
Atualmente, métodos de segmentação do campo de jogo em vídeos de futebol têm
sido bastante explorados. O interesse em analisar e classificar eventos em vídeos, além
das dificuldades atreladas às variações de clima e iluminação que se refletem na
segmentação de campo, tem gerado grande interesse em desenvolver métodos que
consigam realizar a segmentação mesmo com os problemas anteriormente citados.
A segmentação do campo é o passo fundamental para a análise de diversos tipos de
eventos em um vídeo de jogo de futebol, que podem ser detectados e classificados
automaticamente, como gols, faltas e escanteios. Muitos métodos de segmentação de
campo têm utilizado apenas as características das cores do gramado, porém as
tonalidades dessas cores variam, evidenciando fraquezes desses métodos.
O trabalho apresentado propõe um método de segmentação baseado em combinação
de misturas gaussianas e rede neural, utilizando características de cores e também
características de texturas da imagem. O referido método é composto pelas etapas de
extração de características, agrupamento dos dados, segmentação, classificação e pósprocessamento.
Como métricas de comparação de resultados são utilizadas curvas receiver operating
characteristic (ROC) e taxas de verdadeiros e falsos positivos. Os resultados do modelo
proposto são comparados a modelos gaussianos únicos, algoritmo k-Nearest Neighbor
(k-NN) e ao algoritmo Fuzzy C-means (FCM), apresentando resultado de 94,25% de
acerto para testes com diversas variações climáticas e de iluminação. O resultado foi
superior aos outros algoritmos analisados.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/11840 |
| Date | 28 February 2014 |
| Creators | Silva, Styve Stallone da |
| Contributors | Ren, Tsang Ing, Cavalcanti, George Darmiton da Cunha |
| 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 0.002 seconds