Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/9641
Título: Detecção de pedestres utilizando descritores de orientação do gradiente e auto similaridade de cor
Autor(es): Cosmo, Daniel Luis
Orientador: Salles, Evandro Ottoni Teatini
Coorientador: Ciarelli, Patrick Marques
Palavras-chave: Detecção de pedestres
Janelas deslizantes
Histograma de gradientes orientados
Auto similaridade de cores
Filtro bilateral
Agrupamento hierárquico
Mean shift
Data do documento: 6-Nov-2014
Editor: Universidade Federal do Espírito Santo
Resumo: Detecção de pedestres é um problema muito abordado na atualidade, possuindo diversas aplicações com potencial para melhorar a qualidade de vida da sociedade. Algumas dessas aplicações se encontram nas áreas de sistemas de auxílio ao motorista, reconhecimento de pessoas em fotos e vídeos, e vigilância. Atualmente existe um grande número de pesquisas envolvendo este assunto, trazendo muitas ramificações ao estado da arte no que diz respeito a detecção de pedestres. Esta dissertação apresenta um sistema de detecção de pedestres em ambientes não controlados baseado em janelas deslizantes. Sistemas deste tipo são compostos por dois blocos principais: um para a extração de características e outro para classificação das janelas. Duas técnicas de extração de características são usadas, sendo elas: HOG (Histogram of Oriented Gradient) e CSS (Color Self Similarities), e para classificar as janelas é usado o SVM (Support Vector Machine) linear. Além dessas técnicas, são também utilizadas: mean shift e agrupamento hierárquico, para a fusão de múltiplas detecções sobrepostas; e filtro bilateral, para pré-processamento da imagem. Os resultados obtidos sobre o banco de dados INRIA Person Database mostram que o sistema proposto, usando somente o descritor HOG, apresenta melhorias em relação a sistemas semelhantes, com um log average miss rate igual a 41,8%, contra 46% da literatura. Este resultado foi possível devido ao corte das detecções finais para melhor adequação às anotações modificadas, e também a algumas modificações feitas nos parâmetros dos descritores. A adição do descritor CSS modificado ao HOG aumenta a eficácia do sistema, levando a um log average miss rate igual a 36,2%, classificando separadamente cada descritor.
Pedestrian detection is a key problem in our days, having a large number of applications with potential to make better the quality of life of our society. Some of these applications can be found in driver assistance systems, people recognition in photos and videos, and surveillance. Nowadays, there is a large number of researches in this area, generating a lot of ramifications in the state of the art for pedestrian detection. This dissertation presents a pedestrian detection system in non-controlled environments based on sliding windows. Systems of this type are based on two major blocks: one for feature extraction and other for window classification. Two techniques for feature extraction are used: HOG (Histogram of Oriented Gradient) and CSS (Color Self Similarities), and to classify windows we use linear SVM (Support Vector Machines). Beyond these techniques, we use: mean shift and hierarchical clustering, to fuse multiple overlapping detections; and bilateral filter, to preprocess the image. The results obtained bu testing the dataset INRIA Person show that the proposed system, using only HOG descriptors, achieves better results over similar systems, with a log average miss rate equal to 41.8%, against 46% of the literature. These results were possible due to the cutting of the final detections to better adapt them to the modified annotations, and some modifications on the parameters of the descriptors. The addition of the modified CSS descriptor to the HOG descriptor increases the efficiency of the system, leading to a log average miss rate equal to 36.2%, when classifying each descriptor separately.
URI: http://repositorio.ufes.br/handle/10/9641
Aparece nas coleções:PPGEE - Dissertações de mestrado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_6469_Dissertação_final_Daniel_luis_Cosmos.pdf9.67 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.