Dissertação
Detection of Swimmers in Open Water using Shipborne Vision Sensors. EVALUATED
Ao desenvolver ferries autónomos, a segurança deve ser uma prioridade. Na maioria das vezes, um ferry não estará sozinho na água pelo que encontrará outros objetos ou mesmo humanos enquanto opera. Esta tese visa desenvolver um modelo que detete humanos na água para aumentar a segurança operacional de um ferry autónomo. As imagens utilizadas são tiradas de câmaras (\acs{RGB} e \acs{IR}) instaladas a bordo do ferry. O método utilizado nesta tese é a detecção de objectos com base na aprendizagem mecânica (\acs{ML}). Nesta tarefa o objeto a detetar é um nadador. Três arquiteturas de rede diferentes serão utilizadas para detetar o nadador, nomeadamente a Faster \acs{R-CNN} e a \acs{YOLO}. Estes modelos serão treinados usando a aprendizagem por transferência com dois conjuntos de dados existentes e um conjunto de dados recentemente criado que representa exatamente o ângulo de visão do ferry. Além disso, o conjunto de dados recém-criado apresenta mais imagens em situações difíceis, como durante o pôr do sol, com nadadores (parcialmente) ocultos e pessoas a fazer snorkelling sob a superfície da água. Para obter bons resultados de deteção, foi implementada uma regra de filtragem temporal: As detecções de 10 imagens são combinadas para obter uma única janela de deteção. Os nossos resultados mostram que com o YOLOv8x e a utilização de janelas, é possível ter menos de um Falso Positivo (FP) por época de operação e, ao mesmo tempo, garantir que um potencial nadador em frente ao barco seja detectado.
julho 25, 2023, 11:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Alexandre José Malheiro Bernardino
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado
