FenixEdu™

Dissertação

Surveillance based on Visual Objects Recognition EVALUATED

Detalhes: O disparar do alarme numa casa levanta a questão "o que aconteceu?". Nesta dissertação propõe-se vigilância baseada em reconhecimento visual de objectos, aplicável a um robot móvel que, navegando através de um ambiente e comparando-o com uma navegação anterior armazenada, é capaz de encontrar alterações no cenário, nomeadamente, objetos em falta, novos e modificados. Avanços recentes em deep learning criaram detectores de objetos em tempo real de alta precisão. Estes sistemas operam sobre imagens separadas, pelo que não incorporam a capacidade de seguir objectos. Propõe-se criar esta capacidade adicionando informação sobre a posição dos objetos no espaço e sobre a permanência dos mesmos ao longo do tempo. Nesta dissertação complementamos um detector de objectos baseado em redes neuronais com um sistema de localização e mapeamento em simultâneo (SLAM). A classe e a caixa delimitadora 2D dos objectos são complementadas com uma colecção de pontos 3D. Adicionalmente, a nossa abordagem considera o conceito da permanência de um objecto e os diferentes estados de visibilidade dos objectos, já que estes podem estar dentro ou fora do campo de visão da câmara (FOV). São realizadas diferentes experiências num cenário real com objectos de interesse, de modo a validar a solução proposta em diferentes contextos. São obtidos resultados promissores, que mostram ser possível encontrar objectos em falta, novos e modificados. O nosso sistema é robusto face a objectos homónimos (classes iguais) e face a objectos que vão sendo visíveis e não visíveis ao longo do tempo, de acordo com o movimento da câmara.
Keywords: Vigilância, Alterações em Objectos numa Cena, Detector de Objectos, SLAM, Permanência de Objectos, Campo de Visão da Câmara

Discussão: junho 28, 2022, 11:0