Dissertação

Detecção de pedestres em imagens: Uma nova abordagem baseada na redução de dimensionalidade e regras de detecção de outliers EVALUATED

O problema de detecção de peões ou pedestres em imagens digitais é uma área de investigação relativamente recente e de grande importância em sistemas de vigilância e segurança. Vários métodos têm vindo a ser propostos usando modelação dos contornos do pedestre, de forma local ou global, aliado a vários métodos de classificação. Neste trabalho é proposta uma nova abordagem à classificação utilizando uma pré-filtragem dos dados baseada num método de detecção de outliers aplicado às componentes principais de vectores descritores de aparência de pessoas em imagens. Uma vez que, na maior parte dos casos, a detecção de um pedestre em imagens é um acontecimento raro, esta pré-filtragem permite rejeitar de uma forma muito rápida uma grande quantidade de janelas de análise negativas, de forma análoga aos primeiros estágios de classificadores em cascata, acelerando os estágios posteriores de classificação. Face aos primeiros estágios de classificação frequentemente utilizados neste tipo de problemas, a metodologia proposta tem a vantagem de só necessitar de exemplos positivos e utilizar rotinas numéricas de análise de componentes principais muito eficientes e, portanto, ter tempos de treino muito reduzidos. Neste trabalho mostrar-se-á que a abordagem proposta usando descritores de imagem do tipo histogramas de orientação de gradientes (HOG), tem desempenhos semelhantes ao estado-da-arte mas com tempos de treino várias ordens de grandeza mais curtos.
análise de componentes principais, cascata de classificadores, detecção de outliers, HOG, reconhecimento de pedestres.

Dezembro 13, 2011, 11:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

CO-ORIENTADOR

Alexandre José Malheiro Bernardino

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar

ORIENTADOR

Maria da Conceição Esperança Amado

Departamento de Matemática (DM)

Professor Auxiliar