FenixEdu™

Dissertação

{pt_PT=Detection and Tracking in Airborne Image Sequences} {} EVALUATED

Detalhes: {pt=Neste trabalho é proposto e avaliado um método para deteção e, posteriormente, seguimento de embarcações em sequências de imagens oceanográficas recolhidas aereamente. Estas sequências de imagens apresentam características bastante desafiantes para algoritmos de seguimento, tais como reflexões solares, os rastos das embarcações, a existência de ondas e o movimento tanto das embarcações como da aeronave não tripulada que obtém as sequências. O método proposto pode ser dividido em duas partes: a de deteção e a de seguimento. Para a primeira parte, de deteção, é utilizado um sistema de aprendizagem profunda que representa o estado de arte em deteção em tempo real. Na parte de seguimento é utilizado um método baseado em filtros de correlação que correspondem ao estado de arte. Avaliamos a nossa proposta usando métodos de avaliação de referência nesta área e comparamos os resultados obtidos com os propostos pelos modelos originais. As sequências de vídeo usadas para avaliação dos vários métodos de seguimento foram obtidas durante o projeto SEAGULL., en=This work proposes and evaluates a method for detection and tracking of maritime vessels in airborne image sequences. Such sequences are challenging due to sun reflections, low resolution, wakes, wave crests and fast motions either from the vessel but also from the UAV (Unmanned Aerial Vehicle), which significantly degrade the performance of general purpose tracking algorithms. The proposed method is based on state-of-the-art deep neural network detection method complemented with a correlation filter tracker. We evaluate our proposal using a known benchmark in the field and compare the obtained results with the results obtained with the original algorithms. The dataset used to perform the evaluations was obtained during the SEAGULL project.}
Keywords: {pt=Vigilância marítima, seguimento, filtros de correlação, deteção, CNN, en=Maritime surveillance, tracking, correlation filters, detection}

Discussão: junho 26, 2018, 16:0