Please use this identifier to cite or link to this item: http://www.repositorio.ufop.br/handle/123456789/10630
Title: Fusão de características na re-identificação de pessoas.
Authors: Sales, Anderson Luís Cavalcanti
metadata.dc.contributor.advisor: Cámara Chávez, Guillermo
Keywords: Processamento de imagens
Inteligência artificial
Aprendizado do computador
Issue Date: 2018
metadata.dc.contributor.referee: Cámara Chávez, Guillermo
Ferreira, Anderson Almeida
Bianchi, Andrea Gomes Campos
Schwartz, William Robson
Citation: SALES, Anderson Luís Cavalcanti. Fusão de características na re-identificação de pessoas. 2018. 52 f. Dissertação (Mestrado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2018.
Abstract: Re-Identi cação de pessoas é um problema de correspondência entre identidades capturadas por câmeras de vigilância não sobrepostas. Essa correspondência, também conhecida como rastreamento multi-câmeras é uma tarefa da área de visão computacional. Tem grande foco por se tratar, principalmente, de demandas nas esferas de segurança pública e/ou pessoal. Esse foco se dá em vista das possíveis incapacidades humanas na realização de tarefas repetitivas por um tempo prolongado, por exemplo. Intenciona-se com essa abordagem suavizar, quão possível, os custos inerentes ao processo computacional tradicional. A abordagem proposta é fracionada em duas partes: aprendizado de um espaço métrico de baixa dimensionalidade (denominado fase inicial) e reorganização de rank de amostras a partir de uma classi cação binária ponderada, a m de reduzir a incompatibilidade entre várias câmeras. Usa-se handcrafted image descriptors como ferramentas. Adicionalmente, emprega-se na abordagem proposta, um modelo de aprendizado métrico discriminante para representar features em uma nova dimensão; aprendizado métrico de similaridade em larga escala e distância métrica para construção dos ranks primários entre amostras de teste e imagens da galeria. Em todo o trabalho as imagens amostrais foram divididas a partir da imagem original em secções, a m de aumentar a discriminação entre as amostras.
metadata.dc.description.abstracten: Re-identi cation of people is a problem of matching identities captured by nonoverlapping surveillance cameras. This matching, also known as multi-camera tracking is a task of the area of computer vision. It has a great focus for dealing mainly with demands in the areas of public and/or personal security. This focus is given in view of possible human disabilities in performing repetitive tasks for a prolonged time, for example. It is intended to soften, as possible, the costs inherent in the traditional computational process. The proposed approach is divided into two parts: learning a low dimensional metric space (called the initial phase) and re-ranking from a weighted binary classi- cation in order to reduce the incompatibility between several cameras. It is used as tools of manual selection characteristics, the descriptors GoG and LOMO. Additionally, a discriminant metric learning model is used to represent features in a new dimension; large-scale metric learning of similarity and metric distance for constructing the primary ranks between test gallery and gallery images. Throughout the work the sample images were divided from the original image into sections in order to increase the discrimination between the samples.
Description: Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.
URI: http://www.repositorio.ufop.br/handle/123456789/10630
metadata.dc.rights.license: Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 17/01/2019 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho desde que sejam citados o autor e o licenciante.
Appears in Collections:PPGCC - Mestrado (Dissertações)

Files in This Item:
File Description SizeFormat 
DISSERTAÇÃO_FusãoCaracterísticasReIdentificação.pdf15,93 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons