Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.170
Aluno: Isabella Stefanny Fernandes de Andrade
Orientadora: Profa. Veronica Teichrieb
Co-orientador: Prof. João Paulo Silva do Monte Lima (UFRPE)
Título: RetryTRACK: Recuperando Detecções Faltantes no Rastreamento de
Pedestres Multi-câmera
Data: 01/11/2024
Hora/Local: 8h – Virtual – Interessados em assistir entrar em contato com a aluna
Banca Examinadora:
Prof. Silvio de Barros Melo (UFPE / Centro de Informática)
Prof. David Menotti Gomes (UFPR / Departamento de Informática)
Profa. Veronica Teichrieb (UFPE / Centro de Informática)
RESUMO:
O rastreamento de pedestres costuma depender de algoritmos de detecção, porém, esses algoritmos nem sempre estão corretos e podem perder alguns pedestres. Embora usar várias câmeras seja uma maneira de lidar com isso, algumas falhas ainda ocorrem. Por conta disso, é desejável que o rastreador tente corrigir as detecções faltantes utilizando as informações temporais. Este trabalho apresenta um método online que não requer treinamento para recuperar detecções ausentes durante o rastreamento de várias câmeras. A técnica utiliza extrapolação linear e regressão de processo gaussiano para produzir novas coordenadas suavizadas. Além disso, propomos um filtro para remover detecções duplicadas. Anexamos o módulo a um rastreador de múltiplas câmeras base e o avaliamos nas bases de dados WILDTRACK e MultiviewX. A precisão de rastreamento foi melhorada em 0,95 p.p. no WILDTRACK e 2,34 p.p. no MultiviewX com a adição do módulo. Além disso, essa estratégia recuperou com sucesso 17,98% das detecções ausentes no WILDTRACK e significativos 40,12% no MultiviewX, ressaltando sua aplicação prática e potencial para resolver o problema.
Palavras-chave: Rastreamento. Multi-câmera. Regressão de Processo Gaussiano.
Comentários desativados