Multiple pedestrian tracking using geometric and deep features
dc.contributor.advisor | Jung, Claudio Rosito | pt_BR |
dc.contributor.author | Ize, Mauricio da Costa Justo | pt_BR |
dc.date.accessioned | 2020-10-03T04:11:53Z | pt_BR |
dc.date.issued | 2019 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/10183/213944 | pt_BR |
dc.description.abstract | Automated video analysis is a growing demand in the context where technology enables the creation of visual data at increasing rates. Detection and tracking of multiple pedestrians are specific needs of this demand as they are used in different types of applications such as video surveillance, automated vehicles, and retail analysis. This work implements a multiple pedestrian tracking application using the tracking-by-detection paradigm. We use a pre-trained model for object detection and pedestrian reidentification, a linear state prediction through recursive filtering, geometric and deep features as pedestrian dissimilarity, and an optimal algorithm for the assignment problem due to the probable presence of multiple pedestrians on the video frame. We tested four methods locally using the MOTChallenge dataset; when including static and moving camera sequences, the method using deep features and pedestrian reidentification achieves an overall 48.3% MOTA. Analyzing only the PETS09-S2L1 sequence, a static sequence that is closer to what is found in surveillance cameras, the method achieves 79.5% MOTA. Furthermore, we present the details of the implementation and results of the four developed methods. | en |
dc.description.abstract | A análise automatizada de vídeo é uma demanda crescente em diferentes áreas no contexto em que a tecnologia permite a criação de dados visuais em taxas crescentes. A detecção e o rastreamento de múltiplos pedestres são necessidades específicas dessa demanda, pois são usados em aplicativos como vigilância por vídeo, veículos automatizados, e geração de métricas para lojas. Este trabalho implementa um aplicativo de rastreamento de múltiplos pedestres usando a abordagem de rastreamento por detecção. Nós usamos um modelo pré-treinado para detecção de objetos e reidentificaçao de pedestres, predição linear de estado com filtragem recursiva, características geométricas e profundas como funções de dissimilaridade entre pedestres, e um algoritmo óptimo para o problema de associação devido à presença de vários pedestres num único quadro de vídeo. Nós testamos quatro métodos localmente usando o conjunto de dados do MOTChallenge. Ao incluir vídeos com câmeras estáticas e em movimento, o método usando características profundas com renascimento atinge 48,3% na métrica MOTA. Analisando apenas a sequência PETS09-S2L1, uma sequência estática mais próxima do que é encontrado nas câmeras de vigilância, o método alcança 79,5% na métrica MOTA. Além disso, apresentamos os detalhes da implementação e os resultados dos quatro métodos desenvolvidos. | pt_BR |
dc.format.mimetype | application/pdf | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | Open Access | en |
dc.subject | Deep features | en |
dc.subject | Aplicativos Web | pt_BR |
dc.subject | Geometric features | en |
dc.subject | Rastreamento de pedestres | pt_BR |
dc.subject | Processamento de imagens | pt_BR |
dc.subject | Filtering | en |
dc.subject | Processamento de vídeos | pt_BR |
dc.title | Multiple pedestrian tracking using geometric and deep features | pt_BR |
dc.title.alternative | Rastreamento de múltiplos pedestres usando características geométricas e profundas | en |
dc.type | Trabalho de conclusão de graduação | pt_BR |
dc.identifier.nrb | 001118050 | pt_BR |
dc.degree.grantor | Universidade Federal do Rio Grande do Sul | pt_BR |
dc.degree.department | Instituto de Informática | pt_BR |
dc.degree.local | Porto Alegre, BR-RS | pt_BR |
dc.degree.date | 2019 | pt_BR |
dc.degree.graduation | Ciência da Computação: Ênfase em Engenharia da Computação: Bacharelado | pt_BR |
dc.degree.level | graduação | pt_BR |
Este item está licenciado na Creative Commons License
-
TCC Ciência da Computação (1024)