Utilizando visão computacional para reconstrução probabilística 3D e rastreamento de movimento

Detalhes bibliográficos
Autor(a) principal: Simas, Gisele Moraes
Data de Publicação: 2007
Outros Autores: Fickel, Guilherme Pinto, Novelo, Lucas, Bem, Rodrigo Andrade de, Botelho, Silvia Silva da Costa
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da FURG (RI FURG)
Texto Completo: http://repositorio.furg.br/handle/1/6862
Resumo: Este artigo apresenta um método não intrusivo para rastreamento de movimento 3D em ambientes monitorados por múltiplas câmeras. Primeiramente, se obtém uma reconstrução volumétrica 3D, através da técnica de Grid de Ocupação Probabilístico, tal técnica ainda foi pouco explorada no contexto de rastreamento de movimento. Então, utiliza-se o algoritmo Expectation-Maximization em conjunto com um modelo de representação do corpo do objeto de interesse baseado em blobs Gaussianas, para identificar e rastrear o movimento das partes do corpo do objeto de interesse.
id FURG_322a425b1bcd84ec0b17fff653355464
oai_identifier_str oai:repositorio.furg.br:1/6862
network_acronym_str FURG
network_name_str Repositório Institucional da FURG (RI FURG)
repository_id_str
spelling Simas, Gisele MoraesFickel, Guilherme PintoNovelo, LucasBem, Rodrigo Andrade deBotelho, Silvia Silva da Costa2016-12-02T02:34:19Z2016-12-02T02:34:19Z2007SIMAS, Gisele Moraes et al. Utilizando visão computacional para reconstrução probabilística 3D e rastreamento de movimento. Vetor, v. 17, n. 2, p. 59-67, 2007. Disponível em: <https://www.seer.furg.br/vetor/article/view/1675>. Acesso em: 25 nov. 2016.2358-3452http://repositorio.furg.br/handle/1/6862Este artigo apresenta um método não intrusivo para rastreamento de movimento 3D em ambientes monitorados por múltiplas câmeras. Primeiramente, se obtém uma reconstrução volumétrica 3D, através da técnica de Grid de Ocupação Probabilístico, tal técnica ainda foi pouco explorada no contexto de rastreamento de movimento. Então, utiliza-se o algoritmo Expectation-Maximization em conjunto com um modelo de representação do corpo do objeto de interesse baseado em blobs Gaussianas, para identificar e rastrear o movimento das partes do corpo do objeto de interesse.This paper presents an approach to the 3D visual tracking problem into multi-camera environments. This proposal executes the markerless visual tracking observing the environment through a model based in a volumetric reconstruction technique, called 3D Probabilistic Occupancy Grid, which is still seldom used for this purpose. The target is tracked by the use of Expectation-Maximization algorithm with an object representation model constructed with Gaussians blobs representing the object body parts.porEDGRAFReconstrução volumétrica probabilística 3DRastreamento de movimentoMúltiplas câmerasGrid de Ocupação Probabilístico3D probabilistic volumetric reconstructionMotion trackingMultiple camerasProbabilistic Occupancy GridUtilizando visão computacional para reconstrução probabilística 3D e rastreamento de movimentoUsing computer vision for 3D probabilistic reconstruction and motion trackinginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da FURG (RI FURG)instname:Universidade Federal do Rio Grande (FURG)instacron:FURGORIGINAL1675-4196-1-PB.pdf1675-4196-1-PB.pdfapplication/pdf1114436https://repositorio.furg.br/bitstream/1/6862/1/1675-4196-1-PB.pdfffa39836b9528ebc617be8fc45c9e37cMD51open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.furg.br/bitstream/1/6862/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52open access1/68622016-12-02 00:34:19.788open accessoai:repositorio.furg.br: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Repositório InstitucionalPUBhttps://repositorio.furg.br/oai/request || http://200.19.254.174/oai/requestopendoar:2016-12-02T02:34:19Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)false
dc.title.pt_BR.fl_str_mv Utilizando visão computacional para reconstrução probabilística 3D e rastreamento de movimento
dc.title.alternative.pt_BR.fl_str_mv Using computer vision for 3D probabilistic reconstruction and motion tracking
title Utilizando visão computacional para reconstrução probabilística 3D e rastreamento de movimento
spellingShingle Utilizando visão computacional para reconstrução probabilística 3D e rastreamento de movimento
Simas, Gisele Moraes
Reconstrução volumétrica probabilística 3D
Rastreamento de movimento
Múltiplas câmeras
Grid de Ocupação Probabilístico
3D probabilistic volumetric reconstruction
Motion tracking
Multiple cameras
Probabilistic Occupancy Grid
title_short Utilizando visão computacional para reconstrução probabilística 3D e rastreamento de movimento
title_full Utilizando visão computacional para reconstrução probabilística 3D e rastreamento de movimento
title_fullStr Utilizando visão computacional para reconstrução probabilística 3D e rastreamento de movimento
title_full_unstemmed Utilizando visão computacional para reconstrução probabilística 3D e rastreamento de movimento
title_sort Utilizando visão computacional para reconstrução probabilística 3D e rastreamento de movimento
author Simas, Gisele Moraes
author_facet Simas, Gisele Moraes
Fickel, Guilherme Pinto
Novelo, Lucas
Bem, Rodrigo Andrade de
Botelho, Silvia Silva da Costa
author_role author
author2 Fickel, Guilherme Pinto
Novelo, Lucas
Bem, Rodrigo Andrade de
Botelho, Silvia Silva da Costa
author2_role author
author
author
author
dc.contributor.author.fl_str_mv Simas, Gisele Moraes
Fickel, Guilherme Pinto
Novelo, Lucas
Bem, Rodrigo Andrade de
Botelho, Silvia Silva da Costa
dc.subject.por.fl_str_mv Reconstrução volumétrica probabilística 3D
Rastreamento de movimento
Múltiplas câmeras
Grid de Ocupação Probabilístico
3D probabilistic volumetric reconstruction
Motion tracking
Multiple cameras
Probabilistic Occupancy Grid
topic Reconstrução volumétrica probabilística 3D
Rastreamento de movimento
Múltiplas câmeras
Grid de Ocupação Probabilístico
3D probabilistic volumetric reconstruction
Motion tracking
Multiple cameras
Probabilistic Occupancy Grid
description Este artigo apresenta um método não intrusivo para rastreamento de movimento 3D em ambientes monitorados por múltiplas câmeras. Primeiramente, se obtém uma reconstrução volumétrica 3D, através da técnica de Grid de Ocupação Probabilístico, tal técnica ainda foi pouco explorada no contexto de rastreamento de movimento. Então, utiliza-se o algoritmo Expectation-Maximization em conjunto com um modelo de representação do corpo do objeto de interesse baseado em blobs Gaussianas, para identificar e rastrear o movimento das partes do corpo do objeto de interesse.
publishDate 2007
dc.date.issued.fl_str_mv 2007
dc.date.accessioned.fl_str_mv 2016-12-02T02:34:19Z
dc.date.available.fl_str_mv 2016-12-02T02:34:19Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.citation.fl_str_mv SIMAS, Gisele Moraes et al. Utilizando visão computacional para reconstrução probabilística 3D e rastreamento de movimento. Vetor, v. 17, n. 2, p. 59-67, 2007. Disponível em: <https://www.seer.furg.br/vetor/article/view/1675>. Acesso em: 25 nov. 2016.
dc.identifier.uri.fl_str_mv http://repositorio.furg.br/handle/1/6862
dc.identifier.issn.none.fl_str_mv 2358-3452
identifier_str_mv SIMAS, Gisele Moraes et al. Utilizando visão computacional para reconstrução probabilística 3D e rastreamento de movimento. Vetor, v. 17, n. 2, p. 59-67, 2007. Disponível em: <https://www.seer.furg.br/vetor/article/view/1675>. Acesso em: 25 nov. 2016.
2358-3452
url http://repositorio.furg.br/handle/1/6862
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv EDGRAF
publisher.none.fl_str_mv EDGRAF
dc.source.none.fl_str_mv reponame:Repositório Institucional da FURG (RI FURG)
instname:Universidade Federal do Rio Grande (FURG)
instacron:FURG
instname_str Universidade Federal do Rio Grande (FURG)
instacron_str FURG
institution FURG
reponame_str Repositório Institucional da FURG (RI FURG)
collection Repositório Institucional da FURG (RI FURG)
bitstream.url.fl_str_mv https://repositorio.furg.br/bitstream/1/6862/1/1675-4196-1-PB.pdf
https://repositorio.furg.br/bitstream/1/6862/2/license.txt
bitstream.checksum.fl_str_mv ffa39836b9528ebc617be8fc45c9e37c
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)
repository.mail.fl_str_mv
_version_ 1798313628099674112

Registros relacionados