Emotion, personality and cultural aspects in crowds : towards a geometrical mind

• Autor(a) principal: Favaretto, Rodolfo Migon
• Data de Publicação: 2019
• Tipo de documento: Tese
• Idioma: eng
• Título da fonte: Biblioteca Digital de Teses e Dissertações da PUC_RS
• Texto Completo: http://tede2.pucrs.br/tede2/handle/tede/8712
• topic: Crowds; Cultural Aspects; Personality and Emotion; Computer Vision; Multidões; Aspectos Culturais; Personalidade e Emoções; Visão Computacional; CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO

O estudo do comportamento humano é um tema de grande interesse científico e, provavelmente, uma fonte inesgotável de pesquisa. A análise de pedestres e grupos em multidões é objeto de interesse em diversas áreas de aplicação, tais como segurança, entretenimento, planejamento de ambientes em espaços públicos e ciências sociais. Aspectos culturais e de personalidade são atributos que influenciam o comportamento pessoal e afetam o grupo ao qual o indivíduo pertence. Neste sentido, a presente tese discute diferentes maneiras de caracterizar indivíduos e grupos em multidões, com o objetivo de propor um modelo computacional para extrair características de pedestres em sequências de vídeos. O modelo proposto considera uma série de características dos pedestres e da multidão, tais como quantidade e tamanho de grupos, distâncias, velocidades, entre outros e realiza o mapeamento destas características em personalidades, emoções e aspectos culturais, considerando as Dimensões Culturais de Hofstede (HCD), o modelo de personalidades Big-Five (OCEAN) e o modelo de emoções OCC. A principal hipótese é que existe relação entre variáveis ditas intrínsecas aos humanos (como emoção) e a maneira pela qual as pessoas se comportam no espaço e no tempo. Como uma das principais contribuições, foram propostas quatro grandes dimensões de características geométricas (Big4GD): I - Física, II - Pessoal e Emocional, III - Social e IV - Cultural, as quais buscam descrever o comportamento dos pedestres e grupos na multidão. A ferramenta GeoMind foi desenvolvida com o propósito de detectar as quatro dimensões geométricas, a partir de sequências de vídeos. Além disso, diversas análises foram realizadas com o intuito de validar o modelo proposto, desde confrontando resultados com a literatura, incluindo a comparação de multidões espontâneas de diversos países e experimentos controlados envolvendo Diagramas Fundamentais.