Urban Safety with Video Analytics

Detalhes bibliográficos
Autor(a) principal: Martins, Ricardo
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/102123
Resumo: Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
id RCAP_821c149891f6ac2324022c41ebfbe204
oai_identifier_str oai:estudogeral.uc.pt:10316/102123
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Urban Safety with Video AnalyticsSegurança Urbana com Análise de VídeoComputer visionPerson DetectionUnsupervised LearningUnsupervised Domain AdaptationPerson Re-IdentificationVisão por computadorDeteção de pessoasAprendizagem não supervisionadaAdaptação de domínio não supervisionadaRe-identificação de pessoasDissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e TecnologiaWith the population concentrating on urban areas, crime rates increase and cities cannot provide a reliable answer since human resources and infrastructures are limited, creating several problems related to security.With this work, we propose a platform that, with the use of machine learning, is capable of finding individuals across different video feeds to be used in a surveillance system for smart cities. This document details all the steps to build a solution capable of performing this task. We provide an analysis of the state of the art on the subjects of person detection and person re-identification. Based on the analysis of the current methods available we propose a solution considering two critical steps, person detection and image extraction from videos and person re-identification.Our approach consists of transforming video into images by sampling one frameper second and performing person detection on those frames. The person re-identification algorithms then go through these detections to find the intended person. We implemented different methods for each of the mentioned steps of our solution. We perform tests to find the best person detection and person re-identification algorithms for our specific solution.The experiment results show the solution's viability by achieving the objectives set for person re-identification (70% mAP and 80% CMC). We also leave a suggestion of a possible path for future developments regarding the person re-identification performance and new features that can be implemented to improve our solution.Com a população concentrada nas áreas urbanas, as taxas de criminalidade aumentam e as cidades deixam de conseguir fornecer uma resposta fiável, uma vez que os recursos humanos e as infraestruturas são limitados, criando vários problemas relacionados com a segurança da população.Com este trabalho, propomos uma plataforma que, com a utilização da machine learning, é capaz de encontrar indivíduos através de diferentes alimentações de vídeo para serem utilizados num sistema de vigilância para cidades inteligentes. Este documento detalha todos os passos dados para construir uma solução capaz de realizar esta tarefa. Fornecemos uma análise do estado da arte sobre os temas da deteção e re-identificação de pessoas. Com base na análise dos métodos atualmente disponíveis, propomos uma solução considerando duas etapas críticas, a deteção de pessoas e a extração de imagens de vídeos e a re-identificação de pessoas. A nossa abordagem consiste em transformar vídeo em imagens através da seleção de um frame a cada segundo de vídeo e realizar a deteção de pessoas nesses frames. Os algoritmos de re-identificação da pessoa passam então por estas deteções para encontrar a pessoa pretendida. Implementamos métodos diferentes para cada uma das etapas mencionadas da nossa solução. Realizamos testes para encontrar a melhor deteção de pessoas e algoritmos de re-identificação de pessoas para a nossa solução específica. Os resultados das experiências mostram a viabilidade da solução ao atingir os objetivos estabelecidos para a re-identificação de pessoas (70% mAP e 80% CMC). Deixamos também uma sugestão de um possível caminho para futuros desenvolvimentos no que respeita ao desempenho da re-identificação de pessoas e novas características que podem ser implementadas para melhorar a nossa solução.2022-07-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/102123http://hdl.handle.net/10316/102123TID:203062655engMartins, Ricardoinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-09-27T20:40:57Zoai:estudogeral.uc.pt:10316/102123Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:19:11.075659Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Urban Safety with Video Analytics
Segurança Urbana com Análise de Vídeo
title Urban Safety with Video Analytics
spellingShingle Urban Safety with Video Analytics
Martins, Ricardo
Computer vision
Person Detection
Unsupervised Learning
Unsupervised Domain Adaptation
Person Re-Identification
Visão por computador
Deteção de pessoas
Aprendizagem não supervisionada
Adaptação de domínio não supervisionada
Re-identificação de pessoas
title_short Urban Safety with Video Analytics
title_full Urban Safety with Video Analytics
title_fullStr Urban Safety with Video Analytics
title_full_unstemmed Urban Safety with Video Analytics
title_sort Urban Safety with Video Analytics
author Martins, Ricardo
author_facet Martins, Ricardo
author_role author
dc.contributor.author.fl_str_mv Martins, Ricardo
dc.subject.por.fl_str_mv Computer vision
Person Detection
Unsupervised Learning
Unsupervised Domain Adaptation
Person Re-Identification
Visão por computador
Deteção de pessoas
Aprendizagem não supervisionada
Adaptação de domínio não supervisionada
Re-identificação de pessoas
topic Computer vision
Person Detection
Unsupervised Learning
Unsupervised Domain Adaptation
Person Re-Identification
Visão por computador
Deteção de pessoas
Aprendizagem não supervisionada
Adaptação de domínio não supervisionada
Re-identificação de pessoas
description Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
publishDate 2022
dc.date.none.fl_str_mv 2022-07-19
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/102123
http://hdl.handle.net/10316/102123
TID:203062655
url http://hdl.handle.net/10316/102123
identifier_str_mv TID:203062655
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134086251413504

Registros relacionados