Reconhecimento de indivíduos em vídeo utilizando estimativa de pose humana

Detalhes bibliográficos
Autor(a) principal: Silva, José Carlos da
Data de Publicação: 2020
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU)
Texto Completo: https://repositorio.ufersa.edu.br/handle/prefix/5772
Resumo: Monografia
id UFER_62d5138f8fa8b8bc5579fc9202450f35
oai_identifier_str oai:repositorio.ufersa.edu.br:prefix/5772
network_acronym_str UFER
network_name_str Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU)
repository_id_str
spelling Reconhecimento de indivíduos em vídeo utilizando estimativa de pose humanaOpenPoseRedes neurais artificiaisOpenCVReconhecimento de indivíduosVisão computacionalOpenPoseArtificial neural networksOpenCVIndividual RecognitionComputer visionCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOMonografiaThe need to identify people has always been present in society, being used in several areas, of which we can mention the security industry as a highlight. This task has become faster due to the use of computing, which has increased its use, with facial recognition being among the most accurate and used techniques. Although facial recognition is effective, it requires high resolution images with good lighting, in addition to requiring that, in most applications, the face be captured from the front. These requirements are not always met and, for many situations, we need to resort to other techniques for identifying individuals, using other parts of the body. In this work we discuss the possibility of recognizing individuals in images and videos, using some key points of their body, provided by an OpenPose library. The goal is to design an Artificial Neural Network capable of classifying the individuals present in an image using the body structure formed by these points. The methodology used consists in the definition of some proportion relations between the parts of the body, calculated from the distance between the key points, so that a consistent classification model can be created, with a set of weights capable of recognizing an individual . The tests performed showed good results for individuals who had their classifier trained, recognizing these with an accuracy of over 90 %. In tests with images of individuals who did not have a trained classifier on the network, the rate of classification errors was very high, where an unknown individual was classified as an individual with trained classifier.A necessidade de identificar pessoas sempre esteve presente na sociedade, sendo utilizada em diversas áreas, das quais podemos citar a indústria de segurança como destaque. Essa tarefa se tornou mais rápida devido ao uso da computação, o que fez a sua utilização ser ampliada, estando o reconhecimento facial entre as técnicas mais precisas e utilizadas. Embora seja eficaz o reconhecimento facial requer imagens em alta resolução e com boa iluminação, além de precisar que, na maioria das aplicações, a face seja capturada de frente. Esses requisitos nem sempre são alcançados e, para muitas situações, precisamos recorrer a outras técnicas para identificação de indivíduos, utilizando outras partes do corpo. Neste trabalho abordamos a possibilidade de reconhecer indivíduos em imagens e vídeos, utilizando alguns pontos-chave do seu corpo, fornecidos por uma biblioteca de OpenPose. O objetivo é projetar uma Rede Neural Artificial capaz de classificar os indivíduos presentes em uma imagem utilizando a estrutura corporal formada por esses pontos. A metodologia usada consiste na definição de algumas relações de proporção entre as partes do corpo, calculadas a partir da distância entre os pontos-chave, de modo que se possa criar um modelo de classificação consistente, com um conjunto de pesos capaz de reconhecer um indivíduo. Os testes realizados apresentaram bons resultados para indivíduos que tiveram seu classificador treinado, reconhecendo estes com precisão de mais 90%. Em testes com imagens de indivíduos que não tinham classificador treinado na rede, a taxa de erros de classificação foi muito alta, onde um indivíduo desconhecido era classificado como um indivíduo que possui classificador treinado.Trabalho não financiado por agência de fomento, ou autofinanciadoUniversidade Federal Rural do Semi-ÁridoBrasilCentro de Ciências Exatas e Naturais - CCENUFERSASouza, Daniel Faustino Lacerda deOliveira, Leiva CasemiroLopes, Danniel CavalcanteSilva, José Carlos da2020-12-16T16:55:40Z2020-12-162020-12-16T16:55:40Z2020-02-06info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfCitação com autor incluído no texto: Silva (2020) Citação com autor não incluído no texto: (SILVA, 2020)https://repositorio.ufersa.edu.br/handle/prefix/5772porSILVA, José Carlos da. Reconhecimento de indivíduos em vídeo utilizando estimativa de pose humana. 2020. 54 f. Monografia (Graduação em Ciência da Computação) - Centro de Ciências Exatas e Naturais, Universidade Federal Rural do Semi-Àrido, Mossoró, 2020.CC-BY-SAinfo:eu-repo/semantics/openAccessreponame:Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU)instname:Universidade Federal Rural do Semi-Árido (UFERSA)instacron:UFERSA2023-09-14T17:12:56Zoai:repositorio.ufersa.edu.br:prefix/5772Repositório Institucionalhttps://repositorio.ufersa.edu.br/PUBhttps://repositorio.ufersa.edu.br/server/oai/requestrepositorio@ufersa.edu.br || admrepositorio@ufersa.edu.bropendoar:2023-09-14T17:12:56Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) - Universidade Federal Rural do Semi-Árido (UFERSA)false
dc.title.none.fl_str_mv Reconhecimento de indivíduos em vídeo utilizando estimativa de pose humana
title Reconhecimento de indivíduos em vídeo utilizando estimativa de pose humana
spellingShingle Reconhecimento de indivíduos em vídeo utilizando estimativa de pose humana
Silva, José Carlos da
OpenPose
Redes neurais artificiais
OpenCV
Reconhecimento de indivíduos
Visão computacional
OpenPose
Artificial neural networks
OpenCV
Individual Recognition
Computer vision
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
title_short Reconhecimento de indivíduos em vídeo utilizando estimativa de pose humana
title_full Reconhecimento de indivíduos em vídeo utilizando estimativa de pose humana
title_fullStr Reconhecimento de indivíduos em vídeo utilizando estimativa de pose humana
title_full_unstemmed Reconhecimento de indivíduos em vídeo utilizando estimativa de pose humana
title_sort Reconhecimento de indivíduos em vídeo utilizando estimativa de pose humana
author Silva, José Carlos da
author_facet Silva, José Carlos da
author_role author
dc.contributor.none.fl_str_mv Souza, Daniel Faustino Lacerda de
Oliveira, Leiva Casemiro
Lopes, Danniel Cavalcante
dc.contributor.author.fl_str_mv Silva, José Carlos da
dc.subject.por.fl_str_mv OpenPose
Redes neurais artificiais
OpenCV
Reconhecimento de indivíduos
Visão computacional
OpenPose
Artificial neural networks
OpenCV
Individual Recognition
Computer vision
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
topic OpenPose
Redes neurais artificiais
OpenCV
Reconhecimento de indivíduos
Visão computacional
OpenPose
Artificial neural networks
OpenCV
Individual Recognition
Computer vision
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
description Monografia
publishDate 2020
dc.date.none.fl_str_mv 2020-12-16T16:55:40Z
2020-12-16
2020-12-16T16:55:40Z
2020-02-06
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv Citação com autor incluído no texto: Silva (2020) Citação com autor não incluído no texto: (SILVA, 2020)
https://repositorio.ufersa.edu.br/handle/prefix/5772
identifier_str_mv Citação com autor incluído no texto: Silva (2020) Citação com autor não incluído no texto: (SILVA, 2020)
url https://repositorio.ufersa.edu.br/handle/prefix/5772
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv SILVA, José Carlos da. Reconhecimento de indivíduos em vídeo utilizando estimativa de pose humana. 2020. 54 f. Monografia (Graduação em Ciência da Computação) - Centro de Ciências Exatas e Naturais, Universidade Federal Rural do Semi-Àrido, Mossoró, 2020.
dc.rights.driver.fl_str_mv CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal Rural do Semi-Árido
Brasil
Centro de Ciências Exatas e Naturais - CCEN
UFERSA
publisher.none.fl_str_mv Universidade Federal Rural do Semi-Árido
Brasil
Centro de Ciências Exatas e Naturais - CCEN
UFERSA
dc.source.none.fl_str_mv reponame:Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU)
instname:Universidade Federal Rural do Semi-Árido (UFERSA)
instacron:UFERSA
instname_str Universidade Federal Rural do Semi-Árido (UFERSA)
instacron_str UFERSA
institution UFERSA
reponame_str Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU)
collection Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU)
repository.name.fl_str_mv Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) - Universidade Federal Rural do Semi-Árido (UFERSA)
repository.mail.fl_str_mv repositorio@ufersa.edu.br || admrepositorio@ufersa.edu.br
_version_ 1809747457868824576

Registros relacionados