HuTrain : um framework para a rápida concepção de datasets de estimação de poses humanas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/39316 |
Resumo: | Algoritmos de rastreamento de corpos baseados em imagem são úteis em diversos cenários, tais como animações de avatares e interação por gestos para aplicações em realidade virtual (VR, Virtual Reality). Nos últimos anos, as melhores soluções presentes no estado da arte referentes ao rastreamento de corpos (de acordo com as melhores bases de dados da área) são fortemente baseadas em algoritmos de redes neurais convolucionais (CNNs, Convolutional Neural Networks) e utilizam extensas bases de dados para o treinamento e validação de seus modelos propostos. Apesar de essas soluções atingirem altas pontuações de precisão quando avaliadas em algumas dessas bases de dados, existem alguns desafios de rastreamento específicos (por exemplo, cenários upside-down) os quais não são bem cobertos e, consequentemente, não são corretamente rastreados. Ao invés de condensar todos os casos em uma única solução de dataset, nesta dissertação é proposto o HuTrain, um framework para a criação de bases de dados (datasets) para a tarefa de estimação de poses humanas (HPE, Human Pose Estimation) de uma forma fácil e rápida. O HuTrain é composto por uma série de passos, incluindo a calibração automática de câmeras, estimação de poses humanas refinadas e conversão para formatos de bases de dados conhecidas. Com o HuTrain, o usuário é capaz gerar bases de dados referentes a poses humanas, atacando desafios de rastreamento específicos para o contexto de aplicação desejado, sem a necessidade de anotar instâncias de poses humanas manualmente. Neste cenário, os resultados apotam a utilização do HuTrain como sendo uma solução rápida, prática e efetiva para a concepção de datasets de estimação de poses humanas, sendo capaz de gerar um dataset com dezenas de milhares de amostras em poucas horas. |
id |
UFPE_bbf93ef1a95d1504d6be541cd4b98204 |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/39316 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
BARIONI, Ricardo Rossiterhttp://lattes.cnpq.br/3354759625725858http://lattes.cnpq.br/3355338790654065http://lattes.cnpq.br/3195170463502606TEICHRIEB, VeronicaFIGUEIREDO, Lucas Silva2021-02-25T14:35:08Z2021-02-25T14:35:08Z2020-07-30BARIONI, Ricardo Rossiter. HuTrain: um framework para a rápida concepção de datasets de estimação de poses humanas. 2020. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2020.https://repositorio.ufpe.br/handle/123456789/39316Algoritmos de rastreamento de corpos baseados em imagem são úteis em diversos cenários, tais como animações de avatares e interação por gestos para aplicações em realidade virtual (VR, Virtual Reality). Nos últimos anos, as melhores soluções presentes no estado da arte referentes ao rastreamento de corpos (de acordo com as melhores bases de dados da área) são fortemente baseadas em algoritmos de redes neurais convolucionais (CNNs, Convolutional Neural Networks) e utilizam extensas bases de dados para o treinamento e validação de seus modelos propostos. Apesar de essas soluções atingirem altas pontuações de precisão quando avaliadas em algumas dessas bases de dados, existem alguns desafios de rastreamento específicos (por exemplo, cenários upside-down) os quais não são bem cobertos e, consequentemente, não são corretamente rastreados. Ao invés de condensar todos os casos em uma única solução de dataset, nesta dissertação é proposto o HuTrain, um framework para a criação de bases de dados (datasets) para a tarefa de estimação de poses humanas (HPE, Human Pose Estimation) de uma forma fácil e rápida. O HuTrain é composto por uma série de passos, incluindo a calibração automática de câmeras, estimação de poses humanas refinadas e conversão para formatos de bases de dados conhecidas. Com o HuTrain, o usuário é capaz gerar bases de dados referentes a poses humanas, atacando desafios de rastreamento específicos para o contexto de aplicação desejado, sem a necessidade de anotar instâncias de poses humanas manualmente. Neste cenário, os resultados apotam a utilização do HuTrain como sendo uma solução rápida, prática e efetiva para a concepção de datasets de estimação de poses humanas, sendo capaz de gerar um dataset com dezenas de milhares de amostras em poucas horas.CNPqImage-based body tracking algorithms are useful in several scenarios, such as avatar animations and gesture interaction for Virtual Reality (VR) applications. In the last few years, the best-ranked solutions presented on the state of the art of body tracking (according to the most popular datasets in the field) are intensively based on Convolutional Neural Networks (CNNs) algorithms and use large datasets for the training and validation of their proposed models. Although these solutions achieve high precision scores when evaluated with some of these datasets, there are specific tracking challenges (for example, upside-down scenarios) that are not well-covered and, therefore, not correctly tracked. Instead of lurking an all-in-one dataset solution for all cases, in this dissertation it is proposed HuTrain, a framework for creating Human Pose Estimation (HPE) datasets quickly and easily. HuTrain is composed by a series of steps, including automatic camera calibration, refined human pose estimation, and conversion to known dataset formats. With HuTrain, the user is capable of generating human pose datasets, targeting specific tracking challenges for the desired application context, with no need to annotate human pose instances manually. In this scenario, results show the usage of HuTrain as a quick, practical and effective solution for the conception of human pose estimation datasets, being able to generate a dataset with tens of thousands of samples in a few hours.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Ciencia da ComputacaoUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/embargoedAccessMídia e interaçãoRedes neurais convolucionaisHuTrain : um framework para a rápida concepção de datasets de estimação de poses humanasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPECC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/39316/4/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/39316/5/license.txtbd573a5ca8288eb7272482765f819534MD55TEXTDISSERTAÇÃO Ricardo Rossiter Barioni.pdf.txtDISSERTAÇÃO Ricardo Rossiter Barioni.pdf.txtExtracted texttext/plain164134https://repositorio.ufpe.br/bitstream/123456789/39316/6/DISSERTA%c3%87%c3%83O%20Ricardo%20Rossiter%20Barioni.pdf.txt980c5a8b62931040eb37e04beb541141MD56ORIGINALDISSERTAÇÃO Ricardo Rossiter Barioni.pdfDISSERTAÇÃO Ricardo Rossiter Barioni.pdfapplication/pdf6862398https://repositorio.ufpe.br/bitstream/123456789/39316/1/DISSERTA%c3%87%c3%83O%20Ricardo%20Rossiter%20Barioni.pdf5f232d414572ec456dcc1b53acdffe27MD51THUMBNAILDISSERTAÇÃO Ricardo Rossiter Barioni.pdf.jpgDISSERTAÇÃO Ricardo Rossiter Barioni.pdf.jpgGenerated Thumbnailimage/jpeg1246https://repositorio.ufpe.br/bitstream/123456789/39316/7/DISSERTA%c3%87%c3%83O%20Ricardo%20Rossiter%20Barioni.pdf.jpg0d7c53e1b34eaa68c350ffa0b3e65505MD57123456789/393162021-07-23 10:17:53.927oai:repositorio.ufpe.br:123456789/39316TGljZW7Dp2EgZGUgRGlzdHJpYnVpw6fDo28gTsOjbyBFeGNsdXNpdmEKClRvZG8gZGVwb3NpdGFudGUgZGUgbWF0ZXJpYWwgbm8gUmVwb3NpdMOzcmlvIEluc3RpdHVjaW9uYWwgKFJJKSBkZXZlIGNvbmNlZGVyLCDDoCBVbml2ZXJzaWRhZGUgRmVkZXJhbCBkZSBQZXJuYW1idWNvIChVRlBFKSwgdW1hIExpY2Vuw6dhIGRlIERpc3RyaWJ1acOnw6NvIE7Do28gRXhjbHVzaXZhIHBhcmEgbWFudGVyIGUgdG9ybmFyIGFjZXNzw612ZWlzIG9zIHNldXMgZG9jdW1lbnRvcywgZW0gZm9ybWF0byBkaWdpdGFsLCBuZXN0ZSByZXBvc2l0w7NyaW8uCgpDb20gYSBjb25jZXNzw6NvIGRlc3RhIGxpY2Vuw6dhIG7Do28gZXhjbHVzaXZhLCBvIGRlcG9zaXRhbnRlIG1hbnTDqW0gdG9kb3Mgb3MgZGlyZWl0b3MgZGUgYXV0b3IuCl9fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fX19fXwoKTGljZW7Dp2EgZGUgRGlzdHJpYnVpw6fDo28gTsOjbyBFeGNsdXNpdmEKCkFvIGNvbmNvcmRhciBjb20gZXN0YSBsaWNlbsOnYSBlIGFjZWl0w6EtbGEsIHZvY8OqIChhdXRvciBvdSBkZXRlbnRvciBkb3MgZGlyZWl0b3MgYXV0b3JhaXMpOgoKYSkgRGVjbGFyYSBxdWUgY29uaGVjZSBhIHBvbMOtdGljYSBkZSBjb3B5cmlnaHQgZGEgZWRpdG9yYSBkbyBzZXUgZG9jdW1lbnRvOwpiKSBEZWNsYXJhIHF1ZSBjb25oZWNlIGUgYWNlaXRhIGFzIERpcmV0cml6ZXMgcGFyYSBvIFJlcG9zaXTDs3JpbyBJbnN0aXR1Y2lvbmFsIGRhIFVGUEU7CmMpIENvbmNlZGUgw6AgVUZQRSBvIGRpcmVpdG8gbsOjbyBleGNsdXNpdm8gZGUgYXJxdWl2YXIsIHJlcHJvZHV6aXIsIGNvbnZlcnRlciAoY29tbyBkZWZpbmlkbyBhIHNlZ3VpciksIGNvbXVuaWNhciBlL291IGRpc3RyaWJ1aXIsIG5vIFJJLCBvIGRvY3VtZW50byBlbnRyZWd1ZSAoaW5jbHVpbmRvIG8gcmVzdW1vL2Fic3RyYWN0KSBlbSBmb3JtYXRvIGRpZ2l0YWwgb3UgcG9yIG91dHJvIG1laW87CmQpIERlY2xhcmEgcXVlIGF1dG9yaXphIGEgVUZQRSBhIGFycXVpdmFyIG1haXMgZGUgdW1hIGPDs3BpYSBkZXN0ZSBkb2N1bWVudG8gZSBjb252ZXJ0w6otbG8sIHNlbSBhbHRlcmFyIG8gc2V1IGNvbnRlw7pkbywgcGFyYSBxdWFscXVlciBmb3JtYXRvIGRlIGZpY2hlaXJvLCBtZWlvIG91IHN1cG9ydGUsIHBhcmEgZWZlaXRvcyBkZSBzZWd1cmFuw6dhLCBwcmVzZXJ2YcOnw6NvIChiYWNrdXApIGUgYWNlc3NvOwplKSBEZWNsYXJhIHF1ZSBvIGRvY3VtZW50byBzdWJtZXRpZG8gw6kgbyBzZXUgdHJhYmFsaG8gb3JpZ2luYWwgZSBxdWUgZGV0w6ltIG8gZGlyZWl0byBkZSBjb25jZWRlciBhIHRlcmNlaXJvcyBvcyBkaXJlaXRvcyBjb250aWRvcyBuZXN0YSBsaWNlbsOnYS4gRGVjbGFyYSB0YW1iw6ltIHF1ZSBhIGVudHJlZ2EgZG8gZG9jdW1lbnRvIG7Do28gaW5mcmluZ2Ugb3MgZGlyZWl0b3MgZGUgb3V0cmEgcGVzc29hIG91IGVudGlkYWRlOwpmKSBEZWNsYXJhIHF1ZSwgbm8gY2FzbyBkbyBkb2N1bWVudG8gc3VibWV0aWRvIGNvbnRlciBtYXRlcmlhbCBkbyBxdWFsIG7Do28gZGV0w6ltIG9zIGRpcmVpdG9zIGRlCmF1dG9yLCBvYnRldmUgYSBhdXRvcml6YcOnw6NvIGlycmVzdHJpdGEgZG8gcmVzcGVjdGl2byBkZXRlbnRvciBkZXNzZXMgZGlyZWl0b3MgcGFyYSBjZWRlciDDoApVRlBFIG9zIGRpcmVpdG9zIHJlcXVlcmlkb3MgcG9yIGVzdGEgTGljZW7Dp2EgZSBhdXRvcml6YXIgYSB1bml2ZXJzaWRhZGUgYSB1dGlsaXrDoS1sb3MgbGVnYWxtZW50ZS4gRGVjbGFyYSB0YW1iw6ltIHF1ZSBlc3NlIG1hdGVyaWFsIGN1am9zIGRpcmVpdG9zIHPDo28gZGUgdGVyY2Vpcm9zIGVzdMOhIGNsYXJhbWVudGUgaWRlbnRpZmljYWRvIGUgcmVjb25oZWNpZG8gbm8gdGV4dG8gb3UgY29udGXDumRvIGRvIGRvY3VtZW50byBlbnRyZWd1ZTsKZykgU2UgbyBkb2N1bWVudG8gZW50cmVndWUgw6kgYmFzZWFkbyBlbSB0cmFiYWxobyBmaW5hbmNpYWRvIG91IGFwb2lhZG8gcG9yIG91dHJhIGluc3RpdHVpw6fDo28gcXVlIG7Do28gYSBVRlBFLCBkZWNsYXJhIHF1ZSBjdW1wcml1IHF1YWlzcXVlciBvYnJpZ2HDp8O1ZXMgZXhpZ2lkYXMgcGVsbyByZXNwZWN0aXZvIGNvbnRyYXRvIG91IGFjb3Jkby4KCkEgVUZQRSBpZGVudGlmaWNhcsOhIGNsYXJhbWVudGUgbyhzKSBub21lKHMpIGRvKHMpIGF1dG9yIChlcykgZG9zIGRpcmVpdG9zIGRvIGRvY3VtZW50byBlbnRyZWd1ZSBlIG7Do28gZmFyw6EgcXVhbHF1ZXIgYWx0ZXJhw6fDo28sIHBhcmEgYWzDqW0gZG8gcHJldmlzdG8gbmEgYWzDrW5lYSBjKS4KRepositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212021-07-23T13:17:53Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
HuTrain : um framework para a rápida concepção de datasets de estimação de poses humanas |
title |
HuTrain : um framework para a rápida concepção de datasets de estimação de poses humanas |
spellingShingle |
HuTrain : um framework para a rápida concepção de datasets de estimação de poses humanas BARIONI, Ricardo Rossiter Mídia e interação Redes neurais convolucionais |
title_short |
HuTrain : um framework para a rápida concepção de datasets de estimação de poses humanas |
title_full |
HuTrain : um framework para a rápida concepção de datasets de estimação de poses humanas |
title_fullStr |
HuTrain : um framework para a rápida concepção de datasets de estimação de poses humanas |
title_full_unstemmed |
HuTrain : um framework para a rápida concepção de datasets de estimação de poses humanas |
title_sort |
HuTrain : um framework para a rápida concepção de datasets de estimação de poses humanas |
author |
BARIONI, Ricardo Rossiter |
author_facet |
BARIONI, Ricardo Rossiter |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3354759625725858 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3355338790654065 |
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3195170463502606 |
dc.contributor.author.fl_str_mv |
BARIONI, Ricardo Rossiter |
dc.contributor.advisor1.fl_str_mv |
TEICHRIEB, Veronica |
dc.contributor.advisor-co1.fl_str_mv |
FIGUEIREDO, Lucas Silva |
contributor_str_mv |
TEICHRIEB, Veronica FIGUEIREDO, Lucas Silva |
dc.subject.por.fl_str_mv |
Mídia e interação Redes neurais convolucionais |
topic |
Mídia e interação Redes neurais convolucionais |
description |
Algoritmos de rastreamento de corpos baseados em imagem são úteis em diversos cenários, tais como animações de avatares e interação por gestos para aplicações em realidade virtual (VR, Virtual Reality). Nos últimos anos, as melhores soluções presentes no estado da arte referentes ao rastreamento de corpos (de acordo com as melhores bases de dados da área) são fortemente baseadas em algoritmos de redes neurais convolucionais (CNNs, Convolutional Neural Networks) e utilizam extensas bases de dados para o treinamento e validação de seus modelos propostos. Apesar de essas soluções atingirem altas pontuações de precisão quando avaliadas em algumas dessas bases de dados, existem alguns desafios de rastreamento específicos (por exemplo, cenários upside-down) os quais não são bem cobertos e, consequentemente, não são corretamente rastreados. Ao invés de condensar todos os casos em uma única solução de dataset, nesta dissertação é proposto o HuTrain, um framework para a criação de bases de dados (datasets) para a tarefa de estimação de poses humanas (HPE, Human Pose Estimation) de uma forma fácil e rápida. O HuTrain é composto por uma série de passos, incluindo a calibração automática de câmeras, estimação de poses humanas refinadas e conversão para formatos de bases de dados conhecidas. Com o HuTrain, o usuário é capaz gerar bases de dados referentes a poses humanas, atacando desafios de rastreamento específicos para o contexto de aplicação desejado, sem a necessidade de anotar instâncias de poses humanas manualmente. Neste cenário, os resultados apotam a utilização do HuTrain como sendo uma solução rápida, prática e efetiva para a concepção de datasets de estimação de poses humanas, sendo capaz de gerar um dataset com dezenas de milhares de amostras em poucas horas. |
publishDate |
2020 |
dc.date.issued.fl_str_mv |
2020-07-30 |
dc.date.accessioned.fl_str_mv |
2021-02-25T14:35:08Z |
dc.date.available.fl_str_mv |
2021-02-25T14:35:08Z |
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.citation.fl_str_mv |
BARIONI, Ricardo Rossiter. HuTrain: um framework para a rápida concepção de datasets de estimação de poses humanas. 2020. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2020. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/39316 |
identifier_str_mv |
BARIONI, Ricardo Rossiter. HuTrain: um framework para a rápida concepção de datasets de estimação de poses humanas. 2020. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2020. |
url |
https://repositorio.ufpe.br/handle/123456789/39316 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/embargoedAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
embargoedAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Ciencia da Computacao |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/39316/4/license_rdf https://repositorio.ufpe.br/bitstream/123456789/39316/5/license.txt https://repositorio.ufpe.br/bitstream/123456789/39316/6/DISSERTA%c3%87%c3%83O%20Ricardo%20Rossiter%20Barioni.pdf.txt https://repositorio.ufpe.br/bitstream/123456789/39316/1/DISSERTA%c3%87%c3%83O%20Ricardo%20Rossiter%20Barioni.pdf https://repositorio.ufpe.br/bitstream/123456789/39316/7/DISSERTA%c3%87%c3%83O%20Ricardo%20Rossiter%20Barioni.pdf.jpg |
bitstream.checksum.fl_str_mv |
e39d27027a6cc9cb039ad269a5db8e34 bd573a5ca8288eb7272482765f819534 980c5a8b62931040eb37e04beb541141 5f232d414572ec456dcc1b53acdffe27 0d7c53e1b34eaa68c350ffa0b3e65505 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1802310871122182144 |