Utilização de redes convolucionais profundas para estimativa de ângulos de pose de fácies obtidas através do kinect®

Detalhes bibliográficos
Autor(a) principal: Cuttle, Juan Alejandro Terenzi
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/192158
Resumo: TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Ciências da Computação.
id UFSC_37ca067acb5f1618b8499348c81f667c
oai_identifier_str oai:repositorio.ufsc.br:123456789/192158
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Utilização de redes convolucionais profundas para estimativa de ângulos de pose de fácies obtidas através do kinect®Inteligência ArtificialDeep LearningEstimativa de ângulos de pose de fáciesTCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Ciências da Computação.A capacidade de reconhecer padrões e construir modelos analíticos a partir de dados, é uma das principais características das técnicas de aprendizado de máquina. O reconhecimento da posição da cabeça a partir de imagens obtidas de câmeras dotadas de sensores de profundidade permite uma série de interações entre seres humanos e computadores em uma variedade de aplicações que vão de jogos até o controle de cadeiras de rodas por cadeirantes. O uso deste tipo de equipamento permite que se obtenha dados de profundidade, tornando possível obter o ângulo de inclinação da cabeça nos três eixos, o que seria muito difícil apenas a partir de imagens convencionais. Uma câmera relativamente barata, e capaz de capturar estas imagens de profundidade é o sensor Kinect®, desenvolvido pela empresa Microsoft. Este captura imagens de 640x480 pixels, uma resolução boa para distinguir a posição da cabeça numa imagem de profundidade. As redes neurais convolucionais são uma arquitetura de redes neurais profundas (deep learning) que têm sido utilizadas com sucesso em uma série de problemas de visão computacional relacionados com a identificação e reconhecimento de objetos em imagens. Este trabalho procurou então utilizar imagens capturadas por um sensor Kinect®, para treinar uma Rede Neural Convolucional de Camada Profunda e reconhecer nas imagens os ângulos de pose de cabeça de seres humanos. A Rede treinada foi então utilizada numa implementação simples onde o reconhecimento correto de imagens de profundidade demonstra aplicações práticas desta interface humano-computador, assim como seu potencial.The capacity to recognise patterns and create analytical models from data, is one of the main characteristics of Machine Learning techniques. The recognition of head positions from 3D (depth) images allows for a multitude of interactions between human beings and computers, in a variety of applications ranging from games to wheelchair control. The usage of devices containing depth sensors allows for the capturing of depth data, making the obtainment of head inclination angles on the three axes possible, which would be very difficult only through conventional images. A relatively cheap camera, which can capture these 3D images is the Kinect® sensor, developed by Microsoft. This device captures images of 640x480 pixels, a good enough resolution to distinguish the head’s position in a depth image. Convolutional Neural Networks are an architecture of Deep Neural Networks (Deep Learning) which have been used with success in a plethora of computer vision problems, related to the identification and recognition of objects in images. This work sought to utilize images captured by a Kinect®, to train a Deep Convolutional Neural Network and to recognise in images the angles in which human heads are posing. The trained Network was then used in a simple example software where the correct recognition of depth images demonstrates practical applications of this human-machine interface, as well as its potential.Florianópolis, SC.Roisenberg, MauroUniversidade Federal de Santa CatarinaCuttle, Juan Alejandro Terenzi2018-12-09T20:53:45Z2018-12-09T20:53:45Z2018-11-22info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis108 f.application/pdfhttps://repositorio.ufsc.br/handle/123456789/192158porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2018-12-09T20:53:45Zoai:repositorio.ufsc.br:123456789/192158Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732018-12-09T20:53:45Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Utilização de redes convolucionais profundas para estimativa de ângulos de pose de fácies obtidas através do kinect®
title Utilização de redes convolucionais profundas para estimativa de ângulos de pose de fácies obtidas através do kinect®
spellingShingle Utilização de redes convolucionais profundas para estimativa de ângulos de pose de fácies obtidas através do kinect®
Cuttle, Juan Alejandro Terenzi
Inteligência Artificial
Deep Learning
Estimativa de ângulos de pose de fácies
title_short Utilização de redes convolucionais profundas para estimativa de ângulos de pose de fácies obtidas através do kinect®
title_full Utilização de redes convolucionais profundas para estimativa de ângulos de pose de fácies obtidas através do kinect®
title_fullStr Utilização de redes convolucionais profundas para estimativa de ângulos de pose de fácies obtidas através do kinect®
title_full_unstemmed Utilização de redes convolucionais profundas para estimativa de ângulos de pose de fácies obtidas através do kinect®
title_sort Utilização de redes convolucionais profundas para estimativa de ângulos de pose de fácies obtidas através do kinect®
author Cuttle, Juan Alejandro Terenzi
author_facet Cuttle, Juan Alejandro Terenzi
author_role author
dc.contributor.none.fl_str_mv Roisenberg, Mauro
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Cuttle, Juan Alejandro Terenzi
dc.subject.por.fl_str_mv Inteligência Artificial
Deep Learning
Estimativa de ângulos de pose de fácies
topic Inteligência Artificial
Deep Learning
Estimativa de ângulos de pose de fácies
description TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Ciências da Computação.
publishDate 2018
dc.date.none.fl_str_mv 2018-12-09T20:53:45Z
2018-12-09T20:53:45Z
2018-11-22
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 https://repositorio.ufsc.br/handle/123456789/192158
url https://repositorio.ufsc.br/handle/123456789/192158
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.format.none.fl_str_mv 108 f.
application/pdf
dc.publisher.none.fl_str_mv Florianópolis, SC.
publisher.none.fl_str_mv Florianópolis, SC.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652390441680896

Registros relacionados