Aerolevantamento com VANT no auxílio contra o abigeato
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNIPAMPA |
Texto Completo: | http://dspace.unipampa.edu.br:8080/jspui/handle/riu/4661 |
Resumo: | Detectar pessoas em imagens digitais é uma tarefa recorrente para o desenvolvimento de várias aplicações. O presente trabalho tem o objetivo de propor um método para identificação de pessoas em imagens aéreas com a utilização de VANT para dar suporte ao produtor e aos órgãos especializados no combate ao abigeato. A solução proposta executa processos de criação de mosaicos georreferenciados e classificação de objetos. Para geração dos mosaicos foram testadas a ferramenta OpenDroneMap e o utilitário Web MapsMadeEasy. Também foi estudada a biblioteca open source GDAL. O treinamento dos descritores em cascata foi efetuado com a utilização de um software que apresenta os parâmetros implementados na biblioteca OpenCV em uma interface gráfica, facilitando assim a manipulação dos mesmos. O descritor HOG utilizado é disponibilizado na biblioteca OpenCV. Para fins de teste foram criados dois classificadores Haar e LBP com 8, 15 e 20 estágios, todos fazendo uso do mesmo conjunto de imagens negativas. No entanto, foram gerados classificadores Haar e LBP utilizando um primeiro conjunto de imagens positivos e posteriormente foram gerados outros classificadores Haar e LBP utilizando um segundo conjunto de imagens positivas. Dados os resultados pode-se concluir que as ferramentas de processamento de imagens aéreas geram resultados satisfatórios. Também notou-se que as cascatas de classificadores efetivamente detectam pessoas, porém também geram uma quantidade elevada de falsos positivos. Com os testes realizados, pode-se notar na prática que efetivamente classificadores Haar demandam mais tempo para treinamento, porém sua taxa de acerto é melhor. Também observou-se que a quantidade de estágios de uma cascata deve ser adequadamente dimensionada, já que classificadores com 20 estágios obtiveram resultados muito insatisfatórios, gerando apenas falsos positivos. |
id |
UNIP_e959e1e93a15ca435b30f68c423cbcd5 |
---|---|
oai_identifier_str |
oai:repositorio.unipampa.edu.br:riu/4661 |
network_acronym_str |
UNIP |
network_name_str |
Repositório Institucional da UNIPAMPA |
repository_id_str |
|
spelling |
Pinho, Leonardo Bidese dePinho, Leonardo Bidese deFerreira, Ana Paula LüdtkeHeinen, Milton RobertoSoares, Ânderson Fischoeder2019-11-29T17:22:20Z2019-11-292019-11-29T17:22:20Z2018-12-08SOARES, Ânderson Fischoeder. Aerolevantamento com VANT no auxílio contra o abigeato. 79 p. 2018. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) – Universidade Federal do Pampa, Campus Bagé, Bagé, 2018.http://dspace.unipampa.edu.br:8080/jspui/handle/riu/4661Detectar pessoas em imagens digitais é uma tarefa recorrente para o desenvolvimento de várias aplicações. O presente trabalho tem o objetivo de propor um método para identificação de pessoas em imagens aéreas com a utilização de VANT para dar suporte ao produtor e aos órgãos especializados no combate ao abigeato. A solução proposta executa processos de criação de mosaicos georreferenciados e classificação de objetos. Para geração dos mosaicos foram testadas a ferramenta OpenDroneMap e o utilitário Web MapsMadeEasy. Também foi estudada a biblioteca open source GDAL. O treinamento dos descritores em cascata foi efetuado com a utilização de um software que apresenta os parâmetros implementados na biblioteca OpenCV em uma interface gráfica, facilitando assim a manipulação dos mesmos. O descritor HOG utilizado é disponibilizado na biblioteca OpenCV. Para fins de teste foram criados dois classificadores Haar e LBP com 8, 15 e 20 estágios, todos fazendo uso do mesmo conjunto de imagens negativas. No entanto, foram gerados classificadores Haar e LBP utilizando um primeiro conjunto de imagens positivos e posteriormente foram gerados outros classificadores Haar e LBP utilizando um segundo conjunto de imagens positivas. Dados os resultados pode-se concluir que as ferramentas de processamento de imagens aéreas geram resultados satisfatórios. Também notou-se que as cascatas de classificadores efetivamente detectam pessoas, porém também geram uma quantidade elevada de falsos positivos. Com os testes realizados, pode-se notar na prática que efetivamente classificadores Haar demandam mais tempo para treinamento, porém sua taxa de acerto é melhor. Também observou-se que a quantidade de estágios de uma cascata deve ser adequadamente dimensionada, já que classificadores com 20 estágios obtiveram resultados muito insatisfatórios, gerando apenas falsos positivos.Detecting people in digital images is a recurring task for the development of various applications. The present work has the objective of proposing a method for identifying people in aerial images with the use of UAVs to support the producer and the specialized agencies in the fight against rustling. The proposed solution executes processes of creation of georeferenced mosaics and classification of objects. The OpenDroneMap tool and the MapsMadeEasy Web utility were tested for mosaic generation. The GDAL open source library was also studied. The training of cascading descriptors was done using software that presents the parameters implemented in the OpenCV library in a graphical interface, thus facilitating their manipulation. The HOG descriptor used is available in the OpenCV library. For testing purposes, two Haar and LBP classifiers with 8, 15 and 20 stages were created, all using the same set of negative images. However, Haar and LBP classifiers were generated using a first set of positive images and later, other Haar and LBP classifiers were generated using a second set of positive images. Given the results it can be concluded that the aerial imaging tools generate satisfactory results. It has also been noted that cascades of classifiers effectively detect people, but also generate a high amount of false positives. With the tests performed, it may be noted in practice that effectively Haar classifiers require more time for training, but their hit rate is better. It was also observed that the number of stages of a cascade should be adequately sized, since classifiers with 20 stages obtained very poor results, generating only false positives.porUniversidade Federal do PampaUNIPAMPABrasilCampus BagéCNPQ::ENGENHARIASAgroTIC VANTSensoriamento RemotoVisão computacionalApplied ComputingAgroTICVANTRemote sensingUAVAerolevantamento com VANT no auxílio contra o abigeatoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIPAMPAinstname:Universidade Federal do Pampa (UNIPAMPA)instacron:UNIPAMPATEXTTCC_2018_2_Anderson_Soares.pdf.txtTCC_2018_2_Anderson_Soares.pdf.txtExtracted texttext/plain104600https://repositorio.unipampa.edu.br/jspui/bitstream/riu/4661/3/TCC_2018_2_Anderson_Soares.pdf.txt5f5180efd17ef6bbcc738db76be6214bMD53ORIGINALTCC_2018_2_Anderson_Soares.pdfTCC_2018_2_Anderson_Soares.pdfapplication/pdf1548732https://repositorio.unipampa.edu.br/jspui/bitstream/riu/4661/1/TCC_2018_2_Anderson_Soares.pdf51aeed35aa198427937fae79f787ed02MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81866https://repositorio.unipampa.edu.br/jspui/bitstream/riu/4661/2/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD52riu/46612019-11-30 03:06:38.68oai:repositorio.unipampa.edu.br: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ório InstitucionalPUBhttp://dspace.unipampa.edu.br:8080/oai/requestsisbi@unipampa.edu.bropendoar:2019-11-30T06:06:38Repositório Institucional da UNIPAMPA - Universidade Federal do Pampa (UNIPAMPA)false |
dc.title.pt_BR.fl_str_mv |
Aerolevantamento com VANT no auxílio contra o abigeato |
title |
Aerolevantamento com VANT no auxílio contra o abigeato |
spellingShingle |
Aerolevantamento com VANT no auxílio contra o abigeato Soares, Ânderson Fischoeder CNPQ::ENGENHARIAS AgroTIC VANT Sensoriamento Remoto Visão computacional Applied Computing AgroTIC VANT Remote sensing UAV |
title_short |
Aerolevantamento com VANT no auxílio contra o abigeato |
title_full |
Aerolevantamento com VANT no auxílio contra o abigeato |
title_fullStr |
Aerolevantamento com VANT no auxílio contra o abigeato |
title_full_unstemmed |
Aerolevantamento com VANT no auxílio contra o abigeato |
title_sort |
Aerolevantamento com VANT no auxílio contra o abigeato |
author |
Soares, Ânderson Fischoeder |
author_facet |
Soares, Ânderson Fischoeder |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Pinho, Leonardo Bidese de |
dc.contributor.referee1.fl_str_mv |
Pinho, Leonardo Bidese de |
dc.contributor.referee2.fl_str_mv |
Ferreira, Ana Paula Lüdtke |
dc.contributor.referee3.fl_str_mv |
Heinen, Milton Roberto |
dc.contributor.author.fl_str_mv |
Soares, Ânderson Fischoeder |
contributor_str_mv |
Pinho, Leonardo Bidese de Pinho, Leonardo Bidese de Ferreira, Ana Paula Lüdtke Heinen, Milton Roberto |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS |
topic |
CNPQ::ENGENHARIAS AgroTIC VANT Sensoriamento Remoto Visão computacional Applied Computing AgroTIC VANT Remote sensing UAV |
dc.subject.por.fl_str_mv |
AgroTIC VANT Sensoriamento Remoto Visão computacional Applied Computing AgroTIC VANT Remote sensing UAV |
description |
Detectar pessoas em imagens digitais é uma tarefa recorrente para o desenvolvimento de várias aplicações. O presente trabalho tem o objetivo de propor um método para identificação de pessoas em imagens aéreas com a utilização de VANT para dar suporte ao produtor e aos órgãos especializados no combate ao abigeato. A solução proposta executa processos de criação de mosaicos georreferenciados e classificação de objetos. Para geração dos mosaicos foram testadas a ferramenta OpenDroneMap e o utilitário Web MapsMadeEasy. Também foi estudada a biblioteca open source GDAL. O treinamento dos descritores em cascata foi efetuado com a utilização de um software que apresenta os parâmetros implementados na biblioteca OpenCV em uma interface gráfica, facilitando assim a manipulação dos mesmos. O descritor HOG utilizado é disponibilizado na biblioteca OpenCV. Para fins de teste foram criados dois classificadores Haar e LBP com 8, 15 e 20 estágios, todos fazendo uso do mesmo conjunto de imagens negativas. No entanto, foram gerados classificadores Haar e LBP utilizando um primeiro conjunto de imagens positivos e posteriormente foram gerados outros classificadores Haar e LBP utilizando um segundo conjunto de imagens positivas. Dados os resultados pode-se concluir que as ferramentas de processamento de imagens aéreas geram resultados satisfatórios. Também notou-se que as cascatas de classificadores efetivamente detectam pessoas, porém também geram uma quantidade elevada de falsos positivos. Com os testes realizados, pode-se notar na prática que efetivamente classificadores Haar demandam mais tempo para treinamento, porém sua taxa de acerto é melhor. Também observou-se que a quantidade de estágios de uma cascata deve ser adequadamente dimensionada, já que classificadores com 20 estágios obtiveram resultados muito insatisfatórios, gerando apenas falsos positivos. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-12-08 |
dc.date.accessioned.fl_str_mv |
2019-11-29T17:22:20Z |
dc.date.available.fl_str_mv |
2019-11-29 2019-11-29T17:22:20Z |
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.citation.fl_str_mv |
SOARES, Ânderson Fischoeder. Aerolevantamento com VANT no auxílio contra o abigeato. 79 p. 2018. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) – Universidade Federal do Pampa, Campus Bagé, Bagé, 2018. |
dc.identifier.uri.fl_str_mv |
http://dspace.unipampa.edu.br:8080/jspui/handle/riu/4661 |
identifier_str_mv |
SOARES, Ânderson Fischoeder. Aerolevantamento com VANT no auxílio contra o abigeato. 79 p. 2018. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) – Universidade Federal do Pampa, Campus Bagé, Bagé, 2018. |
url |
http://dspace.unipampa.edu.br:8080/jspui/handle/riu/4661 |
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.publisher.none.fl_str_mv |
Universidade Federal do Pampa |
dc.publisher.initials.fl_str_mv |
UNIPAMPA |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Campus Bagé |
publisher.none.fl_str_mv |
Universidade Federal do Pampa |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIPAMPA instname:Universidade Federal do Pampa (UNIPAMPA) instacron:UNIPAMPA |
instname_str |
Universidade Federal do Pampa (UNIPAMPA) |
instacron_str |
UNIPAMPA |
institution |
UNIPAMPA |
reponame_str |
Repositório Institucional da UNIPAMPA |
collection |
Repositório Institucional da UNIPAMPA |
bitstream.url.fl_str_mv |
https://repositorio.unipampa.edu.br/jspui/bitstream/riu/4661/3/TCC_2018_2_Anderson_Soares.pdf.txt https://repositorio.unipampa.edu.br/jspui/bitstream/riu/4661/1/TCC_2018_2_Anderson_Soares.pdf https://repositorio.unipampa.edu.br/jspui/bitstream/riu/4661/2/license.txt |
bitstream.checksum.fl_str_mv |
5f5180efd17ef6bbcc738db76be6214b 51aeed35aa198427937fae79f787ed02 43cd690d6a359e86c1fe3d5b7cba0c9b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNIPAMPA - Universidade Federal do Pampa (UNIPAMPA) |
repository.mail.fl_str_mv |
sisbi@unipampa.edu.br |
_version_ |
1801849069261291520 |