Smart Campus: um estudo sobre visão computacional para detecção de pessoas em filas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/239041 |
Resumo: | Considerando as previsões futuras para a área de Internet das Coisas e as facilidades geradas por aplicações de visão computacional utilizando aprendizado de máquina, este trabalho visa a detecção de pessoas em imagens usando o modelo de aprendizado de máquina para detecção de objetos YOLO. Para os testes foram utilizadas modificações do conjunto de dados COCO, composto por diversos tipos de imagens rotuladas, e foram obtidos resultados promissores demonstrados através das métricas índice mAP que alcançou 98,8% e pontuação F1 que alcançou 97%. Os testes desenvolvidos permitiram a análise da aplicabilidade do modelo para a detecção de pessoas, visando o futuro desenvolvimento de uma aplicação para acompanhamento de filas em um Smart Campus. |
id |
UNSP_084aec90693dfd0efa76c2d321f3e693 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/239041 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Smart Campus: um estudo sobre visão computacional para detecção de pessoas em filasSmart Campus: a study on computer vision to detect people in queuesInternet das coisasVisão computacionalAprendizado de máquinaDetecção de pessoasInternet of thingsComputer visionMachine learningPeople detectionConsiderando as previsões futuras para a área de Internet das Coisas e as facilidades geradas por aplicações de visão computacional utilizando aprendizado de máquina, este trabalho visa a detecção de pessoas em imagens usando o modelo de aprendizado de máquina para detecção de objetos YOLO. Para os testes foram utilizadas modificações do conjunto de dados COCO, composto por diversos tipos de imagens rotuladas, e foram obtidos resultados promissores demonstrados através das métricas índice mAP que alcançou 98,8% e pontuação F1 que alcançou 97%. Os testes desenvolvidos permitiram a análise da aplicabilidade do modelo para a detecção de pessoas, visando o futuro desenvolvimento de uma aplicação para acompanhamento de filas em um Smart Campus.Considering the future of the Internet of Things area and the ease generated by computer vision applications using machine learning, this work aims to detect people in images using the YOLO object detection model. For the tests, modifications of the COCO dataset were used, composed of several types of labeled images, and promising results were obtained demonstrated through the metrics mAP index that reached 98.8% and F1 score that reached 97%. The developed tests allowed the analysis of the model's applicability for detecting people, aiming at the future development of an application for tracking queues in a Smart Campus.Não recebi financiamentoUniversidade Estadual Paulista (Unesp)Camargo, Luiz Felipe deUniversidade Estadual Paulista (Unesp)Scala, Thiago Esteves La2023-01-27T12:23:50Z2023-01-27T12:23:50Z2023-01-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://hdl.handle.net/11449/239041porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-12-23T06:14:42Zoai:repositorio.unesp.br:11449/239041Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462023-12-23T06:14:42Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Smart Campus: um estudo sobre visão computacional para detecção de pessoas em filas Smart Campus: a study on computer vision to detect people in queues |
title |
Smart Campus: um estudo sobre visão computacional para detecção de pessoas em filas |
spellingShingle |
Smart Campus: um estudo sobre visão computacional para detecção de pessoas em filas Scala, Thiago Esteves La Internet das coisas Visão computacional Aprendizado de máquina Detecção de pessoas Internet of things Computer vision Machine learning People detection |
title_short |
Smart Campus: um estudo sobre visão computacional para detecção de pessoas em filas |
title_full |
Smart Campus: um estudo sobre visão computacional para detecção de pessoas em filas |
title_fullStr |
Smart Campus: um estudo sobre visão computacional para detecção de pessoas em filas |
title_full_unstemmed |
Smart Campus: um estudo sobre visão computacional para detecção de pessoas em filas |
title_sort |
Smart Campus: um estudo sobre visão computacional para detecção de pessoas em filas |
author |
Scala, Thiago Esteves La |
author_facet |
Scala, Thiago Esteves La |
author_role |
author |
dc.contributor.none.fl_str_mv |
Camargo, Luiz Felipe de Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Scala, Thiago Esteves La |
dc.subject.por.fl_str_mv |
Internet das coisas Visão computacional Aprendizado de máquina Detecção de pessoas Internet of things Computer vision Machine learning People detection |
topic |
Internet das coisas Visão computacional Aprendizado de máquina Detecção de pessoas Internet of things Computer vision Machine learning People detection |
description |
Considerando as previsões futuras para a área de Internet das Coisas e as facilidades geradas por aplicações de visão computacional utilizando aprendizado de máquina, este trabalho visa a detecção de pessoas em imagens usando o modelo de aprendizado de máquina para detecção de objetos YOLO. Para os testes foram utilizadas modificações do conjunto de dados COCO, composto por diversos tipos de imagens rotuladas, e foram obtidos resultados promissores demonstrados através das métricas índice mAP que alcançou 98,8% e pontuação F1 que alcançou 97%. Os testes desenvolvidos permitiram a análise da aplicabilidade do modelo para a detecção de pessoas, visando o futuro desenvolvimento de uma aplicação para acompanhamento de filas em um Smart Campus. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-01-27T12:23:50Z 2023-01-27T12:23:50Z 2023-01-18 |
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 |
http://hdl.handle.net/11449/239041 |
url |
http://hdl.handle.net/11449/239041 |
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 |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1803650058772545536 |