Rastreamento de objetos em sequências de vídeo utilizando múltiplos filtros de correlação

Detalhes bibliográficos
Autor(a) principal: Barcellos, Pablo Roberlan Manke
Data de Publicação: 2021
Tipo de documento: Tese
Idioma: eng
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/225708
Resumo: O rastreamento de objetos em sequências de vídeos é um tema fundamental na área de processamento de imagens e visão computacional, sendo necessário nas mais diversas situações. Apesar dos diversos avanços na nessa área, o rastreamento de objetos conti nua sendo um problema desafiador, especialmente devido aos diversos fatores que podem afetar os resultados do rastreamento, como mudanças de iluminação e deformações não rí gidas. Esta tese introduz um framework baseado em filtros de correlação capaz de rastrear objetos nas mais diversas situações. O método proposto utiliza um esquema colaborativo, combinando o uso de um filtro de correlação global com o uso de filtros de correlação locais para melhorar o processo de rastreamento. Ainda, o método utiliza feições extraí das usando Redes Neurais Convolucionais (CNN), e também utiliza uma estratégia para avaliar se os resultados estimados pelos filtros de correlação são confiáveis. Resultados experimentais realizados em benchmarks públicos mostram que o método proposto con segue obter bons resultados, sendo superior aos métodos comparativos do estado da arte
id URGS_ed8ed3f35c83653b0db56b89a722fc71
oai_identifier_str oai:www.lume.ufrgs.br:10183/225708
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Barcellos, Pablo Roberlan MankeScharcanski, Jacob2021-08-17T01:00:50Z2021http://hdl.handle.net/10183/225708001129984O rastreamento de objetos em sequências de vídeos é um tema fundamental na área de processamento de imagens e visão computacional, sendo necessário nas mais diversas situações. Apesar dos diversos avanços na nessa área, o rastreamento de objetos conti nua sendo um problema desafiador, especialmente devido aos diversos fatores que podem afetar os resultados do rastreamento, como mudanças de iluminação e deformações não rí gidas. Esta tese introduz um framework baseado em filtros de correlação capaz de rastrear objetos nas mais diversas situações. O método proposto utiliza um esquema colaborativo, combinando o uso de um filtro de correlação global com o uso de filtros de correlação locais para melhorar o processo de rastreamento. Ainda, o método utiliza feições extraí das usando Redes Neurais Convolucionais (CNN), e também utiliza uma estratégia para avaliar se os resultados estimados pelos filtros de correlação são confiáveis. Resultados experimentais realizados em benchmarks públicos mostram que o método proposto con segue obter bons resultados, sendo superior aos métodos comparativos do estado da arteThe tracking of objects in video sequences is a fundamental subject in the field of image processing and computer vision, and it is required in a variety of situations. Despite several advances in this area, object tracking remains a challenging problem, especially due to the many factors that can affect the tracking results, such as illumination variations and non-rigid deformations. This thesis introduces a framework based on correlation filters capable of tracking objects in the most diverse situations. The proposed method uses a collaborative scheme, combining the use of a global correlation filter with the use of local correlation filters to improve the tracking process. Furthermore, the method uses features extracted using Convolutional Neural Networks (CNN), and also uses a strategy to evaluate if the results estimated by the correlation filters are reliable. Experimental results in public benchmarks show that the proposed method achieves good results, being superior to the state-of-the-art comparative methods.application/pdfengRastreamento de objetosVisão computacionalProcessamento de imagensCorrelation filtersVideo trackingRastreamento de objetos em sequências de vídeo utilizando múltiplos filtros de correlaçãoObject tracking in video sequences using multiple correlation filters info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2021doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001129984.pdf.txt001129984.pdf.txtExtracted Texttext/plain194081http://www.lume.ufrgs.br/bitstream/10183/225708/2/001129984.pdf.txt3c942ba6df133eb9a376c7e1a173cb21MD52ORIGINAL001129984.pdfTexto completoapplication/pdf7647688http://www.lume.ufrgs.br/bitstream/10183/225708/1/001129984.pdf8ef9ce1b9943eb823858e4b64a611ff3MD5110183/2257082022-02-22 04:48:41.606092oai:www.lume.ufrgs.br:10183/225708Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532022-02-22T07:48:41Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Rastreamento de objetos em sequências de vídeo utilizando múltiplos filtros de correlação
dc.title.alternative.en.fl_str_mv Object tracking in video sequences using multiple correlation filters
title Rastreamento de objetos em sequências de vídeo utilizando múltiplos filtros de correlação
spellingShingle Rastreamento de objetos em sequências de vídeo utilizando múltiplos filtros de correlação
Barcellos, Pablo Roberlan Manke
Rastreamento de objetos
Visão computacional
Processamento de imagens
Correlation filters
Video tracking
title_short Rastreamento de objetos em sequências de vídeo utilizando múltiplos filtros de correlação
title_full Rastreamento de objetos em sequências de vídeo utilizando múltiplos filtros de correlação
title_fullStr Rastreamento de objetos em sequências de vídeo utilizando múltiplos filtros de correlação
title_full_unstemmed Rastreamento de objetos em sequências de vídeo utilizando múltiplos filtros de correlação
title_sort Rastreamento de objetos em sequências de vídeo utilizando múltiplos filtros de correlação
author Barcellos, Pablo Roberlan Manke
author_facet Barcellos, Pablo Roberlan Manke
author_role author
dc.contributor.author.fl_str_mv Barcellos, Pablo Roberlan Manke
dc.contributor.advisor1.fl_str_mv Scharcanski, Jacob
contributor_str_mv Scharcanski, Jacob
dc.subject.por.fl_str_mv Rastreamento de objetos
Visão computacional
Processamento de imagens
topic Rastreamento de objetos
Visão computacional
Processamento de imagens
Correlation filters
Video tracking
dc.subject.eng.fl_str_mv Correlation filters
Video tracking
description O rastreamento de objetos em sequências de vídeos é um tema fundamental na área de processamento de imagens e visão computacional, sendo necessário nas mais diversas situações. Apesar dos diversos avanços na nessa área, o rastreamento de objetos conti nua sendo um problema desafiador, especialmente devido aos diversos fatores que podem afetar os resultados do rastreamento, como mudanças de iluminação e deformações não rí gidas. Esta tese introduz um framework baseado em filtros de correlação capaz de rastrear objetos nas mais diversas situações. O método proposto utiliza um esquema colaborativo, combinando o uso de um filtro de correlação global com o uso de filtros de correlação locais para melhorar o processo de rastreamento. Ainda, o método utiliza feições extraí das usando Redes Neurais Convolucionais (CNN), e também utiliza uma estratégia para avaliar se os resultados estimados pelos filtros de correlação são confiáveis. Resultados experimentais realizados em benchmarks públicos mostram que o método proposto con segue obter bons resultados, sendo superior aos métodos comparativos do estado da arte
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-08-17T01:00:50Z
dc.date.issued.fl_str_mv 2021
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/225708
dc.identifier.nrb.pt_BR.fl_str_mv 001129984
url http://hdl.handle.net/10183/225708
identifier_str_mv 001129984
dc.language.iso.fl_str_mv eng
language eng
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.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/225708/2/001129984.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/225708/1/001129984.pdf
bitstream.checksum.fl_str_mv 3c942ba6df133eb9a376c7e1a173cb21
8ef9ce1b9943eb823858e4b64a611ff3
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1800309183308890112

Registros relacionados