Estratégias de rastreamento dedicado de objetos utilizando inteligência de enxame
Ano de defesa: | 2019 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade do Estado do Rio de Janeiro
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação em Engenharia Eletrônica
|
Departamento: |
Centro de Tecnologia e Ciências::Faculdade de Engenharia
|
País: |
BR
|
Palavras-chave em Português: | |
Palavras-chave em Inglês: | |
Área do conhecimento CNPq: | |
Link de acesso: | http://www.bdtd.uerj.br/handle/1/11757 |
Resumo: | Image processing is an important tool to help in decision taking. Continuous observation of some environment, such as public areas and industrial plants, among others, allows defining the best action strategies and deciding the right moment to act, thus reducing risks and magnifying opportunities. The quality of the information resulting from such image processing must be precise enough so that it does not hinder scenario's evaluation for future action planning and goals achievement. The execution time to ob-tain this information and process it is fundamental for any successful activities. Hence, computational intelligence can help accelerating procedure executions related to planned actions. In general, slow search process always delays decision making in such a way that the recorded data becomes obsolete or insuficient at the decision moment. Tem-plate Matching is one of the most used techniques for finding then tracking patterns in images, wherein a small size image, termed the target, is looked for inside another that represents the environment as a whole. In this work, template matching is used via an existing co-design system. A co-processor is used to calculate the most computationally expensive task of template matching, which is the computation of the coeficient of the normalized cross correlation. The computation of this coeficient allows invariance in the case of global brightness changes in image, but it is computationally more expensive when using larger templates and yet more expensive in videos. We propose to investigate six different swarm intelligence based approaches, aiming at accelerating the process of target tracking. To evaluate the proposed project, the metrics regarding the overall processing time, number of iterations and target hit rate are used and compared. The results show that it is possible to obtain search approaches capable of processing videos at a rate of 30 frames per second while achieving an acceptable average hit rate for tracking the target. |
id |
UERJ_c024cdf653b4e08504ff383b1f0ddca3 |
---|---|
oai_identifier_str |
oai:www.bdtd.uerj.br:1/11757 |
network_acronym_str |
UERJ |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UERJ |
repository_id_str |
|
spelling |
Nedjah, Nadiahttp://lattes.cnpq.br/5417946704251656Mourelle, Luiza de Macedohttp://lattes.cnpq.br/4189604454431782Fernandes, Leandro Augusto Fratahttp://lattes.cnpq.br/4616848792501359Peralva, Bernardo Sotto Maiorhttp://lattes.cnpq.br/4425322010752919http://lattes.cnpq.br/6417850086363715Cardoso, Alexandre de Vasconcelos2021-01-06T19:17:20Z2019-05-082019-01-17CARDOSO, Alexandre de Vasconcelos. Estratégias de rastreamento dedicado de objetos utilizando inteligência de enxame. 2019. 132 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2019.http://www.bdtd.uerj.br/handle/1/11757Image processing is an important tool to help in decision taking. Continuous observation of some environment, such as public areas and industrial plants, among others, allows defining the best action strategies and deciding the right moment to act, thus reducing risks and magnifying opportunities. The quality of the information resulting from such image processing must be precise enough so that it does not hinder scenario's evaluation for future action planning and goals achievement. The execution time to ob-tain this information and process it is fundamental for any successful activities. Hence, computational intelligence can help accelerating procedure executions related to planned actions. In general, slow search process always delays decision making in such a way that the recorded data becomes obsolete or insuficient at the decision moment. Tem-plate Matching is one of the most used techniques for finding then tracking patterns in images, wherein a small size image, termed the target, is looked for inside another that represents the environment as a whole. In this work, template matching is used via an existing co-design system. A co-processor is used to calculate the most computationally expensive task of template matching, which is the computation of the coeficient of the normalized cross correlation. The computation of this coeficient allows invariance in the case of global brightness changes in image, but it is computationally more expensive when using larger templates and yet more expensive in videos. We propose to investigate six different swarm intelligence based approaches, aiming at accelerating the process of target tracking. To evaluate the proposed project, the metrics regarding the overall processing time, number of iterations and target hit rate are used and compared. The results show that it is possible to obtain search approaches capable of processing videos at a rate of 30 frames per second while achieving an acceptable average hit rate for tracking the target.O processamento de imagens é uma importante ferramenta para auxiliar na tomada de decisão. O monitoramento contínuo de qualquer ambiente, tais como áreas públicas e parques industriais, entre outros, permite definir melhores estratégias de ação e decidir o momento correto para agir, dirimindo riscos e potencializando oportunidades. A qualidade da informação resultante do processamento de imagens deve ser boa o suficiente para evitar erros de avaliação de cenário durante o planejamento das ações futuras e a definição das metas a serem atingidas. O tempo para obter essa informação e processá-la é a base do sucesso de qualquer atividade. Assim, a inteligência computacional pode ajudar a acelerar a execução dos procedimentos relacionados às ações planejadas. Em geral, um processo de busca lento acaba sempre atrasando a tomada de decisão de modo que a informação obtida poderá se tornar obsoleta ou insuficiente no momento da tomada da decisão. A técnica Template Matching é um dos métodos mais aplicados para localizar padrões em imagens, no qual uma imagem de tamanho reduzido, chamada de alvo, é procurada dentro de outra imagem que representa o ambiente como um todo. Neste trabalho, utiliza-se Template Matching via um sistema co-design já existente. Faz-se presente um coprocessador para calcular a etapa computacionalmente mais custosa do Template Matching, que é o cálculo do coeficiente de Correlação Cruzada Normalizada. O cálculo deste coeficiente permite invariância às alterações globais de brilho nas imagens, porém é computacionalmente mais custosa ao se empregar imagens de dimensões maiores, ou mesmo conjuntos de imagens. Propôe-se investigar seis técnicas diferentes de inteligência de enxame visando acelerar o processo de busca do alvo. Para avaliar o projeto proposto, o tempo de processamento, o número de interações e a taxa de acerto são comparados. Os resultados mostram que é possível obter abordagens capazes de processar imagens de vídeos com 30 quadros por segundo com uma taxa de acerto média aceitável para detecção do alvo rastreado.Submitted by Boris Flegr (boris@uerj.br) on 2021-01-06T19:17:20Z No. of bitstreams: 1 dissertacaoAlexandreRevisaoV4.pdf: 3414378 bytes, checksum: 4dace30bd2afac2bd16ac0cc8c9700f4 (MD5)Made available in DSpace on 2021-01-06T19:17:20Z (GMT). No. of bitstreams: 1 dissertacaoAlexandreRevisaoV4.pdf: 3414378 bytes, checksum: 4dace30bd2afac2bd16ac0cc8c9700f4 (MD5) Previous issue date: 2019-01-17application/pdfporUniversidade do Estado do Rio de JaneiroPrograma de Pós-Graduação em Engenharia EletrônicaUERJBRCentro de Tecnologia e Ciências::Faculdade de EngenhariaElectronic EngineeringSelf-organizing systemsEmbedded systems (Computers)Collective intelligenceCo-designCo-processorBacterial foraging optimizationCuckoo searchElephant herding optimizationFirefliesFireworksParticle swarm optimizationEmbedded systemsObject trackingTemplate matchingNormalized cross correlationEngenharia eletrônicaSistemas auto-organizáveisSistemas embarcados (Computadores)Inteligência coletivaCo-designCorrelação cruzada normalizadaCoprocessadorColônia de abelhasBactériasPássaro cucoManada de elefantesVaga-lumesFogos de artifícioOtimização por enxame de partículasSistemas embutidosRastreamentoTemplate matchingCNPQ::ENGENHARIASEstratégias de rastreamento dedicado de objetos utilizando inteligência de enxameDedicated tracking strategies using swarm intelligenceinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UERJinstname:Universidade do Estado do Rio de Janeiro (UERJ)instacron:UERJORIGINALdissertacaoAlexandreRevisaoV4.pdfapplication/pdf3414378http://www.bdtd.uerj.br/bitstream/1/11757/1/dissertacaoAlexandreRevisaoV4.pdf4dace30bd2afac2bd16ac0cc8c9700f4MD511/117572024-02-27 15:16:46.329oai:www.bdtd.uerj.br:1/11757Biblioteca Digital de Teses e Dissertaçõeshttp://www.bdtd.uerj.br/PUBhttps://www.bdtd.uerj.br:8443/oai/requestbdtd.suporte@uerj.bropendoar:29032024-02-27T18:16:46Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)false |
dc.title.por.fl_str_mv |
Estratégias de rastreamento dedicado de objetos utilizando inteligência de enxame |
dc.title.alternative.eng.fl_str_mv |
Dedicated tracking strategies using swarm intelligence |
title |
Estratégias de rastreamento dedicado de objetos utilizando inteligência de enxame |
spellingShingle |
Estratégias de rastreamento dedicado de objetos utilizando inteligência de enxame Cardoso, Alexandre de Vasconcelos Electronic Engineering Self-organizing systems Embedded systems (Computers) Collective intelligence Co-design Co-processor Bacterial foraging optimization Cuckoo search Elephant herding optimization Fireflies Fireworks Particle swarm optimization Embedded systems Object tracking Template matching Normalized cross correlation Engenharia eletrônica Sistemas auto-organizáveis Sistemas embarcados (Computadores) Inteligência coletiva Co-design Correlação cruzada normalizada Coprocessador Colônia de abelhas Bactérias Pássaro cuco Manada de elefantes Vaga-lumes Fogos de artifício Otimização por enxame de partículas Sistemas embutidos Rastreamento Template matching CNPQ::ENGENHARIAS |
title_short |
Estratégias de rastreamento dedicado de objetos utilizando inteligência de enxame |
title_full |
Estratégias de rastreamento dedicado de objetos utilizando inteligência de enxame |
title_fullStr |
Estratégias de rastreamento dedicado de objetos utilizando inteligência de enxame |
title_full_unstemmed |
Estratégias de rastreamento dedicado de objetos utilizando inteligência de enxame |
title_sort |
Estratégias de rastreamento dedicado de objetos utilizando inteligência de enxame |
author |
Cardoso, Alexandre de Vasconcelos |
author_facet |
Cardoso, Alexandre de Vasconcelos |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Nedjah, Nadia |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/5417946704251656 |
dc.contributor.advisor-co1.fl_str_mv |
Mourelle, Luiza de Macedo |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/4189604454431782 |
dc.contributor.referee1.fl_str_mv |
Fernandes, Leandro Augusto Frata |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/4616848792501359 |
dc.contributor.referee2.fl_str_mv |
Peralva, Bernardo Sotto Maior |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/4425322010752919 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/6417850086363715 |
dc.contributor.author.fl_str_mv |
Cardoso, Alexandre de Vasconcelos |
contributor_str_mv |
Nedjah, Nadia Mourelle, Luiza de Macedo Fernandes, Leandro Augusto Frata Peralva, Bernardo Sotto Maior |
dc.subject.eng.fl_str_mv |
Electronic Engineering Self-organizing systems Embedded systems (Computers) Collective intelligence Co-design Co-processor Bacterial foraging optimization Cuckoo search Elephant herding optimization Fireflies Fireworks Particle swarm optimization Embedded systems Object tracking Template matching Normalized cross correlation |
topic |
Electronic Engineering Self-organizing systems Embedded systems (Computers) Collective intelligence Co-design Co-processor Bacterial foraging optimization Cuckoo search Elephant herding optimization Fireflies Fireworks Particle swarm optimization Embedded systems Object tracking Template matching Normalized cross correlation Engenharia eletrônica Sistemas auto-organizáveis Sistemas embarcados (Computadores) Inteligência coletiva Co-design Correlação cruzada normalizada Coprocessador Colônia de abelhas Bactérias Pássaro cuco Manada de elefantes Vaga-lumes Fogos de artifício Otimização por enxame de partículas Sistemas embutidos Rastreamento Template matching CNPQ::ENGENHARIAS |
dc.subject.por.fl_str_mv |
Engenharia eletrônica Sistemas auto-organizáveis Sistemas embarcados (Computadores) Inteligência coletiva Co-design Correlação cruzada normalizada Coprocessador Colônia de abelhas Bactérias Pássaro cuco Manada de elefantes Vaga-lumes Fogos de artifício Otimização por enxame de partículas Sistemas embutidos Rastreamento Template matching |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS |
description |
Image processing is an important tool to help in decision taking. Continuous observation of some environment, such as public areas and industrial plants, among others, allows defining the best action strategies and deciding the right moment to act, thus reducing risks and magnifying opportunities. The quality of the information resulting from such image processing must be precise enough so that it does not hinder scenario's evaluation for future action planning and goals achievement. The execution time to ob-tain this information and process it is fundamental for any successful activities. Hence, computational intelligence can help accelerating procedure executions related to planned actions. In general, slow search process always delays decision making in such a way that the recorded data becomes obsolete or insuficient at the decision moment. Tem-plate Matching is one of the most used techniques for finding then tracking patterns in images, wherein a small size image, termed the target, is looked for inside another that represents the environment as a whole. In this work, template matching is used via an existing co-design system. A co-processor is used to calculate the most computationally expensive task of template matching, which is the computation of the coeficient of the normalized cross correlation. The computation of this coeficient allows invariance in the case of global brightness changes in image, but it is computationally more expensive when using larger templates and yet more expensive in videos. We propose to investigate six different swarm intelligence based approaches, aiming at accelerating the process of target tracking. To evaluate the proposed project, the metrics regarding the overall processing time, number of iterations and target hit rate are used and compared. The results show that it is possible to obtain search approaches capable of processing videos at a rate of 30 frames per second while achieving an acceptable average hit rate for tracking the target. |
publishDate |
2019 |
dc.date.available.fl_str_mv |
2019-05-08 |
dc.date.issued.fl_str_mv |
2019-01-17 |
dc.date.accessioned.fl_str_mv |
2021-01-06T19:17:20Z |
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 |
CARDOSO, Alexandre de Vasconcelos. Estratégias de rastreamento dedicado de objetos utilizando inteligência de enxame. 2019. 132 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2019. |
dc.identifier.uri.fl_str_mv |
http://www.bdtd.uerj.br/handle/1/11757 |
identifier_str_mv |
CARDOSO, Alexandre de Vasconcelos. Estratégias de rastreamento dedicado de objetos utilizando inteligência de enxame. 2019. 132 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2019. |
url |
http://www.bdtd.uerj.br/handle/1/11757 |
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 do Estado do Rio de Janeiro |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Eletrônica |
dc.publisher.initials.fl_str_mv |
UERJ |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Centro de Tecnologia e Ciências::Faculdade de Engenharia |
publisher.none.fl_str_mv |
Universidade do Estado do Rio de Janeiro |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UERJ instname:Universidade do Estado do Rio de Janeiro (UERJ) instacron:UERJ |
instname_str |
Universidade do Estado do Rio de Janeiro (UERJ) |
instacron_str |
UERJ |
institution |
UERJ |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UERJ |
collection |
Biblioteca Digital de Teses e Dissertações da UERJ |
bitstream.url.fl_str_mv |
http://www.bdtd.uerj.br/bitstream/1/11757/1/dissertacaoAlexandreRevisaoV4.pdf |
bitstream.checksum.fl_str_mv |
4dace30bd2afac2bd16ac0cc8c9700f4 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ) |
repository.mail.fl_str_mv |
bdtd.suporte@uerj.br |
_version_ |
1811728944923148288 |