Filtro de partículas hibridizado com métodos da computação natural para detecção e rastreamento

Detalhes bibliográficos
Ano de defesa: 2011
Autor(a) principal: Lima, Leandro Muniz de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Espírito Santo
BR
Mestrado em Informática
Centro Tecnológico
UFES
Programa de Pós-Graduação em Informática
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Rastreamento automático
Processamento de imagens
Inteligência artificial
Processo estocástico
Otimização matemática
Ciência da Computação
004
Link de acesso: http://repositorio.ufes.br/handle/10/6412
Resumo: Detecting and tracking objects in image sequences currently appears in various situationsof everyday life and stands out for its importance in many areas, for example, in security (monitoringobjects or persons), among others. A commonly used method is the Particle Filter,the main issue of Particle Filter is degeneration, which may imply a worse tracking. In this work, it is presented two hybrid method of Particle Filter. This hybridization occurs combining a Particle Filter and a natural computing: i) Particle Swarm Optimization; and ii) Differential Evolution. That way, aiming to minimize the degeneration problem in Particle Filter, in order to improve the performance of the tracking method. The proposed methods were applied to two case studies: i) for tracking the trajectory of the truck-trailer system, and ii) to detect and track a person s face in an image sequence. The results in terms of tracking quality indicate a better performance of hybridized algorithms when compared with the standard Particle Filter.
id UFES_540548660a5266c1871cb2e67440134a
oai_identifier_str oai:repositorio.ufes.br:10/6412
network_acronym_str UFES
network_name_str Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
repository_id_str
spelling Filtro de partículas hibridizado com métodos da computação natural para detecção e rastreamentoRastreamento automáticoProcessamento de imagensInteligência artificialProcesso estocásticoOtimização matemáticaCiência da Computação004Detecting and tracking objects in image sequences currently appears in various situationsof everyday life and stands out for its importance in many areas, for example, in security (monitoringobjects or persons), among others. A commonly used method is the Particle Filter,the main issue of Particle Filter is degeneration, which may imply a worse tracking. In this work, it is presented two hybrid method of Particle Filter. This hybridization occurs combining a Particle Filter and a natural computing: i) Particle Swarm Optimization; and ii) Differential Evolution. That way, aiming to minimize the degeneration problem in Particle Filter, in order to improve the performance of the tracking method. The proposed methods were applied to two case studies: i) for tracking the trajectory of the truck-trailer system, and ii) to detect and track a person s face in an image sequence. The results in terms of tracking quality indicate a better performance of hybridized algorithms when compared with the standard Particle Filter.Detecção e rastreamento de objetos em sequências de imagens aparece atualmente em várias situações do nosso cotidiano e se destaca pela sua importância em várias áreas como, por exemplo, na área de segurança (monitoramento de objetos ou indivíduos), dentre outros. Um dos métodos comumente utilizado é o Filtro de Partículas (FP), o principal problema do FP é a degeneração, que pode implicar em um rastreamento pior. Nesta dissertação, serão apresentados dois método híbridos baseado no Filtro de Partículas. A hibridização ocorre através da combinação do Filtro de Partículas com um método da computação natural: i) Otimização através de Enxame de Partículas; e ii) Evolução Diferencial. Os métodos propostos foram aplicados para dois estudos de caso: i) para rastreamento de trajetória de um sistema não linear caminhãoreboque, e ii) para detectar e rastrear a face de uma pessoa em uma sequência de imagens. Os resultados obtidos em termos de qualidade de rastreamento indicam um melhor desempenho dos algoritmos hibridizados quando comparados com o Filtro de Partículas padrão.Universidade Federal do Espírito SantoBRMestrado em InformáticaCentro TecnológicoUFESPrograma de Pós-Graduação em InformáticaKrohling, Renato AntonioSalomão, João MarquesBoeres, Maria Claudia SilvaLima, Leandro Muniz de2016-12-23T14:33:46Z2012-01-202016-12-23T14:33:46Z2011-08-25info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisTextapplication/pdfLIMA, Leandro Muniz de. Filtro de partículas hibridizado com métodos da computação natural para detecção e rastreamento. 2011. Dissertação (Mestrado em Informática) - Universidade Federal do Espírito Santo, Centro Tecnológico, Vitória, 2011.http://repositorio.ufes.br/handle/10/6412porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)instname:Universidade Federal do Espírito Santo (UFES)instacron:UFES2024-07-17T16:59:05Zoai:repositorio.ufes.br:10/6412Repositório InstitucionalPUBhttp://repositorio.ufes.br/oai/requestriufes@ufes.bropendoar:21082024-07-17T16:59:05Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)false
dc.title.none.fl_str_mv Filtro de partículas hibridizado com métodos da computação natural para detecção e rastreamento
title Filtro de partículas hibridizado com métodos da computação natural para detecção e rastreamento
spellingShingle Filtro de partículas hibridizado com métodos da computação natural para detecção e rastreamento
Lima, Leandro Muniz de
Rastreamento automático
Processamento de imagens
Inteligência artificial
Processo estocástico
Otimização matemática
Ciência da Computação
004
title_short Filtro de partículas hibridizado com métodos da computação natural para detecção e rastreamento
title_full Filtro de partículas hibridizado com métodos da computação natural para detecção e rastreamento
title_fullStr Filtro de partículas hibridizado com métodos da computação natural para detecção e rastreamento
title_full_unstemmed Filtro de partículas hibridizado com métodos da computação natural para detecção e rastreamento
title_sort Filtro de partículas hibridizado com métodos da computação natural para detecção e rastreamento
author Lima, Leandro Muniz de
author_facet Lima, Leandro Muniz de
author_role author
dc.contributor.none.fl_str_mv Krohling, Renato Antonio
Salomão, João Marques
Boeres, Maria Claudia Silva
dc.contributor.author.fl_str_mv Lima, Leandro Muniz de
dc.subject.por.fl_str_mv Rastreamento automático
Processamento de imagens
Inteligência artificial
Processo estocástico
Otimização matemática
Ciência da Computação
004
topic Rastreamento automático
Processamento de imagens
Inteligência artificial
Processo estocástico
Otimização matemática
Ciência da Computação
004
description Detecting and tracking objects in image sequences currently appears in various situationsof everyday life and stands out for its importance in many areas, for example, in security (monitoringobjects or persons), among others. A commonly used method is the Particle Filter,the main issue of Particle Filter is degeneration, which may imply a worse tracking. In this work, it is presented two hybrid method of Particle Filter. This hybridization occurs combining a Particle Filter and a natural computing: i) Particle Swarm Optimization; and ii) Differential Evolution. That way, aiming to minimize the degeneration problem in Particle Filter, in order to improve the performance of the tracking method. The proposed methods were applied to two case studies: i) for tracking the trajectory of the truck-trailer system, and ii) to detect and track a person s face in an image sequence. The results in terms of tracking quality indicate a better performance of hybridized algorithms when compared with the standard Particle Filter.
publishDate 2011
dc.date.none.fl_str_mv 2011-08-25
2012-01-20
2016-12-23T14:33:46Z
2016-12-23T14:33:46Z
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.uri.fl_str_mv LIMA, Leandro Muniz de. Filtro de partículas hibridizado com métodos da computação natural para detecção e rastreamento. 2011. Dissertação (Mestrado em Informática) - Universidade Federal do Espírito Santo, Centro Tecnológico, Vitória, 2011.
http://repositorio.ufes.br/handle/10/6412
identifier_str_mv LIMA, Leandro Muniz de. Filtro de partículas hibridizado com métodos da computação natural para detecção e rastreamento. 2011. Dissertação (Mestrado em Informática) - Universidade Federal do Espírito Santo, Centro Tecnológico, Vitória, 2011.
url http://repositorio.ufes.br/handle/10/6412
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 Text
application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Espírito Santo
BR
Mestrado em Informática
Centro Tecnológico
UFES
Programa de Pós-Graduação em Informática
publisher.none.fl_str_mv Universidade Federal do Espírito Santo
BR
Mestrado em Informática
Centro Tecnológico
UFES
Programa de Pós-Graduação em Informática
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
instname:Universidade Federal do Espírito Santo (UFES)
instacron:UFES
instname_str Universidade Federal do Espírito Santo (UFES)
instacron_str UFES
institution UFES
reponame_str Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
collection Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)
repository.mail.fl_str_mv riufes@ufes.br
_version_ 1834479098841268224

Registros relacionados