Avaliação de métodos de calibração automática de câmeras utilizando pedestres como referência

• Ano de defesa: 2025
• Autor(a) principal: CAVALCANTE, Ariany França
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco; UFPE; Brasil; Programa de Pos Graduacao em Ciencia da Computacao
• Palavras-chave em Português: Visão computacional; Calibração de câmeras; Detecção de pedestres
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/67162

A visão computacional desempenha um papel essencial em diversas aplicações, como vi gilância inteligente e reconstrução 3D, permitindo o rastreamento de pessoas e objetos em sistemas multi-câmera. No entanto, para que esses sistemas operem corretamente, é funda mental que a calibração das câmeras seja precisa. A calibração automática surge como uma alternativa promissora à calibração manual tradicional, que apresenta desafios significativos, como a necessidade de um ambiente controlado, a exigência de intervenção humana e a difi culdade de recalibração em sistemas dinâmicos. Apesar do seu potencial, muitas técnicas do estado da arte ainda não foram amplamente testadas em cenários realistas, onde fatores como oclusões e rotas curtas podem impactar a precisão da calibração. Diante desse contexto, este trabalho investiga o desempenho de técnicas de calibração automática baseadas em pedestres, analisando sua eficácia e limitações em ambientes não controlados. Os experimentos demons tram que, embora a técnica avaliada apresente potencial, ainda há altos erros de calibração e grande variabilidade nas estimativas dos parâmetros extrínsecos. A qualidade dos dados de entrada mostrou-se um fator crítico, uma vez que, em condições reais, a detecção das poses humanas pode ser comprometida, afetando negativamente a calibração. Além disso, a rota dos pedestres influencia significativamente o desempenho do método. Os resultados indicam que a calibração automática de redes de câmeras ainda enfrenta desafios significativos para adaptação a cenários dinâmicos. Dessa forma, são necessárias abordagens mais robustas e ge neralizáveis, capazes de lidar com diferentes fontes de erro. A coleta de dados mais controlados pode ser uma estratégia para isolar e compreender melhor os fatores que afetam a calibração.