Use este identificador para citar ou linkar para este item:
https://repositorio.unifei.edu.br/jspui/handle/123456789/843
Tipo: | Dissertação |
Título: | Combinação de rastreadores utilizando filtro de Kalman. |
Autor(es): | CAMPOS, Pedro Senna de |
Abstract: | O rastreamento visual de objetos é parte vital em sistemas que realizam a percepção visual do ambiente, sendo fundamental para que as máquinas sejam capazes de ver, entender e reagir ao ambiente. O seu principal objetivo e determinar a localização de objetos de interesse em cada quadro de um vídeo de forma precisa e robusta, permitindo que aplicações de alto nível utilizem este conhecimento em suas operações. Neste trabalho é apresentado um método de rastreamento de objetos baseado em combinações de rastreadores chamado KFebT. Este método é capaz de fundir o resultado de diversos métodos de rastreamento ou métodos especialistas utilizando um filtro de Kalman. O método de fusão proposto é simples e não precisa de treinamento prévio, necessitando apenas do resultado dos rastreadores e de uma medida de confiança nesses resultados. Foram realizados testes na base de dados do Visual Object Tracking Challenge (VOT) 2015. O KFebT foi testado com combinações de dois ou três métodos de rastreamento e os resultados demonstram uma clara melhoria nos resultados comparando com o dos rastreadores utilizados em sua composição. |
metadata.dc.publisher.department: | IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
metadata.dc.publisher.program: | Programa de Pós-Graduação: Mestrado - Ciência e Tecnologia da Computação |
Citação: | CAMPOS, Pedro Senna de. Combinação de rastreadores utilizando filtro de Kalman. 2017. 78 f. Dissertação (Mestrado em Ciência e Tecnologia da Computação) – Universidade Federal de Itajubá, Itajubá, 2017. |
URI: | https://repositorio.unifei.edu.br/jspui/handle/123456789/843 |
Data do documento: | Jun-2017 |
Aparece nas coleções: | Dissertações |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
dissertacao_campos3_2017.pdf | 15,47 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.