https://repositorio.ufba.br/handle/ri/18546
Tipo: | Dissertação |
Título: | Segmentação de Embarcação em Ambientes Fluviais |
Autor(es): | Pimentel, Fagner de Assis Moura |
Autor(es): | Pimentel, Fagner de Assis Moura |
Abstract: | Este trabalho apresenta uma pesquisa e o estudo de técnicas de visão computacional voltadas para a segmentação de embarcações utilizando câmeras Pan-Tilt-Zoom de modo a auxiliar a automação e otimização do processo de eclusagem nas represas do rio Tietê no estado de São Paulo, Brasil. São apresentadas e comparadas técnicas de Subtração de Fundo e Classificação utilizando SVM (Support Vector Machine) como classificador. Com este estudo foi possível definir um conjunto de técnicas que melhor se adequam a segmentação de embarcações em ambientes fluviais. Foram realizados testes extensivos para selecionar as melhores técnicas e parâmetros para cada fase e descrever um estudo comparativo das técnicas utilizadas. A metodologia utilizada neste trabalho se divide em coleta e classificação de dados (vídeos), criação de datasets, avaliação de métodos de detecção de movimento da câmera PTZ, avaliação de métodos para segmentação de região de água e avaliação de métodos de detecção de objetos móveis por subtração de fundo. Para a detecção de movimento de câmera visando a reinicialização do método de subtração de fundo usado neste trabalho, foi realizada a comparação de 8 métodos variando seus thresholds. O método BorderTracer (BT) desenvolvido neste trabalho, apresentou os melhores resultados com accuracy (ACC) médio = 99.71% (threshold = 8). Para a segmentação da região de água, usada como informação de contexto para a etapa seguinte, foram realizadas variações de pré-processamento e espaço de cor das imagens selecionadas, além da otimização dos parâmetros para os kernels do classificador SVM em um total de 112 combinações. O espaço de cor YCbCr sem pré-processamento e com o uso do kernel com Função de Base Radial (RBF) apresentou os melhores resultados com Balanced Acurracy (BAC) médio = 94.53%. Para a segmentação das embarcações foi realizada uma otimização de parâmetros dos dois melhores algoritmos pré-selecionados da BGSlibrary em um total de 175 combinações. O algoritmo StaticFrameDifferenceBGS, juntamente com a técnica de histerese (baixo limiar = 15 e e alto limiar = 100) apresentou um Balanced Acurracy (BAC) médio = 88.77% enquanto o DPEigenbackgroundBGS com ℎ𝑖𝑠𝑡𝑜𝑟𝑦𝑆𝑖𝑧𝑒 = 10 e 𝑒𝑚𝑏𝑒𝑑𝑑𝑒𝑑𝐷𝑖𝑚 = 20 juntamente com a técnica de histerese (baixo limiar = 15 e alto limiar = 100) apresentou um melhor Balanced Acurracy (BAC) médio = 91.25%, e portanto foi selecionado para esta etapa. Entre os resultados deste projeto, encontrase também o desenvolvimento de uma ferramenta semi-automática de anotação de vídeos em máscara binária, a criação de um novo dataset, inédito, de embarcações em ambientes fluviais anotados em máscara binária e o desenvolvimento de uma rotina de detecção de movimento da câmera, o BorderTracer apresentado anteriormente; |
Palavras-chave: | Segmentação Classificação Embarcação Ambiente Fluvial |
CNPq: | Ciências Exatas e da Terra Ciência da Computação Metodologia e Técnicas da Computação Processamento Gráfico (Graphics) |
País: | brasil |
Sigla da Instituição: | IM |
metadata.dc.publisher.program: | Programa Multi-institucional de Mestrado em ciência da Computação |
Tipo de Acesso: | Acesso Aberto |
URI: | http://repositorio.ufba.br/ri/handle/ri/18546 |
Data do documento: | 26-Jan-2016 |
Aparece nas coleções: | Dissertação (PGCOMP) |
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertacao_Mestrado_Fagner_Pimentel.pdf | 7,06 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.