DEEP LEARNING APLICADO AO RECONHECIMENTO E DETECÇÃO DE PESSOAS

PRETEL, Tomas de Carvalho1; FREIRE, Roberto Zanetti2;

Resumo

Introdução:Atualmente o monitoramento de praias é realizado por um grupo de bombeiros distribuídos ao longo da praia, porém essa prática despende uma quantidade significativa de recursos em mão de obra humana para monitorar toda a costa. Ao mesmo tempo, diminuir o número de bombeiros dedicados a esta tarefa afetaria diretamente a segurança dos banhistas, já que isso significaria que a área de monitoramento seria menor. Tendo tudo isso em mente, neste trabalho foi proposta uma solução centrada em inteligência artificial, mais especificamente, para a área de reconhecimento e classificação em imagens.

Objetivo:Aplicar uma arquitetura baseada em inteligência artificial voltada para o processamento de imagens no reconhecimento de padrões associados a detecção de pessoas em imagens e/ou vídeos do litoral.

Metodologia:Para a realização dos objetivos a arquitetura proposta para o projeto foi dividia em três grandes etapas: Rede Neural Convolucional (CNN), Máquina de Vetores de Suporte (SVM) e AdaBoost. Todas as técnicas utilizadas são baseadas em inteligência artificial, cada uma responsável por uma operação distinta a ser realizada sobre a imagem de estudo. A primeira operação é realizada pelo AdaBoost, o qual encontra as regiões de interesse dentro da imagem, as quais podem conter o objeto procurado. A segunda operação é responsável por extrair as características dessas regiões por meio da Rede Neural Convolucional. Uma vez extraídas essas características, inicia-se o terceiro e último procedimento, classificar por meio da Máquina de Vetores de Suporte se as características extraídas são ou não do objeto procurado, nesse caso a cabeça dos banhistas. O conjunto dessas três técnicas formam uma arquitetura capaz de detectar na imagem a localização da cabeça dos banhistas num cenário real do ambiente da praia.

Resultados:Durante o desenvolvimento da aplicação foi possível implementar duas das três técnicas mencionadas, a Rede Neural Convolucional e a Máquina de Vetores de Suporte. As quais foram implementadas e testadas com sucesso, obtendo boas taxas de precisão.

Conclusões:Ao final deste projeto foi realizado um trabalho que pode ser aprimorado futuramente para atender por completo com os objetivos propostos. Para tal seria necessário o desenvolvimento e aprimoramento das técnicas mencionadas e também a criação de um banco de dados com as imagens obtidas durante o desenvolvimento deste projeto.

Palavras-chave: Rede Neural Convolucional. Máquina de Vetores de Suporte. AdaBoost. Inteligência artificial. Processamento de imagens.

Legendas

    1. Estudante
    2. Orientador