Skip navigation
  1. RI UFPE
  2. Teses e Dissertações
  3. Teses e Dissertações defendidas na UFPE
  4. Programa de Pós-Graduação em Ciência da Computação
  5. Dissertações de Mestrado - Ciência da Computação
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/62967

Compartilhe esta página

Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorTEICHRIEB, Veronica-
dc.contributor.authorANDRADE, Isabella Stefanny Fernandes de-
dc.date.accessioned2025-05-09T19:51:42Z-
dc.date.available2025-05-09T19:51:42Z-
dc.date.issued2024-11-01-
dc.identifier.citationANDRADE, Isabella Stefanny Fernandes de. RetryTRACK: recuperando detecções faltantes no rastreamento de pedestres multi-câmera. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2024.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/62967-
dc.description.abstractO rastreamento de pedestres costuma depender de algoritmos de detecção, porém esses al- goritmos nem sempre estão corretos e podem perder alguns pedestres. Embora usar várias câmeras seja uma maneira de lidar com isso, algumas falhas ainda ocorrem. Por conta disso, é desejável que o rastreador tente corrigir as detecções faltantes utilizando as informações tem- porais. Este trabalho apresenta um método online que não requer treinamento para recuperar detecções ausentes durante o rastreamento de várias câmeras. A técnica utiliza extrapolação linear e regressão de processo gaussiano para produzir novas coordenadas suavizadas. Além disso, propomos um filtro para remover detecções duplicadas. Anexamos o módulo a um rastre- ador de múltiplas câmeras base e o avaliamos nas bases de dados WILDTRACK e MultiviewX. A precisão de rastreamento foi melhorada em 0,95 p.p. no WILDTRACK e 2,34 p.p. no Mul- tiviewX com a adição do módulo. Além disso, essa estratégia recuperou com sucesso 17,98% das detecções ausentes no WILDTRACK e significativos 40,12% no MultiviewX, ressaltando sua aplicação prática e potencial para resolver o problema.pt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectRastreamentopt_BR
dc.subjectMulti-câmerapt_BR
dc.subjectRegressão de Processo Gaussianopt_BR
dc.titleRetryTRACK : recuperando detecções faltantes no rastreamento de pedestres multi-câmerapt_BR
dc.typemasterThesispt_BR
dc.contributor.advisor-coLIMA, João Paulo-
dc.contributor.authorLatteshttp://lattes.cnpq.br/5529506615862118pt_BR
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.levelmestradopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/3355338790654065pt_BR
dc.publisher.programPrograma de Pos Graduacao em Ciencia da Computacaopt_BR
dc.description.abstractxTracking pedestrians commonly relies on detection algorithms. However, these algorithms are not always correct and may miss some pedestrians. Although using multiple cameras is a way to handle this, some failures still need to be fixed. Thus, it is desirable that the tracker attempt to fix the detections. This work introduces an online and unsupervised module designed to recover missing detections during multiple camera tracking. The module applies linear extrap- olation and Gaussian process regression techniques to produce new smoothed coordinates. Furthermore, we propose a filter to remove duplicate detections. We attached the module to a multi-camera baseline tracker and evaluated it on the WILDTRACK and MultiviewX datasets. The multiple object tracking accuracy was improved by 0.95 p.p. on WILDTRACK and 2.34 p.p. on MultiviewX with the addition of the module. Moreover, this strategy successfully recov- ered 17.98% of missing detections in WILDTRACK and a significant 40.12% in MultiviewX, underscoring its practical application and potential to address the problem.pt_BR
Aparece nas coleções:Dissertações de Mestrado - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO Isabella Stefanny Fernandes de Andrade.PDF12,27 MBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais

Ver licença
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Este item está licenciada sob uma Licença Creative Commons Creative Commons