Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/BUBD-A7NK8B| Type: | Tese de Doutorado |
| Title: | Uma metodologia probabilística para combinação de detectores de pessoas |
| Authors: | Natalia Cosse Batista |
| First Advisor: | Guilherme Augusto Silva Pereira |
| First Referee: | Bruno Vilhena Adorno |
| Second Referee: | William Robson Schwartz |
| Third Referee: | Flavio Luis Cardeal Padua |
| metadata.dc.contributor.referee4: | Denis Fernando Wolf |
| Abstract: | A coexistência de sistemas robóticos com os seres humanos é cada dia maior. Por causa disso, esses sistemas devem trabalhar de forma segura com as pessoas, sendo essencial terem uma avançada percepção do ambiente e a capacidade de detectar pessoas de forma eficiente em seu espaço de trabalho. Uma vez que a detecção de pessoas pode ser bastante desafiadora em ambientes contendo outros objetos, os detectores de pessoas existentes não são completamente confiáveis, deixando de detectar as pessoas presentes no ambiente em algumas situações, além de realizarem falsas detecções. Neste contexto, esta tese propõe uma metodologia para combinar diversos detectores de pessoas utilizando técnicas probabilísticas. O objetivo é explorar as vantagens individuais de diversos detectores de pessoas e produzir um resultado melhor em relação aos detectores individuais de forma que, quando mais de um detector indica a presença de uma pessoa em uma dada posição, a confiança da detecção é aumentada em relação à confiança de apenas um detector individual. Os detectores podem contar com informações de um ou mais sensores, tais como câmeras e sensores a laser, e sua combinação permite uma detecção de pessoas mais robusta a falhas e oclusões, resultando em informações mais precisas e completas do que aquelas fornecidas pelos detectores individuais. Além disso, por ser inspirada no Filtro de Bayes, a metodologia proposta contém etapas de predição e atualização, fazendo uso de informação temporal para melhorar a qualidade das detecções. Os modelos utilizados nessas etapas são especificados em função dos detectores combinados, levando em consideração uma medida de confiança atribuída a eles e obtida experimentalmente. Experimentos foram realizados com um robô móvel locomovendo-se autonomamente em um ambiente dinâmico contendo pessoas. A metodologia foi implementada por meio de uma grade semântica local, que representa as probabilidades da presença de pessoas em regiões específicas do ambiente. Os resultados mostraram que a metodologia proposta apresenta vantagens em relação a detectores de pessoas individuais. Em comparação com outras abordagens de fusão de detectores, em que usualmente um aumento no número de pessoas detectadas acompanha também um aumento no número de falsas detecções, os resultados demonstraram que é possível obter um maior número de detecções das pessoas realmente presentes no ambiente mantendo o número de falsos alarmes baixo. |
| Abstract: | The coexistence of robotic systems and human beings is increasing every day. Because of that, these systems should be designed to interact safely with people, being essential the presence of an advanced perception of the environment and the ability to detect peopleeciently. Once the detection of people can be challenging in environments containing other objects, modern people detectors are not completely reliable since they usually fail to detect people and also make false detections. In this context, this doctoral thesis proposesa methodology to combine high-level information from several people detectors using probabilistic techniques. The objective is to exploit the individual advantages of several people detectors yielding in a more accurate and complete information than the one given by a single detector alone. Thus, when more than one detector nd a person at the same position, the condence of detection is increased. The detectors rely on information from one or more sensors, such as cameras and laser rangenders. The detectors' combination allows the prediction of the position of the persons inside the sensors' elds of view and, in some situations, outside them. Also, the fusion of the detector's output can make people detection more robust to failures and occlusions. The proposed methodology is based on a recursive Bayes Filter, whose prediction and update models are specied in function of the detectors used, taking into account a measure of condence assigned to them, which is obtained experimentally. The concepts of prediction and update are used in the steps of the methodology, making use of temporal information to improve the quality of detection. Experiments were executed with a mobile robot that collects real data in a dynamic environment containing people while moving autonomously. The implementation of the methodology uses a local semantic grid to represent the robot's local workspace, which contains probability values related to the presence of people in specic regions of the workspace. The obtained results indicate the improvements brought by the approachin relation to a single detector alone and show that it is possible to obtain a larger number of detections of the people keeping the number of false detections low |
| Subject: | Detectores Engenharia elétrica Pessoas |
| language: | Português |
| Publisher: | Universidade Federal de Minas Gerais |
| Publisher Initials: | UFMG |
| Rights: | Acesso Aberto |
| URI: | http://hdl.handle.net/1843/BUBD-A7NK8B |
| Issue Date: | 6-Jul-2015 |
| Appears in Collections: | Teses de Doutorado |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.