Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/ESBF-9TENSB
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor1 | William Robson Schwartz | pt_BR |
dc.contributor.advisor-co1 | Renato Antonio Celso Ferreira | pt_BR |
dc.contributor.referee1 | Renato Antonio Celso Ferreira | pt_BR |
dc.contributor.referee2 | Arnaldo de Albuquerque Araujo | pt_BR |
dc.contributor.referee3 | Erickson Rangel do Nascimento | pt_BR |
dc.contributor.referee4 | Ricardo da Silva Torres | pt_BR |
dc.creator | Antonio Carlos de Nazaré Júnior | pt_BR |
dc.date.accessioned | 2019-08-13T12:11:36Z | - |
dc.date.available | 2019-08-13T12:11:36Z | - |
dc.date.issued | 2014-09-01 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/1843/ESBF-9TENSB | - |
dc.description.abstract | Computer Vision problems applied to visual surveillance have been studied for several years aiming at finding accurate and efficient solutions. The main goal of such systems is to analyze the scene focusing on the detection and recognition of suspicious activities. To accomplish that, several problems have to be solved first, for instance background subtraction, person detection, tracking, and action recognition. Even though each of these problems have been researched in the past decades, they are hardly considered in a sequence, each one is usually solved individually. However, in a real surveillance scenarios, the aforementioned problems have to be solved in sequence. Aiming at the direction of evaluating approaches in more realistic scenarios, this work proposes a scalable framework called Smart Surveillance Framework (SSF), to allow researchers to implement their solutions to the above problems as a sequence of processing modules that communicate through a shared memory. | pt_BR |
dc.description.resumo | A disponibilidade de câmeras de vigilância dispostas em locais públicos tem aumentado significativamente nos últimos anos, provendo um ambiente seguro paras as pessoas ao custo de uma enorme quantidade de dados visuais coletada. Estes dados são, em sua maioria, processados manualmente, uma tarefa que é trabalhosa e propensa a erros. Entretanto, é desejável que abordagens automáticas possam ser utilizadas no processamento dos dados, de modo que os operadores humanos necessitem tomar decisões apenas em determinados momentos. Focados em solucionar problemas no domínio de vigilância visual, técnicas de visão computacional aplicadas à este domínio têm sido desenvolvidas durante vários anos com o objetivo de encontrar soluções precisas e eficientes, necessárias para permitir a execução de sistemas de vigilância em ambientes reais. O principal objetivos destes sistemas é a análise de cenas focando na detecção e reconhecimento de atividades suspeitas efetuadas por humanos, para que a equipe de segurança possa focar sua atenção à estas atividades pré-selecionadas. Entretanto estes sistemas são raramente escaláveis. Antes de desenvolver um sistema de vigilância completo é necessário resolver vários problemas, por exemplo: remoção de fundo, detecção de pessoas, rastreamento e re-identificação, reconhecimento de faces e reconhecimento de ações. Mesmo que cada um destes problemas tenham sido estudado nas últimas décadas, eles são dificilmente considerados como uma sequência. Cada um é geralmente solucionado de forma individual. No entanto, em um ambiente real de vigilância, os problemas citados precisam ser solucionados em ordem, considerando apenas o vídeo como a entrada. Com o objetivo de avaliar abordagens em um cenário mais realista, este trabalho propõe um framework chamado Smart Surveillance Framework (SSF), que permite os pesquisadores a implementar suas soluções para os problemas acima citados como uma sequencia de módulos de processamento que se comunicam por meio de uma memória compartilhada. O SSF é uma biblioteca C++ desenvolvida para prover características importantes à um sistema de vigilância como: uma boa interpretação das cenas, escalabilidade, operações em tempo real, ambientes multi-sensores, utilização de componentes padrões de baixo custo, reconfiguração em tempo de execução e controle da comunicação. | pt_BR |
dc.language | Inglês | pt_BR |
dc.publisher | Universidade Federal de Minas Gerais | pt_BR |
dc.publisher.initials | UFMG | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Sistemas de vigilância | pt_BR |
dc.subject | Smart surveillance framework | pt_BR |
dc.subject | Análise de vídeo | pt_BR |
dc.subject | Visão computacional | pt_BR |
dc.subject.other | Visão por computador | pt_BR |
dc.subject.other | Computação | pt_BR |
dc.subject.other | Gravações de video Sistemas de segurança | pt_BR |
dc.title | A scalable and versatile framework for smart video surveillance | pt_BR |
dc.type | Dissertação de Mestrado | pt_BR |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
antoniocarlosnazarejr.pdf | 8.97 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.