Técnicas otimizadas para reidentificação de pessoas

Página do item simplificado
dc.creatorCristianne Rodrigues Santos Dutra
dc.date.accessioned2019-08-12T10:55:24Z
dc.date.accessioned2025-09-08T23:43:12Z
dc.date.available2019-08-12T10:55:24Z
dc.date.issued2016-07-12
dc.identifier.urihttps://hdl.handle.net/1843/ESBF-AEDNHK
dc.languagePortuguês
dc.publisherUniversidade Federal de Minas Gerais
dc.rightsAcesso Aberto
dc.subjectSistemas de reconhecimento de padrões
dc.subjectVisão por computador
dc.subjectComputação
dc.subjectProcessamento de imagens
dc.subject.otherVisão Computacional
dc.subject.otherPLS-OAA
dc.subject.otherReidentificação de Pessoas
dc.subject.otherBag-of-Words
dc.subject.otherLista invertida
dc.titleTécnicas otimizadas para reidentificação de pessoas
dc.typeDissertação de mestrado
local.contributor.advisor1William Robson Schwartz
local.contributor.referee1Jefersson Alex dos Santos
local.contributor.referee1João Paulo Papa
local.description.resumoA importância da reidentificação de pessoas tem aumentado nos últimos anos, principalmente devido às grandes redes de câmeras de vigilância. O objetivo é reidentificar os indivíduos que tenham sido previamente identificados em uma câmera distinta em um tempo anterior. Muitas abordagens têm sido propostas, porém ainda existem desafios a serem solucionados, tais como modelagem da aparência e a gestão de um crescente número de indivíduos que estão sendo monitorados. O presente trabalho aborda o último problema por meio da criação de uma estrutura de indexação baseada em listas invertidas, trazendo para as primeiras posições os candidatos com maior probabilidade de serem o indivíduo alvo. Duas abordagens foram propostas, a primeira utiliza dicionários visuais que são aprendidos para armazenar as características das amostras, a segunda faz uso do método Partial Least Squares para reduzir a ambiguidade entre as aparências. Os resultados mostram redução significativa da lista de candidatos.
local.publisher.initialsUFMG

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
cristiannerodriguesdutra.pdf
Tamanho:
4.43 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Pós-Graduação em Ciência da Computação - Dissertações

Logo UFMG