Please use this identifier to cite or link to this item: http://repositorio.ufersa.edu.br/handle/prefix/5772
metadata.dc.type: Trabalho de Conclusão de Curso
Title: Reconhecimento de indivíduos em vídeo utilizando estimativa de pose humana
metadata.dc.creator: Silva, José Carlos da
metadata.dc.contributor.advisor1: Souza, Daniel Faustino Lacerda de
metadata.dc.contributor.referee1: Oliveira, Leiva Casemiro
metadata.dc.contributor.referee2: Lopes, Danniel Cavalcante
metadata.dc.description.resumo: A necessidade de identificar pessoas sempre esteve presente na sociedade, sendo utilizada em diversas áreas, das quais podemos citar a indústria de segurança como destaque. Essa tarefa se tornou mais rápida devido ao uso da computação, o que fez a sua utilização ser ampliada, estando o reconhecimento facial entre as técnicas mais precisas e utilizadas. Embora seja eficaz o reconhecimento facial requer imagens em alta resolução e com boa iluminação, além de precisar que, na maioria das aplicações, a face seja capturada de frente. Esses requisitos nem sempre são alcançados e, para muitas situações, precisamos recorrer a outras técnicas para identificação de indivíduos, utilizando outras partes do corpo. Neste trabalho abordamos a possibilidade de reconhecer indivíduos em imagens e vídeos, utilizando alguns pontos-chave do seu corpo, fornecidos por uma biblioteca de OpenPose. O objetivo é projetar uma Rede Neural Artificial capaz de classificar os indivíduos presentes em uma imagem utilizando a estrutura corporal formada por esses pontos. A metodologia usada consiste na definição de algumas relações de proporção entre as partes do corpo, calculadas a partir da distância entre os pontos-chave, de modo que se possa criar um modelo de classificação consistente, com um conjunto de pesos capaz de reconhecer um indivíduo. Os testes realizados apresentaram bons resultados para indivíduos que tiveram seu classificador treinado, reconhecendo estes com precisão de mais 90%. Em testes com imagens de indivíduos que não tinham classificador treinado na rede, a taxa de erros de classificação foi muito alta, onde um indivíduo desconhecido era classificado como um indivíduo que possui classificador treinado.
Abstract: The need to identify people has always been present in society, being used in several areas, of which we can mention the security industry as a highlight. This task has become faster due to the use of computing, which has increased its use, with facial recognition being among the most accurate and used techniques. Although facial recognition is effective, it requires high resolution images with good lighting, in addition to requiring that, in most applications, the face be captured from the front. These requirements are not always met and, for many situations, we need to resort to other techniques for identifying individuals, using other parts of the body. In this work we discuss the possibility of recognizing individuals in images and videos, using some key points of their body, provided by an OpenPose library. The goal is to design an Artificial Neural Network capable of classifying the individuals present in an image using the body structure formed by these points. The methodology used consists in the definition of some proportion relations between the parts of the body, calculated from the distance between the key points, so that a consistent classification model can be created, with a set of weights capable of recognizing an individual . The tests performed showed good results for individuals who had their classifier trained, recognizing these with an accuracy of over 90 %. In tests with images of individuals who did not have a trained classifier on the network, the rate of classification errors was very high, where an unknown individual was classified as an individual with trained classifier.
Keywords: OpenPose
Redes neurais artificiais
OpenCV
Reconhecimento de indivíduos
Visão computacional
OpenPose
Artificial neural networks
OpenCV
Individual Recognition
Computer vision
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal Rural do Semi-Árido
metadata.dc.publisher.initials: UFERSA
metadata.dc.publisher.department: Centro de Ciências Exatas e Naturais - CCEN
Citation: Citação com autor incluído no texto: Silva (2020) Citação com autor não incluído no texto: (SILVA, 2020)
metadata.dc.rights: Acesso Aberto
URI: http://repositorio.ufersa.edu.br/handle/prefix/5772
Issue Date: 6-Feb-2020
Appears in Collections:Ciência da Computação

Files in This Item:
File Description SizeFormat 
JoseCS_MONO.pdf22.9 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.