Aluno: Eduardo Henrique Arnold
Orientador: Danilo Silva
Resumo O presente trabalho aborda o desenvolvimento de um sistema de segurança industrial que requer detecção automática de pessoas. Esse sistema deve impedir que uma estrutura se movimente enquanto houver colaboradores em uma área de risco. O foco do trabalho é na detecção automática de pessoas, que é feita com base em imagens de profundidade, visão computacional e algoritmos de aprendizado de máquina. São propostas duas soluções para tal problema. A primeira se baseia em técnicas tradicionais de aprendizado de máquina utilizando extratores de características e classificador Support Vector Machine. A segunda utiliza técnicas de aprendizado profundo, mais especificamente redes neurais artificiais. A análise de desempenho das soluções revelou que os métodos de aprendizado profundo apresentam desempenho superior ao das técnicas tradicionais. Além disso, observou-se que as técnicas de aprendizado profundo não se restringem a grandes conjuntos de dados (big data), mas que podem ser empregadas com sucesso em situações com volume moderado de amostras, inclusive desbalanceadas.
Palavras-chave: Visão computacional. Aprendizado de máquina. Classificação. Redes neurais artificiais. Aprendizado profundo.
Apresentação ocorreu dia 7 de Dezembro de 2016 na UFSC, em Florianópolis.