MONITORAMENTO AUTOMÁTICO DE VÍDEOS A PARTIR DE CÂMERAS DE SEGURANÇA UTILIZANDO REDES NEURAIS CONVOLUCIONAIS E VISÃO COMPUTACIONAL

Resumo

A maioria dos sistemas de segurança residenciais ou comerciais baseia-se em monitoramento onde a análise é feita pela interpretação humana. Para aprimorar esse processo, têm sido propostos modelos que realizam a análise e o reconhecimento de características de pessoas, como altura, cor da pele e reconhecimento facial, entre outros, com o objetivo de tornar a identificação e o monitoramento mais eficientes. Os algoritmos e técnicas de visão computacional e de redes neurais convolucionais desempenham um papel crucial na busca por processos automatizados para fornecer mais segurança para as pessoas, sendo amplamente utilizados e constantemente aprimorados. Neste trabalho, foi utilizada a rede neural convolucional YOLO (You Only Look Once) para a identificação de objetos (pessoas e veículos) e YOLO-Pose para a identificação dos pontos chave das articulações do corpo. Além disso, os espaços de cores HSV (Hue, Saturation, Value) e YCbCr (brilho (luma), (B-Y) diferença de crominância azul, (R-Y) diferença de crominância vermelha) foram combinados e aplicados para a identificação e extração de características, como o tipo e a cor da roupa de pessoas, para possibilitar a contagem de vezes que uma pessoa esteve no foco da câmera. A partir dos experimentos realizados pelos autores, utilizando diferentes combinações de roupas, o algoritmo foi capaz de detectar com precisão de 90%, as peças de roupa utilizadas pelas pessoas na cena.