dc.contributor.author | Campanini, Eduardo Felipe | |
dc.date.accessioned | 2023-11-27T20:18:47Z | |
dc.date.available | 2023-11-27T20:18:47Z | |
dc.date.issued | 2023-03-31 | |
dc.identifier.citation | CAMPANINI, Eduardo Felipe. Detecção e rastreamento de meteoros: abordagem em operações morfológicas. 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/18950. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/18950 | |
dc.description.abstract | The object detection and tracking system implemented in this project consists of a series of steps that involve capturing and preprocessing video frames, object detection through image segmentation, object tracking using a region correlation algorithm, and finally outputting the results in Excel and XML files.
The implementation makes use of image processing and computer vision libraries such as OpenCV and Pandas. Object detection is performed through adaptive thresholding and image segmentation, while tracking is done through the KCF algorithm, which uses region correlation to track objects over video frames. The tracking results are stored in a dataframe, which is later sorted and saved to Excel and XML files. The Excel file contains information such as the object identifier, centroid coordinates, and the frame number in which the object was detected. The XML file contains similar information, but in a more structured format.
The system showed good results in different test scenarios, being able to detect and track objects with high precision and reliability. The code is highly configurable, allowing adjustments for different types of objects, sizes and speeds of movement, as well as for different video recording environments. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Visão computacional | por |
dc.subject | Análise de vídeo | por |
dc.subject | Meteoro | por |
dc.subject | BRAMON | por |
dc.subject | Processamento de imagem | por |
dc.subject | OpenCV | por |
dc.subject | Rastreamento de meteoro | por |
dc.subject | Rastreamento de objetos | por |
dc.subject | Detecção de objetos | por |
dc.subject | Computer vision | eng |
dc.subject | Video analysis | eng |
dc.subject | Meteor | eng |
dc.subject | Image processing | eng |
dc.subject | Meteor tracking | eng |
dc.subject | object tracking | eng |
dc.subject | object detection | eng |
dc.title | Detecção e rastreamento de meteoros: abordagem em operações morfológicas | por |
dc.title.alternative | Detection and tracking of meteors: morphological operation approach | eng |
dc.type | TCC | por |
dc.contributor.advisor1 | Barcellos, Robson | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/9844506370403162 | por |
dc.contributor.advisor-co1 | Mourão, Daniela Cardoso | |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/8279702605367383 | por |
dc.description.resumo | O sistema de detecção e rastreamento de objetos em vídeo implementado neste projeto consiste em uma série de etapas que envolvem a captura e pré-processamento de frames de vídeo, detecção de objetos por meio de segmentação de imagens, rastreamento de objetos usando um algoritmo de correlação de regiões, e finalmente a saída dos resultados em arquivos de Excel e XML.
A implementação faz uso de bibliotecas de processamento de imagens e visão computacional, como OpenCV e Pandas. A detecção de objetos é realizada por meio de thresholding adaptativo e segmentação de imagens, enquanto que o rastreamento é feito por meio do algoritmo de distância euclidiana que usa correlação de regiões para rastrear os objetos ao longo dos frames do vídeo. Os resultados do rastreamento são armazenados em um dataframe, que é posteriormente ordenado e salvo em arquivos de Excel e XML. O arquivo de Excel contém informações como o identificador do objeto, as coordenadas de centroide, e o número do frame em que o objeto foi detectado. O arquivo XML contém informações semelhantes, mas em um formato mais estruturado.
O sistema apresentou bons resultados em diferentes cenários de teste, conseguindo detectar e rastrear objetos com alta precisão e confiabilidade. O código é altamente configurável, permitindo ajustes para diferentes tipos de objetos, tamanhos e velocidades de movimento, bem como para diferentes ambientes de gravação de vídeo. | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | ENGENHARIAS::ENGENHARIA ELETRICA | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | https://lattes.cnpq.br/2509955704133748 | por |
dc.publisher.course | Engenharia Elétrica - EE | por |
dc.contributor.authororcid | https://orcid.org/0009-0001-0390-6428 | por |
dc.contributor.advisor1orcid | https://orcid.org/0000-0002-6009-4825 | por |