Gleitender Mittelwert zur Fehlerbegrenzung bei der Fußgängerverfolgung

Der gleitende Mittelwert ist im Bereich der Zeitreihenanalyse sehr verbreitet, vor allem für die Analyse von Veränderungen bei Börsenwerten. In dieser Arbeit wird der gleitende Mittelwert in einem anderen Zusammenhang verwendet, um Fehler bei der Verfolgung von Fußgängern in der Videoüberwachung abzuschwächen. Die HOG-Merkmalsextraktionstechnik und der SVM-Klassifikator wurden zur Erkennung von Fußgängern verwendet. Für unsere Analyse verwendeten wir die Datenbank des CAVIAR-Projekts (Context Aware Vision using Image-based Active Recognition) der University of Edinburgh. Die Ergebnisse waren positiv, insbesondere wenn sich die Fußgänger in der verwendeten Datenbank vertikal in der Szene bewegten.

Autorentext

Karin Satie Komati enseigne à l'Ifes Campus Serra depuis 2012. Elle est titulaire d'un diplôme en informatique et en génie électrique, d'un master en informatique et d'un doctorat en génie électrique, tous obtenus à l'UFES. Gabriel Luiz Bianchi est titulaire d'une licence en systèmes d'information de l'Ifes Campus Serra.