Moyenne mobile pour l'atténuation des erreurs dans le suivi des piétons

La moyenne mobile est très répandue dans le domaine de l'analyse des séries temporelles, principalement pour analyser les changements dans les valeurs boursières. Dans ce travail, la moyenne mobile sera utilisée dans un autre contexte, pour atténuer les erreurs dans les résultats du suivi des piétons dans la surveillance vidéo. La technique d'extraction des caractéristiques HOG et le classificateur SVM ont été utilisés pour détecter les piétons. Pour notre analyse, nous avons utilisé la base de données fournie par le projet CAVIAR (Context Aware Vision using Image-based Active Recognition) de l'université d'Édimbourg. Les résultats ont été positifs, en particulier lorsque les piétons se déplaçaient verticalement dans la scène de la base de données utilisée.

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.

Klappentext

La moyenne mobile est très répandue dans le domaine de l'analyse des séries temporelles, principalement pour analyser les changements dans les valeurs boursières. Dans ce travail, la moyenne mobile sera utilisée dans un autre contexte, pour atténuer les erreurs dans les résultats du suivi des piétons dans la surveillance vidéo. La technique d'extraction des caractéristiques HOG et le classificateur SVM ont été utilisés pour détecter les piétons. Pour notre analyse, nous avons utilisé la base de données fournie par le projet CAVIAR (Context Aware Vision using Image-based Active Recognition) de l'université d'Édimbourg. Les résultats ont été positifs, en particulier lorsque les piétons se déplaçaient verticalement dans la scène de la base de données utilisée.