Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.unipampa.edu.br/jspui/handle/riu/7537
Tipo: Trabalho de Conclusão de Curso
Título : Rede Neural convolucional aplicada no monitoramento por câmeras de segurança
Autor(es): Silva, Angelo Rodrigues
Primeiro Orientador: Nunes, Gerson Alberto Leiria
2° Membro da banca: Nunes, Gerson Alberto Leiria
3° Membro da banca: Heinen, Milton Roberto
4° Membro da banca: Ramos, Fábio Luis Livi
Resumo: Considerando a segurança um fator primário para uma boa qualidade de vida e considerando a atual situação em nossa sociedade, torna-se evidente a necessidade de desenvolvermos métodos mais eficientes no combate à criminalidade. Uma das principais medidas para melhorar a segurança é o monitoramento por vídeo, aproveitando-se do avanço em software, como nos detectores de objetos, e hardware, com o desenvolvimento e difusão de melhores câmeras de video e placas gráficas, necessárias para o alto processamento paralelo das redes neurais. Portanto este projeto tem como proposta o desenvolvimento de um sistema capaz de identificar pessoas portando armas através de imagens de circuito fechado de televisão. Através de uma pesquisa concluiu-se que o estado da arte em detecção de objetos é a série YOLO. Existem diversos estudos sobre a utilização de redes neurais com o mesmo propósito desse projeto, porém diferencia-se dos demais por utilizar sua versão 5 da YOLO. O database é composto por imagens de pistola e revólver, sendo criada uma classe única denominada arma. O desempenho da rede é medido através de seus resultados de precision 97,58%, recall 91,75% e mAP (mean average precision) 94,57%. Esta performance foi atingida utilizando um modelo smal do YOLOv5 e um dataset com 4369 imagens com imagens próprias.
Resumen : As security is a primary factor for a good quality of life and considering the current situation in our society, the possibility of developing more efficient tools to deal with insecurity is evident. One of the main measures to improve security is video monitoring, taking advantage of advances in software, such as object detectors, and hardware, with the development and dissemination of better video cameras and graphics cards, necessary for high processing of parallel neural networks. Therefore, this project proposes the development of a system capable of identifying people carrying weapons through closed-circuit television images. Based on a research it was concluded that the state of the art in object detection is the YOLO series. There are several studies on the use of neural networks with the same purpose of this project, but it differs from the others because it uses YOLO version 5. The database is composed of images of pistols and revolvers, being created a unique class called weapon. Network performance is measured through its results of precision 97.58%, recall 91.75% and mAP (mean average precision) 94.57%. This performance was achieved using a YOLOv5 small model and a dataset with 4369 images with own images.
Palabras clave : Inteligência Artificial
Redes Neurais
Aprendizagem Profunda
Redes Neurais Convolucionais
Reconhecimento de Imagens
Circuito Fechado de Televisão
Armas
Detecção
Artificial Intelligence
Deep Learning
Convolucional Neural Network
Detection
Weapons
YOLOv5
CCTV
CNPQ: CNPQ::CIENCIAS EXATAS E DA TERRA
Idioma: por
metadata.dc.publisher.country: Brasil
Editorial : Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Bagé
Citación : SILVA, Angelo Rodrigues . Rede Neural convolucional aplicada no monitoramento por câmeras de segurança. 68p. 2022. Trabalho de Conclusão de Curso (Bacharel em Engenharia da Computação) – Universidade Federal do Pampa, Curso de Ciência da Computação, Bagé, 2022.
Tipo de acesso: Acesso Aberto
URI : https://repositorio.unipampa.edu.br/jspui/handle/riu/7537
Fecha de publicación : 10-ago-2022
Aparece en las colecciones: Engenharia de Computação

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TCC_ANGELO_FINAL_FINAL.pdf6 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.