Use este identificador para citar ou linkar para este item:
https://repositorio.ufpb.br/jspui/handle/123456789/34730
Tipo: | TCC |
Título: | Aplicação Web para detecção de objetos e rastreamento de trajetórias automatizada utilizando YOLOv8 |
Autor(es): | Tomei, Stefano |
Primeiro Orientador: | Rêgo, Thaís Gaudencio do |
Resumo: | A crescente demanda por sistemas automatizados capazes de realizar análises precisas Em vídeos e imagens impulsiona o desenvolvimento de soluções avançadas em visão com putacional. Nesse contexto, surge a necessidade de ferramentas eficientes para detecção. e rastreamento de objetos que possam ser aplicadas em diversas áreas, como segurança, transporte, automação industrial, e muito mais. Este trabalho apresenta o desenvolvimento. mento de uma aplicação web para detecção e rastreamento de objetos em vídeos e imagens, utilizando o algoritmo YOLOv8. A aplicação processa arquivos fornecidos pelos usuários. Aplicando técnicas de visão computacional para identificar e rastrear objetos de forma eficiente. A interface da aplicação permite ao usuário selecionar entre diferentes modelos do YOLO (nano, small, medium, large e huge), cada um otimizado para diferentes níveis. de precisão e velocidade. Além disso, a aplicação utiliza 12 das 80 classes disponibilizadas pelo YOLO. Essas classes foram priorizadas por sua relevância em cenários reais, nos quais a detecção e o rastreamento de pessoas, veículos, animais e objetos comuns s˜ ao es senciais. Testes comparativos foram realizados utilizando os diferentes modelos do YOLO e os algoritmos de rastreamento BoT-SORT e ByteTrack para avaliar o desempenho em termos de acurácia e tempo de processamento. Os resultados incluem um arquivo proces sado com a identificação dos objetos detectados e dados detalhados sobre a quantidade de objetos, classes detectadas, média de acurácia das detecções e tempos de processamento para cada configuração testada. A conclusão destaca a eficácia do sistema desenvolvido E propõe aprimoramentos futuros, como a atualização dos modelos utilizados, integração. com links externos para processamento de vídeos em tempo real, e melhorias na interface do usu´ario para facilitar a visualiza¸c˜ ao dos resultados. |
Abstract: | The growing demand for automated systems capable of performing accurate analyses on videos and images drives the development of advanced computer vision solutions. In this context, there is a need for efficient tools for object detection and tracking that can be applied in various fields such as security, transportation, industrial automation, and more. This study presents the development of a web application for object detection and trac king in videos and images using the YOLOv8 algorithm. The application processes files provided by users, applying computer vision techniques to efficiently identify and track objects. The application’s interface allows users to select from different YOLO models (nano, small, medium, large, and huge), each optimized for varying levels of precision and speed. Additionally, the application uses 12 of the 80 classes available in YOLO. These classes were prioritized based on their relevance in real-world scenarios where the detection and tracking of people, vehicles, animals, and common objects are essential. Comparative tests were conducted using the different YOLO models and the tracking algorithms BoT-SORT and ByteTrack to evaluate performance in terms of accuracy and processing time. The results include a processed file with the identification of detected objects and detailed data on the number of objects, detected classes, average detection ac curacy, and processing times for each configuration tested. The conclusion highlights the effectiveness of the developed system and proposes future improvements, such as model updates, integration with external links for real-time video processing, and enhancements to the user interface to facilitate result visualization. |
Palavras-chave: | Detecção de objetos Yolo Rastreamento de objetos Redes neurais convolucionais |
CNPq: | CNPQ::OUTROS |
Idioma: | por |
País: | Brasil |
Editor: | Universidade Federal da Paraíba |
Sigla da Instituição: | UFPB |
Departamento: | Computação Científica |
Tipo de Acesso: | Acesso aberto Attribution-NoDerivs 3.0 Brazil |
URI: | http://creativecommons.org/licenses/by-nd/3.0/br/ |
URI: | https://repositorio.ufpb.br/jspui/handle/123456789/34730 |
Data do documento: | 5-Nov-2024 |
Aparece nas coleções: | TCC - Ciência da Computação - CI |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Stefano Tomei_TCC.pdf | TCC | 3,56 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma
Licença Creative Commons