Análise de usabilidade de algoritmos de rastreamento e detecção de objetos

Abstract

O artigo aborda a crescente integração da tecnologia à vida cotidiana, com enfoque nos setores de segurança, esportes e indústria, destacando o uso de algoritmos de rastreamento de objetos (Boosting, MedianFlow, CSRT, KCF, TLD, MOSSE e MIL) baseados em visão computacional para analisar registros de vídeo e extrair informações relevantes. O objetivo central é apresentar e analisar algoritmos de detecção e rastreamento de objetos, com ênfase em suas diferenças, vantagens e desvantagens. O OpenCV é citado como uma biblioteca crucial, com módulos específicos para visão computacional e aprendizado de máquina. A relevância da classificação na visão computacional é ressaltada, explicando-a como um processo para determinar a classe de uma entrada com base em categorias predefinidas. Destaca-se a importância dos classificadores em sistemas de visão computacional, como reconhecimento de imagens e detecção de defeitos. Foram testados os algoritmos de rastreamento: Boosting, MedianFlow, CSRT, KCF, TLD, MOSSE e MIL, evidenciando suas aplicações e características distintas. A análise dos resultados destaca o desempenho do algoritmo CSRT no rastreamento de objetos, inclusive em condições noturnas, embora enfrente dificuldades em casos de oclusão total. Sugere-se a integração de algoritmos de detecção nessas situações como crucial. Outros algoritmos, como KCF e MedianFlow, apresentaram resultados semelhantes, com ênfase na eficácia do KCF em condições desfavoráveis. A conclusão enfatiza a necessidade de uma análise cuidadosa da situação para escolher o algoritmo mais adequado, recomendando uma apresentação clara e objetiva dos resultados, incluindo ilustrações e tabelas estatísticas, juntamente com a consideração de observações de outros autores para enriquecer a discussão.

The article addresses the growing integration of technology in everyday life, with a focus on the security, sports, and industrial sectors, highlighting the use of vision-based object tracking algorithms (Boosting, MedianFlow, CSRT, KCF, TLD, MOSSE and MIL) computational to analyze video records and extract relevant information. The main goal is to present and analyze object detection and tracking algorithms, with an emphasis on their differences, advantages and disadvantages. OpenCV is cited as a crucial library, with specific modules for computer vision and machine learning. The relevance of classification in computer vision is highlighted, explaining it as a process to determine the class of an input based on predefined categories. The importance of classifiers in computer vision systems, such as image recognition and defect detection, is highlighted. The following tracking algorithms were tested: Boosting, MedianFlow, CSRT, KCF, TLD, MOSSE and MIL, highlighting their distinct applications and characteristics. Analysis of the results highlights the performance of the CSRT algorithm in object tracking, including in nighttime conditions, although it faces difficulties in cases of total occlusion. The integration of detection algorithms in these situations is suggested as crucial. Other algorithms, such as KCF and MedianFlow, showed similar results, with an emphasis on the effectiveness of KCF in unfavorable conditions. The conclusion emphasizes the need for a careful analysis of the situation to choose the most appropriate algorithm, recommending a clear and objective presentation of the results, including illustrations and statistical tables, together with the consideration of observations from other authors to enrich the discussion.