Publication
Deteção e Tracking de pessoas e objetos com recurso a LiDAR
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | pt_PT |
| dc.contributor.advisor | Dias, André Miguel Pinheiro | |
| dc.contributor.author | Moreira, João Gabriel de Sousa | |
| dc.date.accessioned | 2023-11-27T10:02:36Z | |
| dc.date.available | 2023-11-27T10:02:36Z | |
| dc.date.issued | 2023-07-26 | |
| dc.description.abstract | Esta dissertação explora os avanços no campo da deteção e tracking de pessoas utilizando a tecnologia LiDAR. Destacam-se as vantagens do LiDAR em relação às abordagens baseadas em câmaras, devido à sua capacidade de obter informações tridimensionais (3D) do ambiente. Além disso, é apresentado um estudo sobre as metodologias atuais de deteção de objetos utilizando deep learning, bem como os métodos de tracking mais recentes. A dissertação também aborda a implementação de ferramentas auxiliares para a preparação de um dataset personalizado, destinado ao treino de um modelo de deteção. O processo de treino e suas implicações são explicados em detalhes. Ao combinar as vantagens do LiDAR com as técnicas de deteção e tracking, esta dissertação procura contribuir para uma integração desta tecnologia em diversas áreas e aplicações, promovendo avanços na automação e segurança. | pt_PT |
| dc.description.abstract | This dissertation explores the advancements in the field of people detection and tracking using LiDAR technology. The advantages of LiDAR over camera-based approaches are highlighted, thanks to its ability to obtain three-dimensional in formation about the environment. Additionally, a study is presented on current methodologies for object detection using deep learning and the latest tracking meth ods. The dissertation also addresses the implementation of auxiliary tools for prepar ing a customized dataset for training a detection model. The training process and its implications are explained in detail. By combining the advantages of LiDAR with detection and tracking techniques, this dissertation seeks to facilitate the integra tion of this technology in various areas and applications, promoting advancements in automation and security. | pt_PT |
| dc.identifier.tid | 203380630 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.22/23978 | |
| dc.language.iso | por | pt_PT |
| dc.subject | LiDAR | pt_PT |
| dc.subject | inteligência artificial | pt_PT |
| dc.subject | machine learning | pt_PT |
| dc.subject | redes neu- ronais | pt_PT |
| dc.subject | deteção de objetos | pt_PT |
| dc.subject | tracking de objetos | pt_PT |
| dc.subject | deteção de pessoas | pt_PT |
| dc.subject | deep learning | pt_PT |
| dc.subject | dataset personalizado | pt_PT |
| dc.subject | treino de modelo deep learning | pt_PT |
| dc.title | Deteção e Tracking de pessoas e objetos com recurso a LiDAR | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Engenharia Electrotécnica e de Computadores | pt_PT |