Lima, João Paulo Silva do MonteAndrade, Isabella Stefanny Fernandes de2023-03-082023-03-082022-05-27ANDRADE, Isabella Stefanny Fernandes de. Rastreamento de pedestres 3D multi-câmera usando redes neurais de grafos. 2022. 42 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Departamento de Computação, Universidade Federal Rural de Pernambuco, Recife, 2022.https://repository.ufrpe.br/handle/123456789/4102Rastrear a posição de pedestres ao longo do tempo através de imagens de câmeras é um tópico de pesquisa em visão computacional em ascensão. No cenário multi-câmera, as pesquisas são mais recentes ainda. Muitas soluções utilizam redes neurais supervisionadas para resolver esse problema, o que pode exigir um esforço muito grande para anotar os dados além de muito tempo gasto para treinar a rede. Os objetivos deste trabalho são: desenvolver variações de algoritmos de rastreamento de pedestres sendo desejável dispensar a necessidade de possuir dados anotados; e comparar os resultados obtidos através de métricas de acurácia. Este trabalho propõe, portanto, uma abordagem para rastrear pedestres no espaço 3D em ambientes multi-câmera utilizando a arquitetura de rede neural Message Passing Neural Network inspirada em grafos. Avaliamos a solução utilizando a base de dados WILDTRACK e um método de detecção generalizável, conseguindo 77,1% de MOTA ao treinar com dados obtidos de um algoritmo de rastreamento generalizável. O algoritmo consegue realizar o rastreamento a uma taxa de 40 quadros por segundo.Tracking the position of pedestrians over time through camera images is a rising computer vision research topic. In multi-camera settings, the researches are even more recent. Many solutions use supervised neural networks to solve this problem, which can require a lot of effort to annotate the data in addition to a lot of time spent to train the network. The goals of this work are: develop variations of pedestrian tracking algorithms, being desirable to avoid the need to have annotated data; and compare the results obtained through accuracy metrics. Therefore, this work proposes an approach for tracking pedestrians in 3D space in multi-camera environments using the Message Passing Neural Network framework inspired by graphs. We evaluated the solution using the WILDTRACK dataset and a generalizable detection method, reaching 77.1% of MOTA when training with data obtained by a generalizable tracking algorithm. The algorithm can track at a 40 frames per second rate.42 f.poropenAccessAtribuição-NãoComercial-SemDerivações 4.0 Internacional (CC BY-NC-ND 4.0)https://creativecommons.org/licenses/by-nc-nd/4.0/deed.pt_BRopenAccessopenAccessRastreamentoPedestresCâmeras de vídeoRedes neurais (Computação)bachelorThesis