Detecção de embarcações por imagens nos rios da Amazônia

• Main Author: Yvano, Michel Marialva
• Other Authors: Santos, Eulanda Miranda dos
• Format: Others
• Language: Portuguese
• Published: Universidade Federal do Amazonas 2017
• Subjects: Monitoramento fluvial; Processamento Digital de Imagens; Aprendizagem de máquina; CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
• Online Access: http://tede.ufam.edu.br/handle/tede/5474

Submitted by Divisão de Documentação/BC Biblioteca Central ([e-mail]) on 2017-02-01T19:59:11Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Michel Yvano.pdf: 3449620 bytes, checksum: ec303773b1da8f969478f8d1706a25d3 (MD5) === Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central ([e-mail]) on 2017-02-01T19:59:36Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Michel Yvano.pdf: 3449620 bytes, checksum: ec303773b1da8f969478f8d1706a25d3 (MD5) === Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central ([e-mail]) on 2017-02-01T19:59:51Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Michel Yvano.pdf: 3449620 bytes, checksum: ec303773b1da8f969478f8d1706a25d3 (MD5) === Made available in DSpace on 2017-02-01T19:59:51Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Michel Yvano.pdf: 3449620 bytes, checksum: ec303773b1da8f969478f8d1706a25d3 (MD5) Previous issue date: 2016-07-29 === Agência de Fomento não informada === Fluvial monitoring is an intensive and necessary task used as a support to avoid possible threats such as piracy and environmental aggression. Usually, this task is performed manually by a human operator, who analyzes video monitors for long duration, which leads the task to be long, tedious and prone to errors. In the Amazon rainforest, fluvial monitoring is even more challenging due to the large territory of the region and due to the fact that the largest river basin in the world is in this region. Remote sensing, usually based on aerial images obtained by satellite or unmanned/manned aerial vehicles is one possibility to deal with this problem. In this context, we propose in this work a computational method focused on detecting the movement of vessels in a typical scene of the Amazon rivers. This new method is necessary since current solutions are not suited to the deal with the Amazon scenario due to several reasons, for instance, the diversity of the background of the Amazon region. In addition, several methods available in the literature were designed in the context of open sea scenarios, where there are usually only vessels and water in the scenes. In this work, digital image processing techniques are employed to detect moving objects in the scene, while machine learning algorithms are used to indicate the probability about the class of the observed object, i.e. whether or not the detected object is a boat. This double detection process is intended to reduce false alerts provided by the proposed method. The experiments conducted in this work show that the proposed method achieved 79% of accuracy and 91% precision rate when all images are considered, as well as a 71% precision rate when only scenes with vessels are analyzed. These results indicate the effectiveness of the proposed method when compared to other strategies. === O monitoramento fluvial é um trabalho intensivo e necessário a fim de evitar possíveis ameaças como pirataria e agressão ambiental. Normalmente, essa tarefa é realizada manualmente por um operador humano que analisa monitores de vídeo por longos períodos de tempo, fator que torna a tarefa longa, maçante e sujeita a erros. Na Amazônia, o monitoramento fluvial é ainda mais desafiador devido à grande extensão territorial da região e ao fato desta possuir a maior bacia hidrográfica do planeta. Dentre as possibilidades de tratar este problema existe a utilização de sensoriamento remoto, em geral utilizando imagens aéreas obtidas por satélites ou veículos aéreos, tripulados ou não. Diante desse contexto, esta dissertação propõe um método computacional capaz de detectar a movimentação de embarcações em um ambiente típico dos rios da Amazônia, pois os métodos existentes na literatura não se adequam ao cenário amazônico devido a inúmeros fatores, como por exemplo, a diversidade de composição de fundo da região. Além disso, métodos propostos na literatura foram desenvolvidos para ambientes com mar aberto, onde normalmente há apenas embarcações e água em cena. Neste trabalho, são usadas técnicas de processamento digital de imagens para a detecção do objeto em movimento e técnicas de aprendizagem de máquina para determinar a probabilidade do objeto observado ser um barco ou não. Essa dupla detecção reduz os falsos alertas emitidos pelo método proposto. Os experimentos realizados mostram que o método obteve 79% de acurácia e 91% de precisão, considerando todas as imagens, e precisão de 71% em cenas com embarcações, mostrando-se eficiente ao ser comparado com outras estratégias.