Please use this identifier to cite or link to this item: http://hdl.handle.net/10773/36448
Title: Drone anjo da guarda: tracking e deteção de anomalias
Other Titles: Guardian angel drone: tracking and anomaly detection
Author: Oliveira, Pedro Alexandre Patacão de
Advisor: Rodrigues, Mário Jorge Ferreira
Keywords: Inteligência artificial
Visão computacional
Tracking de um único objeto
Deteção de anomalias
Deep learning
Deep neural networks
Defense Date: 16-Dec-2022
Abstract: O crescimento da Inteligência Artificial (IA) tem aberto portas à melhoraria e à transformação de várias áreas como a saúde, a agricultura, a indústria automóvel, o desporto e outras. A sua presença no nosso quotidiano vai sendo cada mais frequente à medida que vamos percebendo melhor como funciona e de que forma pode ser aplicada aos vários cenários das várias áreas. Juntamente à IA, outro segmento que recentemente tem crescido bastante é o segmento dos drones. A sua portabilidade, o seu custo reduzido, a sua facilidade de utilização e a facilidade com que conseguem aceder a locais mais remotos, permitem que estes possam ser utilizados para resolver e/ou melhorar uma série de processos como a monitorização de vida animal, a entrega de encomendas, a resposta ao acontecimento de catástrofes, o auxílio em missões de busca e de resgate e muitos outros. Tendo em conta estas duas vertentes, a LOAD começou a desenvolver um projeto que engloba a criação de drones totalmente autónomos que podem ser requisitados por qualquer pessoa, através de uma aplicação. Os drones terão de ser capazes de as acompanhar durante as suas deslocações, de modo a garantir que as autoridades competentes são alertadas caso o seu bem-estar seja posto em causa. Nesse sentido, o objetivo desta dissertação é o desenvolvimento de uma solução que, através de imagem e com recurso a IA, seja capaz de fazer o acompanhamento de uma pessoa (tracking) e de fazer a deteção de anomalias como agressões, assaltos e atropelamentos. Inicialmente, é feito um levantamento de modelos de IA para as duas modalidades e posteriormente é feita uma avaliação, conforme um conjunto de métricas, para definir quais os modelos mais apropriados a integrar a solução final. Após esta avaliação, conclui-se que o modelo SiamFC++ e o modelo Human Self Learning Anomaly (HSLA) são os modelos que mais se adequam às tarefas de tracking e deteção de anomalias, respetivamente. Por fim, a solução final é apresentada e os seus resultados são discutidos.
The growth of Artificial Intelligence (AI) has opened doors to the improvement and transformation of various fields such as health, agriculture, automotive industry, sports and others. Its presence on our daily lives is becoming more and more frequent as we get a better understanding of how it works and how it can be applied to the various scenarios of the various fields. Along with AI, drones are another segment that recently have seen a lot of growth. Their portability, low cost, ease of use and the ease with which they can access more remote locations, allow them to be used to solve and/or improve several processes such as monitoring animal life, delivering packages, responding to disasters, assisting in search and rescue missions, and many others. Taking these two aspects into consideration, LOAD has begun to develop a project that includes the creation of totally autonomous drones that can be requested by any person, through an application. These drones will accompany them during their commutes to ensure that the competent authorities are alerted if their well-being is compromised. In this sense, the goal of this thesis is to develop a solution that, through image and the use of AI, can track a person and detect anomalies such as assaults, robberies and hit-and-runs. Initially, a survey of AI models is done for the two modalities and then an evaluation takes place, according to a set of metrics, to define which models are most appropriate to integrate the final solution. After this evaluation, it is concluded that the SiamFC++ model and the Human Self Learning Anomaly (HSLA) model are the ones that best fit the tasks of tracking and anomaly detection, respectively. Finally, the final solution is presented, and its results are discussed.
URI: http://hdl.handle.net/10773/36448
Appears in Collections:UA - Dissertações de mestrado
ESTGA - Dissertações de mestrado

Files in This Item:
File Description SizeFormat 
Documento_Pedro_Oliveira.pdf8.62 MBAdobe PDFembargoedAccess


FacebookTwitterLinkedIn
Formato BibTex MendeleyEndnote Degois 

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.