O que você aprenderá
- Entender a teoria básica sobre subtração de fundos aplicado em detecção de movimentos
- Implementar os algoritmos MOG, GMG, KNN e CNT com o OpenCV, bem como comparar a qualidade e desempenho
- Melhorar a qualidade dos vídeos utilizando técnicas de pré-processamento, como operações morfológicas e desfoque
- Implementar um detector de movimento para monitoração de ambientes
- Implementar um detector de distanciamento social para verificar a existência de aglomerações
- Implementar um contador de carros e caminhões utilizando vídeos de rodovias
Requisitos
- Lógica de programação, principalmente estruturas condicionais e de repetição
- Programação básica em Python
Descrição
A detecção de movimentos é uma sub-área da Visão Computacional que tem o objetivo de identificar movimentos em vídeos ou em tempo real. Esse tipo de aplicação pode ser muito útil principalmente para sistemas de vigilância, nos quais é necessário detectar movimentos suspeitos como um ladrão tentando entrar na casa. Existem várias outras aplicações, como por exemplo: análise de tráfego em rodovias, detecção e contagem de pessoas, rastreamento de animais, contagem de ciclistas, dentre outros. Um sistema de controle de tráfego pode utilizar essas técnicas para identificar o número de carros e caminhões que passam pela rodovia diariamente e em determinados horários, para então realizar um planejamento de manutenção na pista.
E para levar você até essa área, neste curso você aprenderá na prática como utilizar algoritmos de subtração de fundo para detectar movimentos em vídeos, tudo passo a passo e utilizando a linguagem Python! Confira abaixo os principais tópicos que você aprenderá, bem como os projetos práticos:
- Intuição teórica básica sobre a subtração de fundos e os principais algoritmos: MOG (Mixture of Gaussians), GMG (Godbehere, Matsukawa e Goldbert), KNN (K Nearest Neighbors) e CNT (Count)
- Comparativo de qualidade e desempenho de cada algoritmo
- Projeto prático 1: detector de movimento para monitorar ambientes
- Projeto prático 2: detector de distanciamento social para identificar possíveis aglomerações de pessoas
- Projeto prático 3: contador de carros e caminhões em rodovias
Ao final do curso, você poderá criar seus próprios projetos de detecção de movimentos!
Para quem é este curso
Pessoas interessadas em implementar detectores de movimento ou contadores de objetos em vídeos
Alunos de graduação e pós-graduação que cursam disciplinas de Computação Gráfica, Processamento Digital de Imagens ou Inteligência Artificial
Cientistas de Dados que queiram aumentar seus conhecimentos em Visão Computacional
Muito bem explicado, suporte funcional e ativo. E muito didático