Udemy

Platform

Português

Language

Data Science

Category

Detecção de Movimentos com Python e OpenCV

Implemente um contador de veículos e um detector de distanciamento social utilizando algoritmos de subtração de fundo!

4.70 (27 reviews)

Detecção de Movimentos com Python e OpenCV

Students

5.5 hours

Content

Jul 2021

Last Update
Regular Price


What you will learn

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


Description

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!


Content

Introdução

Conteúdo do curso

Mais sobre Visão Computacional

Recursos para download

Subtração de fundos

Subtração de fundos - introdução

Filtragem mediana temporal - intuição

Instalação das ferramentas

Filtragem mediana temporal – implementação 1

Filtragem mediana temporal – implementação 2

Filtragem mediana temporal – implementação 3

Outros algoritmos: MOG, GMC, KNN e CNT

Referências complementares

Técnicas para pré-processamento de imagens

MOG, GMC, KNN e CNT – implementação 1

MOG, GMC, KNN e CNT – implementação 2

MOG, GMC, KNN e CNT – implementação 3

MOG, GMC, KNN e CNT – implementação 4

MOG, GMC, KNN e CNT – implementação 5

Comparativo de qualidade 1

Comparativo de qualidade 2

Comparativo de desempenho

Projetos práticos

Detecção de movimentos 1

Detecção de contornos - intuição

Detecção de movimentos 2

Distanciamento social

Contador de veículos 1

Contador de veículos 2

Contador de veículos 3

Contador de veículos 4

Contador de veículos 5

Considerações finais

Considerações finais

AULA BÔNUS


4182988

Udemy ID

7/13/2021

Course created date

7/16/2021

Course Indexed date
Bot
Course Submitted by