Detecção de Movimentos com Python e OpenCV

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

Ratings 4.67 / 5.00
Detecção de Movimentos com Python e OpenCV

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!

Who Should Attend!

  • 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

TAKE THIS COURSE

Tags

  • Artificial Intelligence
  • Image Processing
  • Computer Vision

Subscribers

833

Lectures

31

TAKE THIS COURSE



Related Courses