Mostrar registro simples

dc.contributor.advisorPereira, Arianne Soares do Nascimentopt_BR
dc.contributor.authorMangaroni, Filipe Morais
dc.contributor.authorSantana, Jean Carlos de Matos
dc.contributor.authorBrasil, Eduardo Borges
dc.contributor.authorNascimento, Bruno Moreiras do
dc.date.accessioned2021-07-29T12:40:39Z
dc.date.accessioned2023-05-03T20:34:05Z
dc.date.available2021-07-29T12:40:39Z
dc.date.available2023-05-03T20:34:05Z
dc.date.issued2020-12-20
dc.identifier.urihttps://hdl.handle.net/20.500.12032/88746
dc.description.abstractAtualmente a utilização de Machine Learning vem evoluindo diariamente, trazendo umavanço tecnológico na análise de dados antes nunca vista. Podemos dizer com muita tranqui-lidade que estamos em um crescimento exponencial de conhecimento, utilizando ferramentascomputacionais para facilitar e melhorar funções antes exercidas pelos seres humanos. Encon-tramos, diariamente, tecnologias de ponta como o tracking de face utilizado pelo Snapchat eInstagram na aplicação de filtros nas imagens com rostos e a categorização, além de reconheci-mento facial no Facebook e Google Fotos, onde é possível distinguir quantas pessoas estão nafotos, assim como quem são essas pessoas, utilizando seus próprios usuários como treinadoresde seu algoritmo de reconhecimento. Com esta pequena generalização, este projeto possui aintenção de demonstrar a análise de vídeo em real-time para a automatização de um serviçomanual, antes executado por um ser humano, este papel poderá ser levado ao ambiente digital,onde podemos usar métricas e algoritmos de forma a acelerar e manter a segurança de certasinstalações físicas. Utilizamos a junção de software e hardware para análise e processamentodestas informações para demostrar um sistema de segurança no reconhecimento da utilização deEquipamentos de Proteção Individual (EPIs). O vídeo da face da pessoa analisada foi enviadode um computador, podendo ser, por exemplo, seu computador com webcam ou um Rasp-berry Pi com módulo de câmera, para um servidor que executou a nossa Convolutional NeuralNetwork (CNN), capaz de identificar e categorizar os EPIs previamente cadastrados e treinados,após a correta identificação foi enviado um sinal de saída, que em nossa plataforma WEB foisinalizada por um ícone verde, no caso de EPI identificado e vermelho quando não identificado,essa saída poderia ser também uma liberação de acesso para o indivíduo a determinada área.Este sistema pode ser utilizado em diversos locais, levando segurança e um viés integro parao acesso restrito, onde são necessários tais tipos de equipamentos de proteção, impedindo as-sim problemas de segurança e processos trabalhistas, pois com esta ferramenta seria possível acomprovação da utilização dos equipamentos conforme as normas impostas.pt_BR
dc.description.abstractCurrently, the use of Machine Learning has been evolving daily, bringing a technolog-ical advance in data analysis never seen before. We can say very calmly that we are in anexponential growth of knowledge, using computational tools to facilitate and improve functionspreviously performed by human beings. We find, on a daily basis, cutting edge technologiessuch as face tracking used by Snapchat and Instagram when applying filters to images with facesand categorization, in addition to facial recognition on Facebook and Google Photos, where itis possible to distinguish how many people are in the photos, as well like who these people are,using their own users as trainers of their recognition algorithm. With this small generalization,this project intends to demonstrate real-time video analysis for the automation of a manual ser-vice, previously performed by a human being, this role can be taken to the digital environment,where we can use metrics and algorithms in order to speed up and maintain the security ofcertain physical installations. We use the combination of software and hardware for analysisand processing of this information to demonstrate a security system in the recognition of theuse of Personal Protective Equipment (PPE).The video of the analyzed person’s face was sentfrom a computer, which could be, for example, his computer with a webcam or a Raspberry Piwith camera module, to a server that ran our Convolutional Neural Network (CNN), capable ofidentifying and categorize PPE previously registered and trained, after correct identification anexit signal was sent, which on our WEB platform was signaled by a green icon, in the case ofidentified PPE and red when not identified, this exit could also be a release of access for theindividual to a certain area.This system can be used in several places, taking security and anintegral bias for restricted access, where such types of protective equipment are needed, thuspreventing safety problems and labor processes, since with this tool it would be possible toprove the use of equipment according to the imposed standards.en
dc.format.extent153pt_BR
dc.rightsAbertopt_BR
dc.titleReconhecimento do uso de EPI por meio de visão computacional utilizando uma CNNpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dcterms.abstractEPI. Machine Learning.pt_BR


Arquivos deste item

ArquivosTamanhoFormatoVisualização
autorizacao_tcc ... -Edu-assinado-assinado.pdf1.307Mbapplication/pdfVisualizar/Abrir
TCC RECONHECIME ... ÃO COMPUTACIONAL V3.0.pdf17.61Mbapplication/pdfVisualizar/Abrir

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples


© AUSJAL 2022

Asociación de Universidades Confiadas a la Compañía de Jesús en América Latina, AUSJAL
Av. Santa Teresa de Jesús Edif. Cerpe, Piso 2, Oficina AUSJAL Urb.
La Castellana, Chacao (1060) Caracas - Venezuela
Tel/Fax (+58-212)-266-13-41 /(+58-212)-266-85-62

Nuestras redes sociales

facebook Facebook

twitter Twitter

youtube Youtube

Asociaciones Jesuitas en el mundo
Ausjal en el mundo AJCU AUSJAL JESAM JCEP JCS JCAP