Dissertação
Fish Behavior Detection through Video Frames and Trajectories EVALUATED
Detectar automaticamente comportamentos de espécies aquáticas pode ser útil para a sua monotorização, o que pode economizar um tempo considerável para os biólogos. Neste projeto, desenvolvemos um sistema capaz de detectar comportamentos anormais, períodos de alimentação e momentos interessantes para serem analisados por biólogos. Devido à sua importância para o Oceanário de Lisboa, focamo-nos nos tubarões e nas mantas. O sistema baseia-se em imagens de vídeo e nas trajetórias dos peixes, que são representadas em um formato de vetor de características. Para detectar comportamentos anormais, recorremos a abordagens de agrupamento ou um modelo de campos de movimento, e vários classificadores foram treinados para detectar momentos interessantes. Além disso, é possível definir um conjunto de regras específicas para as espécies em relação às características extraídas. Os períodos de alimentação são detectados usando uma rede neural convolucional, ou com base na variabilidade de movimento/agregação. Para avaliar cada uma das abordagens, várias métricas são extraídas, como a acurácia, precisão e sensibilidade.
novembro 19, 2021, 10:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Helena Sofia Andrade Nunes Pereira Pinto
Departamento de Engenharia Informática (DEI)
Professor Auxiliar
ORIENTADOR
Alexandre José Malheiro Bernardino
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado