Deteccao de Movimentos com Python e OpenCV

Implemente um contador de veículos e um detector de distanciamento social utilizando algoritmos de subtração de fundo!
Deteccao de Movimentos com Python e OpenCV
File Size :
2.39 GB
Total length :
5h 19m

Category

Instructor

Jones Granatyr

Language

Last update

Última atualização em 7/2021

Ratings

4.8/5

Deteccao de Movimentos com Python e OpenCV

What you’ll 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

Deteccao de Movimentos com Python e OpenCV

Requirements

Lógica de programação, principalmente estruturas condicionais e de repetição
Programação básica em Python

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 algoritmoProjeto prático 1: detector de movimento para monitorar ambientesProjeto prático 2: detector de distanciamento social para identificar possíveis aglomerações de pessoasProjeto prático 3: contador de carros e caminhões em rodoviasAo final do curso, você poderá criar seus próprios projetos de detecção de movimentos!

Overview

Section 1: Introdução

Lecture 1 Conteúdo do curso

Lecture 2 Mais sobre Visão Computacional

Lecture 3 Recursos para download

Section 2: Subtração de fundos

Lecture 4 Subtração de fundos – introdução

Lecture 5 Filtragem mediana temporal – intuição

Lecture 6 Instalação das ferramentas

Lecture 7 Filtragem mediana temporal – implementação 1

Lecture 8 Filtragem mediana temporal – implementação 2

Lecture 9 Filtragem mediana temporal – implementação 3

Lecture 10 Outros algoritmos: MOG, GMC, KNN e CNT

Lecture 11 Referências complementares

Lecture 12 Técnicas para pré-processamento de imagens

Lecture 13 MOG, GMC, KNN e CNT – implementação 1

Lecture 14 MOG, GMC, KNN e CNT – implementação 2

Lecture 15 MOG, GMC, KNN e CNT – implementação 3

Lecture 16 MOG, GMC, KNN e CNT – implementação 4

Lecture 17 MOG, GMC, KNN e CNT – implementação 5

Lecture 18 Comparativo de qualidade 1

Lecture 19 Comparativo de qualidade 2

Lecture 20 Comparativo de desempenho

Section 3: Projetos práticos

Lecture 21 Detecção de movimentos 1

Lecture 22 Detecção de contornos – intuição

Lecture 23 Detecção de movimentos 2

Lecture 24 Distanciamento social

Lecture 25 Contador de veículos 1

Lecture 26 Contador de veículos 2

Lecture 27 Contador de veículos 3

Lecture 28 Contador de veículos 4

Lecture 29 Contador de veículos 5

Section 4: Considerações finais

Lecture 30 Considerações finais

Lecture 31 AULA BÔNUS

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

Course Information:

Udemy | Português | 5h 19m | 2.39 GB
Created by: Jones Granatyr

You Can See More Courses in the Developer >> Greetings from CourseDown.com

New Courses

Scroll to Top