Testes de desempenho de algoritmos de deteção de artefatos em Plataforma Embarcada Raspberry Pi Utilizando OpenCV e Node.JS.

Página inicial
→
Campus Campina Grande | Centro de Engenharia Elétrica e Informática - CEEI
→
CURSOS DE GRADUAÇÃO DO CEEI
→
Curso de Bacharelado em Engenharia Elétrica
→
Curso de Bacharelado em Engenharia Elétrica - CEEI - Monografias
→
Ver item

dc.creator.ID	FARIAS, A. A.	pt_BR
dc.creator.Lattes	http://lattes.cnpq.br/2788911172636919	pt_BR
dc.contributor.advisor1	OLIVEIRA, Alexandre Cunha.
dc.contributor.advisor1ID	OLIVEIRA, A. C.	pt_BR
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/6699829609793478	pt_BR
dc.contributor.referee1	MORAIS, Marcos Ricardo Alcântara.
dc.description.resumo	Este trabalho de conclusão de curso contempla o desenvolvimento de um sistema de ex- perimentação de três métodos de feature matching: ORB, SIFT e SURF utilizados como base para técnicas de reconhecimento de objetos utilizados por sistemas de visão computa- cional. O sistema consiste em um software embarcado em uma plataforma Raspberry Pi, microprocessada por um núcleo ARM Cortex A53. O sistema utiliza um sistema operaci- onal Linux e foi submetido a experimentação no que tange ao tempo de processamento. Foi constatado experimentalmente que o tempo de processamento pela técnica ORB é muito mais rápio que o método SIFT. Sendo que o desempenho com respeito a taxa de acertos em relação a figura é semelhante ao do método SIFT e SURF. O método SURF possui um desempenho, em termos de processamento ligeiramente inferior ao método ORB, mas com a grande desvantagem de ser um algoritimo protegido por patentes.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Centro de Engenharia Elétrica e Informática - CEEI	pt_BR
dc.publisher.initials	UFCG	pt_BR
dc.subject.cnpq	Engenharia Elétrica.	pt_BR
dc.title	Testes de desempenho de algoritmos de deteção de artefatos em Plataforma Embarcada Raspberry Pi Utilizando OpenCV e Node.JS.	pt_BR
dc.date.issued	2018-03-23
dc.description.abstract	This work of completion of course contemplates the development of a system of experi- mentation of three methods of feature matching: ORB, SIFT and SURF used as a basis for object recognition techniques used by computer vision systems. The system consists of software embedded in a Raspberry Pi platform, microprocessed by an ARM Cortex A5O que são3 core. O system uses a Linux operating system and has undergone experimenta- tion in the processing time. It has been found experimentally that the processing time by the ORB technique is much faster than the SIFT method. Being that the performance with respect to the rate of correctness in relation to the figure is similar to that of the SIFT SURF. The SUFT method performs in terms of processing slightly lower than the ORB method, but with the great disadvantage of being a algorithm protected by patents.	pt_BR
dc.identifier.uri	http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18840
dc.date.accessioned	2021-05-17T19:13:52Z
dc.date.available	2021-05-17
dc.date.available	2021-05-17T19:13:52Z
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.subject	Algoritmos de deteção de artefatos	pt_BR
dc.subject	Raspberry Pi	pt_BR
dc.subject	OpenCV	pt_BR
dc.subject	Node.JS	pt_BR
dc.subject	Visão computacional	pt_BR
dc.subject	Sistemas embarcados	pt_BR
dc.subject	Feature matching	pt_BR
dc.subject	Speeded Up Robust Features - SURF	pt_BR
dc.subject	Extração de features em imagens	pt_BR
dc.subject	Biblioteca OpenCV	pt_BR
dc.subject	ORB - Oriented FAST and Rotated BRIEF	pt_BR
dc.subject	Oriented FAST and Rotated BRIEF - ORB	pt_BR
dc.subject	SURF - Speeded Up Robust Features	pt_BR
dc.subject	SIFT - Scale Invariant Feature Transform	pt_BR
dc.subject	Scale Invariant Feature Transform - SIFT	pt_BR
dc.subject	Raspberry Pi	pt_BR
dc.subject	Reconhecimento de objetos	pt_BR
dc.subject	Plataforma Raspberry Pi	pt_BR
dc.subject	Artifact detection algorithms	pt_BR
dc.subject	Computer vision	pt_BR
dc.subject	Embedded systems	pt_BR
dc.subject	Extracting features from images	pt_BR
dc.subject	OpenCV Library	pt_BR
dc.subject	OpenCV Library	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.creator	FARIAS, Arthur de Araújo.
dc.publisher	Universidade Federal de Campina Grande	pt_BR
dc.language	por	pt_BR
dc.title.alternative	Performance testing of artifact detection algorithms on Embedded Raspberry Pi Platform using OpenCV and Node.JS.	pt_BR
dc.identifier.citation	FARIAS, Arthur de Araújo. Testes de desempenho de algoritmos de deteção de artefatos em Plataforma Embarcada Raspberry Pi Utilizando OpenCV e Node.JS. 2018. 49f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2018. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18840	pt_BR