Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/36746| Título: | Solução de aprendizado de máquina para contagem de pessoas em ambientes internos |
| Título(s) alternativo(s): | Machine learning solution for people counting in indoor environments |
| Autor(es): | Trentini, Henrique Frederico |
| Orientador(es): | Spanhol, Fabio Alexandre |
| Palavras-chave: | Aprendizado do computador Visão por computador Machine learning Computer vision |
| Data do documento: | 11-Fev-2025 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Toledo |
| Citação: | TRENTINI, Henrique Frederico. Solução de aprendizado de máquina para contagem de pessoas em ambientes internos. 2025. 40 f. Trabalho de Conclusão de Curso (Tecnologia em Sistemas para Internet) - Universidade Tecnológica Federal do Paraná, Toledo, 2025. |
| Resumo: | Este trabalho apresenta o desenvolvimento de um sistema de visão computacional baseado em aprendizado de máquina para a contagem automatizada de pessoas em ambientes internos. A principal motivação para a proposta é a aplicação em soluções de automação, visando a otimização do consumo de energia elétrica por meio do acionamento inteligente de dispositivos como ar-condicionado e iluminação. Para o desenvolvimento do sistema, foram utilizadas as ferramentas Google Colab, Keras e o modelo YOLO da Ultralytics. Os resultados obtidos demonstram a eficácia da abordagem proposta, com o modelo final alcançando um erro médio absoluto (MAE) de 0,099, mesmo em cenários desafiadores com alta densidade de indivíduos e sobreposições. Esse desempenho evidencia a capacidade do modelo de lidar com contextos visuais complexos, tornando-o uma alternativa promissora para aplicações práticas de automação e monitoramento em ambientes internos. |
| Abstract: | This work presents the development of a computer vision system based on machine learning for automated people counting in indoor environments. The main motivation for this proposal is its application in automation solutions aimed at optimizing energy consumption by intelligently controlling devices such as air conditioning and lighting. The system was developed using Google Colab, Keras, and the YOLO model from Ultralytics. The results demonstrate the effectiveness of the proposed approach, with the final model achieving a mean absolute error (MAE) of 0.099, even in challenging scenarios with high individual density and overlapping. This performance highlights the model’s ability to handle complex visual contexts, making it a promising alternative for practical applications in automation and indoor monitoring. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/36746 |
| Aparece nas coleções: | TD - Tecnologia em Sistemas para Internet |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| aprendizadomaquinacontagempessoas.pdf | 6,74 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
