Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/39273| Título: | Rastreamento de pessoas por técnicas de aprendizagem de máquina |
| Título(s) alternativo(s): | Person tracking using machine learning techniques |
| Autor(es): | Amante, Beatriz Fréccia |
| Orientador(es): | Wiggers, Kelly Lais |
| Palavras-chave: | Inteligência artificial Reconhecimento facial (Computação) Interfaces de usuário (Sistemas de computação) Artificial intelligence Human face recognition (Computer science) User interfaces (Computer systems) |
| Data do documento: | 3-Dez-2025 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Guarapuava |
| Citação: | AMANTE, Beatriz Fréccia. Rastreamento de pessoas por técnicas de aprendizagem de máquina. 2025. 75 f. Trabalho de Conclusão de Curso (Graduação) – Universidade Tecnológica Federal do Paraná, Guarapuava, 2025. |
| Resumo: | Este trabalho propõe o desenvolvimento de uma API RESTful acessível e personalizável para rastreamento e reidentificação de pessoas em vídeos, utilizando técnicas de aprendizado de máquina e visão computacional. A proposta busca democratizar o uso de sistemas baseados em inteligência artificial (IA) ao integrar modelos de detecção, rastreamento e extração de características visuais em uma interface funcional e intuitiva. Tais tecnologias, embora amplamente estudadas, ainda enfrentam barreiras de adoção devido à complexidade técnica e à escassez de ferramentas públicas e bem documentadas. A solução desenvolvida permitirá identificar indivíduos em transmissões ao vivo ou vídeos enviados, com suporte à adição de identificadores únicos e proteção da privacidade por meio de técnicas de criptografia. A iniciativa visa preencher lacunas existentes entre bibliotecas de pesquisa e aplicações práticas, oferecendo uma plataforma modular aplicável em contextos como segurança urbana, automação, controle de acesso e projetos sociais. O projeto utiliza bibliotecas consolidadas como YOLO e OSNet aliadas a frameworks web como FastAPI, para construir um pipeline de rastreamento end-to-end com foco em desempenho e acessibilidade para desenvolvedores e pesquisadores. |
| Abstract: | This dissertation proposes the development of an accessible and customizable RESTful API for person tracking and re-identification in videos, using machine learning and computer vision techniques. The goal is to democratize the use of AI-based systems by integrating object detection, tracking, and feature extraction into a functional and user-friendly interface. Despite significant advances in this area, adoption remains limited due to technical complexity and the lack of public, well-documented tools. The proposed solution identifies individuals in both live video streams and uploaded recordings, supports unique identifiers, and includes data privacy measures such as encryption. The system bridges the gap between research libraries and practical applications, offering a modular platform suitable for urban security, automation, access control, and social projects. Built with established libraries such as YOLO, OSNet, and web frameworks like FastAPI, this end-to-end pipeline emphasizes performance and accessibility for developers and researchers. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/39273 |
| Aparece nas coleções: | GP - Tecnologia em Sistemas para Internet |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| iadeeplearningpeopletracking.pdf | 7,53 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
