1. Biblioteca Digital de Monografias
  2. CAMPUS DO BACANGA
  3. Curso de Graduação em Ciência da Computação do Campus do Bacanga
  4. TCCs de Graduação em Ciência da Computação do Campus do Bacanga
Use este identificador para citar ou linkar para este item: http://hdl.handle.net/123456789/3494
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorKANEHISA, Rodrigo Fumihiro De Azevedo-
dc.date.accessioned2019-06-05T19:30:31Z-
dc.date.available2019-06-05T19:30:31Z-
dc.date.issued2018-07-04-
dc.identifier.urihttp://hdl.handle.net/123456789/3494-
dc.descriptionABSTRACT This monography performs an automatic detection of firearms in images using deep learning. Individuals carrying firearms in public conditions is a strong indicator of dangerous situation. Studies show that a rapid response from the authorities is the main factor in reducing the number of victims. One of the ways to ensure the swift action of the authorities is the early detection of potentially dangerous situations, with emphasis on the use of security cameras, closed circuit television (CCTV) and real-time video. However, the large number of cameras to be observed leads to the overload of the CCTV operators, generating fatigue and stress, consequently, loss of efficiency in surveillance. Neural networks of the deep learning type have been shown to be efficient in the detection and identification of objects in images, having sometimes produced more accurate and consistent results than human candidates.pt_BR
dc.description.abstractEsta monografia realiza a detecção automática de armas de fogo em imagens com uso de deep learning. Indivíduos portando armas de fogo em ambientes públicos são um forte indicador de situação perigosa. Estudos mostram que a resposta rápida das autoridades é o principal fator na redução do número de vítimas. Uma das formas de garantir a ação rápida das autoridades é a detecção precoce de situações potencialmente perigosas, com ênfase no uso de câmeras de segurança, circuito fechado de televisão (CFTV) e vídeo em tempo real. Porém, o grande número de câmeras a serem observadas levam a sobrecarga dos operadores de CFTV, gerando cansaço e estresse, consequentemente, perda de eficiência na vigilância. Redes neurais do tipo deep learning têm mostrado-se eficientes na detecção e identificação de objetos em imagens, tendo as vezes, produzido resultados mais precisos e consistentes que candidatos humanos.pt_BR
dc.language.isootherpt_BR
dc.publisherUniversidade Federal do Maranhãopt_BR
dc.subjectDetecção de armas de fogopt_BR
dc.subjectDeep learningpt_BR
dc.subjectRedes neurais convolucionaispt_BR
dc.subjectFirearm detectionpt_BR
dc.subjectDeep learningpt_BR
dc.subjectConvolutional neural networkspt_BR
dc.titleDetecção de arma de fogo em imagens utilizando redes neurais convolucionaispt_BR
dc.title.alternativeDetection of firearm in images using convolutional neural networkspt_BR
dc.typeOtherpt_BR
Aparece nas coleções:TCCs de Graduação em Ciência da Computação do Campus do Bacanga

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
RODRIGO-Kanehisa.pdfTrabalho de Conclusão de Curso4,15 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.