Bücher von Karin Satie Komati

La Media Móvil es muy común en el ámbito del análisis de series temporales, principalmente para analizar los cambios en los valores bursátiles. En este trabajo, la Media Móvil se utilizará en otro contexto, para mitigar los errores en los resultados de seguimiento de peatones en videovigilancia. Para detectar peatones se utilizó la técnica de extracción de características HOG y el clasificador SVM. Para nuestro análisis, utilizamos la base de datos proporcionada por el proyecto CAVIAR (Context Aware Vision using Image-based Active Recognition) de la Universidad de Edimburgo. Los resultados fueron positivos, especialmente cuando los peatones se movían verticalmente en la escena de la base de datos utilizada.

La media mobile è molto comune nell'ambito dell'analisi delle serie temporali, soprattutto per analizzare le variazioni dei valori del mercato azionario. In questo lavoro, la media mobile verrà utilizzata in un altro contesto, per mitigare gli errori nei risultati di tracciamento dei pedoni nella videosorveglianza. Per rilevare i pedoni sono stati utilizzati la tecnica di estrazione delle caratteristiche HOG e il classificatore SVM. Per la nostra analisi, abbiamo utilizzato il database fornito dal progetto CAVIAR (Context Aware Vision using Image-based Active Recognition) dell'Università di Edimburgo. I risultati sono stati positivi, soprattutto quando i pedoni si muovevano verticalmente nella scena del database utilizzato.

The Moving Average is very common in the area of time series analysis, mainly for analysing changes in stock market values. In this work, the Moving Average will be used in another context, to mitigate errors in pedestrian tracking results in video surveillance. The HOG feature extraction technique and the SVM classifier were used to detect pedestrians. For our analysis, we used the database provided by the University of Edinburgh's CAVIAR (Context Aware Vision using Image-based Active Recognition) project. The results were positive, especially when the pedestrians moved vertically in the scene in the database used.

La moyenne mobile est très répandue dans le domaine de l'analyse des séries temporelles, principalement pour analyser les changements dans les valeurs boursières. Dans ce travail, la moyenne mobile sera utilisée dans un autre contexte, pour atténuer les erreurs dans les résultats du suivi des piétons dans la surveillance vidéo. La technique d'extraction des caractéristiques HOG et le classificateur SVM ont été utilisés pour détecter les piétons. Pour notre analyse, nous avons utilisé la base de données fournie par le projet CAVIAR (Context Aware Vision using Image-based Active Recognition) de l'université d'Édimbourg. Les résultats ont été positifs, en particulier lorsque les piétons se déplaçaient verticalement dans la scène de la base de données utilisée.

Der gleitende Mittelwert ist im Bereich der Zeitreihenanalyse sehr verbreitet, vor allem für die Analyse von Veränderungen bei Börsenwerten. In dieser Arbeit wird der gleitende Mittelwert in einem anderen Zusammenhang verwendet, um Fehler bei der Verfolgung von Fußgängern in der Videoüberwachung abzuschwächen. Die HOG-Merkmalsextraktionstechnik und der SVM-Klassifikator wurden zur Erkennung von Fußgängern verwendet. Für unsere Analyse verwendeten wir die Datenbank des CAVIAR-Projekts (Context Aware Vision using Image-based Active Recognition) der University of Edinburgh. Die Ergebnisse waren positiv, insbesondere wenn sich die Fußgänger in der verwendeten Datenbank vertikal in der Szene bewegten.

A Média Móvel é muito comum na área de análise de séries temporais, principalmente para análise da variação de valores de ações na bolsa. Neste trabalho, a Média Móvel será usada em outro contexto, para mitigar os erros dos resultados de rastreamento de pedestres em videomonitoramento. Para a detecção dos pedestres foram usadas a técnica de extração de características HOG e o classificador SVM. Para a nossa análise utilizamos a base de dados fornecida pelo projeto CAVIAR (Context Aware Vision using Image-based Active Recognition) da Universidade de Edimburgo. Os resultados alcançados foram positivos, principalmente quando os pedestres se movimentaram verticalmente em cena na base de dados utilizada.