التفاصيل البيبلوغرافية
| العنوان: |
Sistema de vigilância inteligente para ambientes domésticos com visão computacional |
| Alternate Title: |
Intelligent surveillance system for domestic environments with computer vision |
| المؤلفون: |
Costa, Miguel Ferreira da |
| المساهمون: |
Martins, António Constantino Lopes, Repositório Científico do Instituto Politécnico do Porto |
| سنة النشر: |
2024 |
| مصطلحات موضوعية: |
Sistema de vigilância, Deteção facial, Reconhecimento facial, Deep learning, CNN, YOLOv8, Faster RCNN, Triplet loss, Softmax, Domínio/Área Científica::Engenharia e Tecnologia |
| الوصف: |
Nos dias de hoje, num mundo onde a segurança privada é cada vez mais crucial, a Inteligência Artificial emerge como uma aliada poderosa para proteger os nossos lares. No entanto, os sistemas de vigilância para ambientes domésticos ainda enfrentam desafios significativos, nomeadamente, na falta de personalização e na dependência de tecnologias tradicionais, que não conseguem atender às exigências modernas de segurança. Esta dissertação apresenta o sistema iDetect, um sistema de vigilância inteligente com deteção e reconhecimento facial voltado para ambientes domésticos. O sistema utiliza uma combinação de tecnologias tradicionais e deep learning, alcançando uma precisão de 93% na deteção e uma acurácia de 97% para o reconhecimento facial, com base numa seleção criteriosa de algoritmos, utilizando uma versão adaptada da metodologia PRISMA. Devido à crescente utilização de smartphones, o sistema possui a sua aplicação móvel, totalmente configurável e intuitiva, que permite ao utilizador personalizar o sistema e receber notificações e alertas em tempo real. Os resultados mostram que o sistema implementado oferece uma solução eficaz e acessível, que une o poder da Inteligência Artificial à portabilidade dos dispositivos móveis, proporcionando uma resposta mais rápida e eficiente às ameaças domésticas. Foi possível implementar um sistema que supera os atuais sistemas de videovigilância doméstica, fornecendo respostas mais ágeis e precisas, reduzindo significativamente o número de falsos positivos. O sistema desenvolvido representa um avanço no campo da segurança doméstica, ao disponibilizar uma solução inovadora e de fácil utilização que pode ser adaptada às necessidades individuais de cada utilizador. |
| Description (Translated): |
Nowadays, in a world where private security is increasingly crucial, Artificial Intelligence emerges as a powerful ally to protect our homes. However, surveillance systems for domestic environments still face significant challenges, particularly the lack of personalization and reliance on traditional technologies that fail to meet modern security demands. This dissertation presents iDetect, an intelligent surveillance system with facial detection and recognition tailored for domestic environments. The system uses a combination of traditional technologies and deep learning, achieving up to 93% precision in detection and 97% accuracy in facial recognition, based on a careful selection of algorithms and utilizing an adapted version of the PRISMA methodology. Given the growing use of smartphones, the system includes a fully customizable and intuitive mobile application, allowing the user to personalize the system and receive real-time notifications and alerts. The results show that the implemented system offers an effective and accessible solution, combining the power of Artificial Intelligence with the portability of mobile devices, providing a faster and more efficient response to domestic threats. It was possible to implement a system that surpasses current home surveillance systems, providing more agile and precise responses, significantly reducing the number of false positives. The developed system represents an advancement in the field of home security by offering an innovative and easy-to-use solution that can be adapted to the individual needs of each user. |
| Contents Note: |
TID:203733681 |
| وصف الملف: |
application/pdf |
| اللغة: |
Portuguese |
| الاتاحة: |
http://hdl.handle.net/10400.22/26719 |
| Rights: |
open access |
| رقم الانضمام: |
rcaap.com.recipp.recipp.ipp.pt.10400.22.26719 |
| قاعدة البيانات: |
RCAAP |