O monitoramento fluvial é um trabalho intensivo e necessário a fim de
evitar possíveis ameaças como pirataria e agressão ambiental. Normalmente,
essa tarefa é realizada manualmente por um operador humano que analisa
monitores de vídeo por longos períodos de tempo, fator que torna a tarefa longa,
maçante e sujeita a erros. Na Amazônia, o monitoramento fluvial é ainda mais
desafiador devido à grande extensão territorial da região e ao fato desta possuir
a maior bacia hidrográfica do planeta. Dentre as possibilidades de tratar este
problema existe a utilização de sensoriamento remoto, em geral utilizando
imagens aéreas obtidas por satélites ou veículos aéreos, tripulados ou não.
Diante desse contexto, esta dissertação propõe um método computacional
capaz de detectar a movimentação de embarcações em um ambiente típico dos
rios da Amazônia, pois os métodos existentes na literatura não se adequam ao
cenário amazônico devido a inúmeros fatores, como por exemplo, a diversidade
de composição de fundo da região. Além disso, métodos propostos na literatura
foram desenvolvidos para ambientes com mar aberto, onde normalmente há
apenas embarcações e água em cena. Neste trabalho, são usadas técnicas de
processamento digital de imagens para a detecção do objeto em movimento e
técnicas de aprendizagem de máquina para determinar a probabilidade do objeto
observado ser um barco ou não. Essa dupla detecção reduz os falsos alertas
emitidos pelo método proposto. Os experimentos realizados mostram que o
método obteve 79% de acurácia e 91% de precisão, considerando todas as
imagens, e precisão de 71% em cenas com embarcações, mostrando-se
eficiente ao ser comparado com outras estratégias.
|
