Análise de viabilidade no uso de Deep Learning para contagem de pessoas com câmeras de segurança

Abstract

O objetivo desse trabalho é analisar a viabilidade técnica de implementação de deep learning para detecção e contagem de pessoas em câmeras de segurança. Toda a implementação e viabilidade estudada levaram em consideração o a velocidade de implementação do sistema e processamento do algoritmo, com o objetivo de conseguir escalar o processo comercialmente, podendo implementar o sistema proposto em lojas do varejo físico. Foram analisados diversos modelos convolucionais, atualmente considerados estado da arte para detenção de objetos, implementando-os para detecção de pessoas. As diversas arquiteturas foram comparadas em velocidade e qualidade de predição, utilizando a medida de similaridade mean average precision e a raiz do erro quadrático médio. Diversos modelos tiveram resultados satisfatórios em velocidade e acuracidade, chegando a atingir 13,26 FPS em uma CPU, 56% de mAP e erro médio percentual de 8, 2% por frame processado efetuando um pós processamento. Tais resultados obtidos sem a necessidade de retreinamento dos modelos, otimizando assim o tempo e custo de implementação.

The goal of this work is to analyze the technical feasibility of implementing deep learning

for detection and people counting in security cameras. All the implementation and feasi- bility studied took into consideration the speed of system implementation and algorithm

processing, with the aim of being able to scale the process commercially, being able to implement the proposed system in physical retail stores. We analyzed several convolutional models currently considered state-of-the-art for object detection, implementing them for people couting. The different architectures were compared in speed and prediction quality, using the average precision measure and the root mean square error. Several models had satisfactory results in speed and accuracy, reaching 13,26 FPS in a CPU, 56 % of mAP and error of 8, 2% in average per frame processed by performing a post processing. These results were obtained without the need to retrain the models, thus optimizing the implementation time and cost.