Este repositório apresenta o LWPDA (Lightweight Perceptual Difference Algorithm), um novo algoritmo de baixo custo computacional para medir a similaridade visual entre quadros de vídeo. O projeto inclui um framework de testes completo para comparar a performance do LWPDA com outros métodos de referência, como SSIM, MSE, Image Hashing e Histogramas.
Desenvolvido pelo Grupo de Teleinformática e Automação (GTA) da UFRJ.
Autor: Hugo Leandro Anteuns (antunes@gta.ufrj.br / https://www.gta.ufrj.br/~antunes/)
Orientadores:
- Rodrigo de Souza Couto (rodrigo@gta.ufrj.br)
- Pedro Henrique Cruz (cruz@gta.ufrj.br)
- Luis Kosmalski (luish@gta.ufrj.br)
- O Problema
- A Solução: O Algoritmo LWPDA
- Funcionalidades do Repositório
- Resultados Comparativos
- Começando
- Como Usar
- Métodos de Comparação (Baselines)
- Licença
- Agradecimentos
Em sistemas de vigilância e análise de vídeo, o processamento contínuo de cada quadro com modelos de detecção de objetos (como o YOLO) é computacionalmente intensivo e, muitas vezes, redundante. Cenas estáticas ou com pouca movimentação geram uma grande quantidade de quadros visualmente similares, cujo processamento completo consome recursos desnecessariamente.
Para resolver essa questão, propomos o LWPDA, um algoritmo projetado para ser uma primeira camada de filtragem rápida e eficiente. Ele compara quadros consecutivos e determina se a mudança visual entre eles é significativa o suficiente para justificar o acionamento de análises mais pesadas.
- Leve e Rápido: Projetado para ter baixa latência e overhead computacional mínimo.
- Eficaz: Capaz de discernir entre mudanças triviais e eventos relevantes no vídeo.
- Customizável: Permite o ajuste de um limiar de similaridade para adaptar a sensibilidade do filtro.
- Implementação do LWPDA: O código-fonte completo do algoritmo proposto.
- Framework de Comparação: Um ambiente de testes robusto para executar e avaliar o LWPDA contra outros quatro algoritmos de referência.
- Análise de Performance: Scripts para medir métricas essenciais, como tempo de processamento (latência) e distribuição (CDF, P95).
- Geração Automática de Gráficos: Ferramentas para criar visualizações comparativas de performance, facilitando a análise dos resultados.
Os gráficos gerados demonstram a eficiência do LWPDA em comparação com os métodos de referência e o custo de processar todos os frames com YOLO.
1. CDF (Função de Distribuição Cumulativa) do Tempo de Processamento
Este gráfico ilustra a velocidade do LWPDA para segmentação de objetos em realação ao YOLO sem a utilização do LWPDA.
2. Performance vs. Limiar de Similaridade
Aqui, comparamos o tempo de processamento em diferentes limiares. O gráfico mostra que o LWPDA pode ajudar reduzir o tempo de processamento.
3. Precisão vs. Limiar de Similaridade
Este mostra a precisão da segmentação quando utilizado o LWPDA.
Siga estas instruções para configurar o ambiente e executar os testes.
- Python 3.8+
- Pip (Gerenciador de pacotes do Python)
- Clone o repositório:
git clone [https://github.com/GTA-UFRJ/LWPDA.git](https://github.com/GTA-UFRJ/LWPDA.git)
- Navegue até o diretório do projeto:
cd LWPDA - Crie e ative um ambiente virtual (recomendado):
python -m venv venv source venv/bin/activate # No Windows: venv\Scripts\activate
- Instale as dependências a partir do
requirements.txt:pip install -r requirements.txt