Interpretação de situações de risco em cenas de tráfego de veículos utilizando lógica probabilística

• Autor(a) principal: Oliveira, A. A.
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da FEI
• Texto Completo: https://repositorio.fei.edu.br/handle/FEI/3088
• topic: Redes neurais (Computação)

A desatenção ou erro de motoristas atrasam suas reações em situações de risco em que uma frenagem é necessária para se evitar uma colisão (Roadmap, 2017). Essa é uma razão do crescimento da utilização de sistemas de assistência ao motoristas disponíveis nos automóveis atualmente. De fato os motoristas desejam carros mais seguros, um outro fator que contribui para a ampliação da utilização desses sistemas é regulatório, uma vez que serão obrigatórios nos países da comunidade Europeia e nos Estados Unidos a utilização de no mínimo sistemas de freio de emergência (Roadmap, 2017). Este trabalho apresenta um sistema de assistência ao motorista, que se utiliza da fusão de dados, capaz de gerar um alerta preventivo de risco de colisão. O sistema é capaz de raciocinar sobre o contexto de tráfego de veículos, utilizando-se uma base de conhecimento sobre direção defensiva, definida pelo autor. Com o uso de uma rede neural convolucional, este trabalho segmenta e classifica veículos em um contexto de tráfego. Através de técnicas de visão computacional, em especial a transformada Hough, as faixas de rolagem são segmentadas para discretização da cena em relação à posição espacial. Combinando as informações obtidas pela rede neural convolucional e da segmentação das faixas de rolamento, é possível discretizar as posições de todos os veículos da cena. Essa junção de informações são evidências para que o sistema, codificado em lógica probabilística usando-se ProbLog, realize a inferência do risco. O sistema foi avaliado em duas diferentes sequências de cenas, onde foram avaliados 10 diferentes limiares de risco, comparando-os com o limiar de um especialista. O resultado mostrou valor de Precisão 1 e Revocação 0.906 para a cena 1, e para a cena 2 Precisão 0.579 e Revocação 0.879, o que mostra que este tipo de solução utilizando-se lógica probabilística é promissora