Sistema de previsão de colisão de pedestre baseado em visão computacional

Detalhes bibliográficos
Autor(a) principal: CAMBUIM, Lucas Fernando da Silva
Data de Publicação: 2022
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPE
dARK ID: ark:/64986/001300000shx4
Texto Completo: https://repositorio.ufpe.br/handle/123456789/48666
Resumo: Todos os anos, várias centenas de pessoas morrem devido a acidentes rodoviários. O fator humano é responsável por mais de 90% dos acidentes rodoviários. Sistemas de previsão de colisão de pedestres (PCP) baseados em câmeras são fundamentais para redução de acidentes pois permitem tomadas de decisão antecipadas. Conforme os veículos se tornam mais rápidos, o risco de acidentes fatais com pedestres aumenta, exigindo sistemas PCP com tempo de resposta cada vez menor e com capacidade de prever colisões cada vez mais distantes. Tais sistemas dão ao veículo a capacidade de reduzir a velocidade de colisão ou até mesmo evitá-la. Estudos afirmam que diminuir a velocidade de impacto em 30km/h reduz a chance de um adulto morrer em 40%. As etapas mais críticas e computação intensiva de dados em um sistema PCP são a detecção de pedestres e correspondência estéreo. Nesta Tese, nós propomos soluções otimizadas em taxa de processamento para estas etapas implementadas em plataformas de baixa dissipação de potência e com restrição de recursos como Field-Programmable Gate Array (FPGA). Para a etapa de detecção nós propomos um módulo que implementa as técnicas de Histogram of Oriented Gradients (HOG) e Support Vector Machine (SVM) com suporte para pirâmide de imagens e janelas de detecção de diferentes tamanhos para localização de pedestres próximos ou distantes. A arquitetura proposta do detector consegue processar pixels na vazão máxima e sem perda de frames, através de técnicas de pipeline e divisão espacial de pixels entre unidades de processamento paralelo. Estratégias de otimização de recursos foram propostas tais como o compartilhamento da memória de pesos e resultados entre as unidades. Para corres-pondência estéreo nós implementamos uma solução de alto desempenho da técnica Semi Global Matching (SGM) e propomos melhorias em precisão e adição do suporte à detecção de pixels de oclusão que permitiu alcançarmos alto desempenho e resultados precisos de localização de pedestre. O processamento de duas janelas de detecção de dimensões diferentes permitiu uma redução na taxa de falta de pelo menos 25% em comparação com um detector de janela de tamanho único. Os desempenhos alcançados pelo detector e pelo sistema PCP em resolução HD foram de 130 e 66,2 frames por segundo, respectivamente. Os resultados demonstram que o desempenho de ambos é constante independentemente da quantidade de janelas a serem processadas. Para demonstrar os benefícios do ganho de desempenho, nós desenvolvemos uma estratégia de avaliação que envolveu a criação de uma base de dados sintética de colisões com pedestres. A melhoria de desempenho alcançada pelo sistema PCP com a adição dos módulos de hardware propostos permitiu um aumento em distância para tomada de decisão de 6,5 metros em comparação com outros sistemas PCP mais precisos, mas que são mais lentos. Este trabalho cria alicerces para mais estudos em melhoria de previsão através de desempenho de processamento.
id UFPE_05f8af817f65297d51b524788aca7b24
oai_identifier_str oai:repositorio.ufpe.br:123456789/48666
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str 2221
spelling CAMBUIM, Lucas Fernando da Silvahttp://lattes.cnpq.br/0010742173483682http://lattes.cnpq.br/6291354144339437BARROS, Edna Natividade da Silva2023-01-18T17:37:06Z2023-01-18T17:37:06Z2022-10-31CAMBUIM, Lucas Fernando da Silva. Sistema de previsão de colisão de pedestre baseado em visão computacional. 2022. Tese (Doutorado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2022.https://repositorio.ufpe.br/handle/123456789/48666ark:/64986/001300000shx4Todos os anos, várias centenas de pessoas morrem devido a acidentes rodoviários. O fator humano é responsável por mais de 90% dos acidentes rodoviários. Sistemas de previsão de colisão de pedestres (PCP) baseados em câmeras são fundamentais para redução de acidentes pois permitem tomadas de decisão antecipadas. Conforme os veículos se tornam mais rápidos, o risco de acidentes fatais com pedestres aumenta, exigindo sistemas PCP com tempo de resposta cada vez menor e com capacidade de prever colisões cada vez mais distantes. Tais sistemas dão ao veículo a capacidade de reduzir a velocidade de colisão ou até mesmo evitá-la. Estudos afirmam que diminuir a velocidade de impacto em 30km/h reduz a chance de um adulto morrer em 40%. As etapas mais críticas e computação intensiva de dados em um sistema PCP são a detecção de pedestres e correspondência estéreo. Nesta Tese, nós propomos soluções otimizadas em taxa de processamento para estas etapas implementadas em plataformas de baixa dissipação de potência e com restrição de recursos como Field-Programmable Gate Array (FPGA). Para a etapa de detecção nós propomos um módulo que implementa as técnicas de Histogram of Oriented Gradients (HOG) e Support Vector Machine (SVM) com suporte para pirâmide de imagens e janelas de detecção de diferentes tamanhos para localização de pedestres próximos ou distantes. A arquitetura proposta do detector consegue processar pixels na vazão máxima e sem perda de frames, através de técnicas de pipeline e divisão espacial de pixels entre unidades de processamento paralelo. Estratégias de otimização de recursos foram propostas tais como o compartilhamento da memória de pesos e resultados entre as unidades. Para corres-pondência estéreo nós implementamos uma solução de alto desempenho da técnica Semi Global Matching (SGM) e propomos melhorias em precisão e adição do suporte à detecção de pixels de oclusão que permitiu alcançarmos alto desempenho e resultados precisos de localização de pedestre. O processamento de duas janelas de detecção de dimensões diferentes permitiu uma redução na taxa de falta de pelo menos 25% em comparação com um detector de janela de tamanho único. Os desempenhos alcançados pelo detector e pelo sistema PCP em resolução HD foram de 130 e 66,2 frames por segundo, respectivamente. Os resultados demonstram que o desempenho de ambos é constante independentemente da quantidade de janelas a serem processadas. Para demonstrar os benefícios do ganho de desempenho, nós desenvolvemos uma estratégia de avaliação que envolveu a criação de uma base de dados sintética de colisões com pedestres. A melhoria de desempenho alcançada pelo sistema PCP com a adição dos módulos de hardware propostos permitiu um aumento em distância para tomada de decisão de 6,5 metros em comparação com outros sistemas PCP mais precisos, mas que são mais lentos. Este trabalho cria alicerces para mais estudos em melhoria de previsão através de desempenho de processamento.CAPESEvery year, several hundred people are killed due to road accidents. The human factor is responsible for more than 90% of road accidents. Pedestrian collision prediction (PCP) systems based on cameras are essential for reducing accidents because they allow for early decision-making. As vehicles become faster, the risk of fatal pedestrian accidents increases, requiring PCP systems with shorter response times and capacities to predict collisions further away. Such systems allow the vehicle to reduce collision speed or even avoid it. Studies claim that decreasing impact speed by 30km/h reduces the chance of an adult dying by 40%. Most existing solutions focus on efficiency improvement by predic-tion accuracy. However, solutions that address improvement by processing performance still remain open. The most critical and data-intensive steps in a PCP system are pedes-trian detection and stereo matching. In this Thesis, we propose throughput-optimized solutions for these steps implemented in platforms based on Field-Programmable Gate Array (FPGA) with low power dissipation. For the detection step, we propose a module that implements the Oriented Gradient Histogram (HOG) and Support Vector Machine (SVM) techniques with support for images pyramid and detection windows of different sizes to locate nearby or distant pedestrians. The proposed detector architecture can process pixels serially at maximum throughput and without frames loss through techniques such as pipeline and spatial division of pixels between parallel processing units. Resource optimization strategies have been proposed, such as weight memory sharing among all parallel units. For stereo matching, we implement a high-performance solution of the Semi Global Matching (SGM) technique, and we propose improvements in accuracy and the addition of support for the detection of occlusion pixels that enabled us to achieve high-performance and accurate pedestrian location results. Processing two detection windows of different dimensions with a 7-level pyramid reduced the miss rate by at least 25% compared to a single-size window and 1-level pyramid detector. The performances achieved by the detector and the PCP system in HD resolution were 130 and 66.2 frames per second, respectively. Furthermore, results demonstrate that processing performances are constant regardless of the number of windows to be processed. To demonstrate the benefits of performance, we developed an assessment strategy that involved building a synthetic database of pedestrian collisions. The performance improvement achieved by the PCP system with the addition of the proposed hardware modules allowed an increase in decision-making distance of 6.5 meters compared to other more accurate but slower PCP systems.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Ciencia da ComputacaoUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/embargoedAccessEngenharia da computaçãoSVMFPGASistema de previsão de colisão de pedestre baseado em visão computacionalinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisdoutoradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETEXTTESE Lucas Fernando da Silva Cambuim.pdf.txtTESE Lucas Fernando da Silva Cambuim.pdf.txtExtracted texttext/plain456869https://repositorio.ufpe.br/bitstream/123456789/48666/4/TESE%20Lucas%20Fernando%20da%20Silva%20Cambuim.pdf.txt37ae145521d76a9df108e9aca65d2ae6MD54THUMBNAILTESE Lucas Fernando da Silva Cambuim.pdf.jpgTESE Lucas Fernando da Silva Cambuim.pdf.jpgGenerated Thumbnailimage/jpeg1238https://repositorio.ufpe.br/bitstream/123456789/48666/5/TESE%20Lucas%20Fernando%20da%20Silva%20Cambuim.pdf.jpgbff9a47ffebe63263c07c59700962f0bMD55ORIGINALTESE Lucas Fernando da Silva Cambuim.pdfTESE Lucas Fernando da Silva Cambuim.pdfapplication/pdf4300562https://repositorio.ufpe.br/bitstream/123456789/48666/1/TESE%20Lucas%20Fernando%20da%20Silva%20Cambuim.pdfb9882bd7864b3304a4659b03faa6f2b7MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82362https://repositorio.ufpe.br/bitstream/123456789/48666/3/license.txt5e89a1613ddc8510c6576f4b23a78973MD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/48666/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52123456789/486662023-01-19 02:21:56.884oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212023-01-19T05:21:56Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Sistema de previsão de colisão de pedestre baseado em visão computacional
title Sistema de previsão de colisão de pedestre baseado em visão computacional
spellingShingle Sistema de previsão de colisão de pedestre baseado em visão computacional
CAMBUIM, Lucas Fernando da Silva
Engenharia da computação
SVM
FPGA
title_short Sistema de previsão de colisão de pedestre baseado em visão computacional
title_full Sistema de previsão de colisão de pedestre baseado em visão computacional
title_fullStr Sistema de previsão de colisão de pedestre baseado em visão computacional
title_full_unstemmed Sistema de previsão de colisão de pedestre baseado em visão computacional
title_sort Sistema de previsão de colisão de pedestre baseado em visão computacional
author CAMBUIM, Lucas Fernando da Silva
author_facet CAMBUIM, Lucas Fernando da Silva
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/0010742173483682
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/6291354144339437
dc.contributor.author.fl_str_mv CAMBUIM, Lucas Fernando da Silva
dc.contributor.advisor1.fl_str_mv BARROS, Edna Natividade da Silva
contributor_str_mv BARROS, Edna Natividade da Silva
dc.subject.por.fl_str_mv Engenharia da computação
SVM
FPGA
topic Engenharia da computação
SVM
FPGA
description Todos os anos, várias centenas de pessoas morrem devido a acidentes rodoviários. O fator humano é responsável por mais de 90% dos acidentes rodoviários. Sistemas de previsão de colisão de pedestres (PCP) baseados em câmeras são fundamentais para redução de acidentes pois permitem tomadas de decisão antecipadas. Conforme os veículos se tornam mais rápidos, o risco de acidentes fatais com pedestres aumenta, exigindo sistemas PCP com tempo de resposta cada vez menor e com capacidade de prever colisões cada vez mais distantes. Tais sistemas dão ao veículo a capacidade de reduzir a velocidade de colisão ou até mesmo evitá-la. Estudos afirmam que diminuir a velocidade de impacto em 30km/h reduz a chance de um adulto morrer em 40%. As etapas mais críticas e computação intensiva de dados em um sistema PCP são a detecção de pedestres e correspondência estéreo. Nesta Tese, nós propomos soluções otimizadas em taxa de processamento para estas etapas implementadas em plataformas de baixa dissipação de potência e com restrição de recursos como Field-Programmable Gate Array (FPGA). Para a etapa de detecção nós propomos um módulo que implementa as técnicas de Histogram of Oriented Gradients (HOG) e Support Vector Machine (SVM) com suporte para pirâmide de imagens e janelas de detecção de diferentes tamanhos para localização de pedestres próximos ou distantes. A arquitetura proposta do detector consegue processar pixels na vazão máxima e sem perda de frames, através de técnicas de pipeline e divisão espacial de pixels entre unidades de processamento paralelo. Estratégias de otimização de recursos foram propostas tais como o compartilhamento da memória de pesos e resultados entre as unidades. Para corres-pondência estéreo nós implementamos uma solução de alto desempenho da técnica Semi Global Matching (SGM) e propomos melhorias em precisão e adição do suporte à detecção de pixels de oclusão que permitiu alcançarmos alto desempenho e resultados precisos de localização de pedestre. O processamento de duas janelas de detecção de dimensões diferentes permitiu uma redução na taxa de falta de pelo menos 25% em comparação com um detector de janela de tamanho único. Os desempenhos alcançados pelo detector e pelo sistema PCP em resolução HD foram de 130 e 66,2 frames por segundo, respectivamente. Os resultados demonstram que o desempenho de ambos é constante independentemente da quantidade de janelas a serem processadas. Para demonstrar os benefícios do ganho de desempenho, nós desenvolvemos uma estratégia de avaliação que envolveu a criação de uma base de dados sintética de colisões com pedestres. A melhoria de desempenho alcançada pelo sistema PCP com a adição dos módulos de hardware propostos permitiu um aumento em distância para tomada de decisão de 6,5 metros em comparação com outros sistemas PCP mais precisos, mas que são mais lentos. Este trabalho cria alicerces para mais estudos em melhoria de previsão através de desempenho de processamento.
publishDate 2022
dc.date.issued.fl_str_mv 2022-10-31
dc.date.accessioned.fl_str_mv 2023-01-18T17:37:06Z
dc.date.available.fl_str_mv 2023-01-18T17:37:06Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv CAMBUIM, Lucas Fernando da Silva. Sistema de previsão de colisão de pedestre baseado em visão computacional. 2022. Tese (Doutorado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2022.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/48666
dc.identifier.dark.fl_str_mv ark:/64986/001300000shx4
identifier_str_mv CAMBUIM, Lucas Fernando da Silva. Sistema de previsão de colisão de pedestre baseado em visão computacional. 2022. Tese (Doutorado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2022.
ark:/64986/001300000shx4
url https://repositorio.ufpe.br/handle/123456789/48666
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/embargoedAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv embargoedAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Ciencia da Computacao
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/48666/4/TESE%20Lucas%20Fernando%20da%20Silva%20Cambuim.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/48666/5/TESE%20Lucas%20Fernando%20da%20Silva%20Cambuim.pdf.jpg
https://repositorio.ufpe.br/bitstream/123456789/48666/1/TESE%20Lucas%20Fernando%20da%20Silva%20Cambuim.pdf
https://repositorio.ufpe.br/bitstream/123456789/48666/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/48666/2/license_rdf
bitstream.checksum.fl_str_mv 37ae145521d76a9df108e9aca65d2ae6
bff9a47ffebe63263c07c59700962f0b
b9882bd7864b3304a4659b03faa6f2b7
5e89a1613ddc8510c6576f4b23a78973
e39d27027a6cc9cb039ad269a5db8e34
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1815172906084204544