Extraindo dados de tráfego a partir de vídeos em tempo real
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/jspui/handle/123456789/24211 |
Resumo: | Alguns dos maiores problemas nas grandes cidades estão relacionados com a mobilidade urbana. Problemas como congestionamentos e acidentes impactam diretamente, de modo negativo na sociedade, e são muitas vezes atribuídos à falta de planejamento urbano por parte dos governantes, à falta de políticas públicas e projetos de pesquisa que proporcionem uma solução, mesmo que de forma parcial, ao problema. Estas projetos de pesquisa dependem de dados que devem ser coletados in loco nas principais avenidas e ruas da cidade, hoje realizado de forma manual através da observação de imagens geradas por câmeras de CFTV (Circuito Fechado de TV), principal meio de vigilância no trânsito. Assim, surge a necessidade de uma solução que seja capaz de automatizar a coleta destes dados de forma a reduzir custos com pessoal, otimizar o trabalho e reduzir, também, erros oriundos deste tipo de operação. Desta forma, propomos um método capaz de coletar estes dados de forma automática, em tempo real, utilizando estas imagens de vídeos para subsidiar pesquisas e detectar possíveis ações no trânsito. Nosso método consiste em um fluxo sequencial de atividades o qual submetemos as imagens. Primeiro, utilizamos segmentação por movimento para detectar objetos em movimento. Em seguida, aplicamos, em cada objeto segmentado, uma adaptação do método de Viola-Jones para refinar a busca na detecção de veículos, classificando-os. Nesta etapa, tratamos situações de oclusão, fenômeno comum de sobreposição de objetos que interfere diretamente nos resultados, e, por fim, aplicamos o método de Senior para rastreamento de cada veículo classificado a fim de obtermos dados relevantes do tráfego, inicialmente a direção, velocidade e intensidade do fluxo. Submetemos alguns vídeos coletados em uma avenida de grande circulação a fim de testarmos nosso método. Como resultado, construímos um modelo eficiente e com custo computacional baixo capaz de tratar situações de oclusão sob diferentes condições de iluminação, sendo esta a principal contribuição deste trabalho. |
id |
UFRN_d9c44465073f67fd14db7c5a3d63c696 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/24211 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Silva, Luiz Fernando Virginio dahttp://lattes.cnpq.br/8676127890267108http://lattes.cnpq.br/0330924133337698Canuto, Anne Magaly de Paulahttp://lattes.cnpq.br/1357887401899097Fontes, Aluisio Igor Regohttp://lattes.cnpq.br/7848819859172650Carvalho, Bruno Motta de2017-11-07T22:41:10Z2017-11-07T22:41:10Z2017-07-31SILVA, Luiz Fernando Virginio da. Extraindo dados de tráfego a partir de vídeos em tempo real. 2017. 79f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2017.https://repositorio.ufrn.br/jspui/handle/123456789/24211Alguns dos maiores problemas nas grandes cidades estão relacionados com a mobilidade urbana. Problemas como congestionamentos e acidentes impactam diretamente, de modo negativo na sociedade, e são muitas vezes atribuídos à falta de planejamento urbano por parte dos governantes, à falta de políticas públicas e projetos de pesquisa que proporcionem uma solução, mesmo que de forma parcial, ao problema. Estas projetos de pesquisa dependem de dados que devem ser coletados in loco nas principais avenidas e ruas da cidade, hoje realizado de forma manual através da observação de imagens geradas por câmeras de CFTV (Circuito Fechado de TV), principal meio de vigilância no trânsito. Assim, surge a necessidade de uma solução que seja capaz de automatizar a coleta destes dados de forma a reduzir custos com pessoal, otimizar o trabalho e reduzir, também, erros oriundos deste tipo de operação. Desta forma, propomos um método capaz de coletar estes dados de forma automática, em tempo real, utilizando estas imagens de vídeos para subsidiar pesquisas e detectar possíveis ações no trânsito. Nosso método consiste em um fluxo sequencial de atividades o qual submetemos as imagens. Primeiro, utilizamos segmentação por movimento para detectar objetos em movimento. Em seguida, aplicamos, em cada objeto segmentado, uma adaptação do método de Viola-Jones para refinar a busca na detecção de veículos, classificando-os. Nesta etapa, tratamos situações de oclusão, fenômeno comum de sobreposição de objetos que interfere diretamente nos resultados, e, por fim, aplicamos o método de Senior para rastreamento de cada veículo classificado a fim de obtermos dados relevantes do tráfego, inicialmente a direção, velocidade e intensidade do fluxo. Submetemos alguns vídeos coletados em uma avenida de grande circulação a fim de testarmos nosso método. Como resultado, construímos um modelo eficiente e com custo computacional baixo capaz de tratar situações de oclusão sob diferentes condições de iluminação, sendo esta a principal contribuição deste trabalho.Some of the major problems in large cities are related to urban mobility. Problems such as traffic jams and vehicle accidents directly impact society in a negative way, and are usually attributed to lack of urban planning from governments, the lack of public policies or research projects aimed at solving this problems, even if partially. These researche projects depend on data that must be collected in loco on the main avenues and streets of the city, that are now performed manually through the observation of images captured by CCTV cameras (Closed Circuit TV), the main means of traffic surveillance in the city. Thus, there is a need for a solution that is able to automaticaly collect these data in order to reduce costs with personnel, optimize the work and also reduce errors that arise from this operation. In this way, we propose a method capable of collecting this data automatically, in real time, using these video images to support the researche projects and explore possible actions in traffic management. Our method consists of a continuous flow of activities that use the collected images. First, it uses motion segmentation to detect moving objects. Then, we apply, in each segmented object, an adaptation of the Viola-Jones method to refine the search in the detection of vehicles, classifying them. In this step, we deal with occlusion situations, a common phenomenon of objects overlapping that directly interfere on results. Finally, we apply the Senior method to track each vehicle in order to obtain relevant traffic data, initially direction, speed and intensity of flow. We submit some videos collected on a large avenue to test our method. As a result, we construct an efficient model with low computational cost capable of handling situations of occlusion in distincts lighting conditions, which is the main contribution of this work.porCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOVigilância de tráfegoProcessamento de imagensVisão computacionalAprendizado de máquinaDetecçãoRastreamentoExtraindo dados de tráfego a partir de vídeos em tempo realExtracting traffic data from videos in real-timeinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisPROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃOUFRNBrasilinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALLuizFernandoVirginioDaSilva_DISSERT.pdfLuizFernandoVirginioDaSilva_DISSERT.pdfapplication/pdf4802963https://repositorio.ufrn.br/bitstream/123456789/24211/1/LuizFernandoVirginioDaSilva_DISSERT.pdf43f79f9003668656cac2a43803883401MD51TEXTLuizFernandoVirginioDaSilva_DISSERT.pdf.txtLuizFernandoVirginioDaSilva_DISSERT.pdf.txtExtracted texttext/plain125208https://repositorio.ufrn.br/bitstream/123456789/24211/2/LuizFernandoVirginioDaSilva_DISSERT.pdf.txtd1494ff086dfc7746f5a8a397707e04eMD52THUMBNAILLuizFernandoVirginioDaSilva_DISSERT.pdf.jpgLuizFernandoVirginioDaSilva_DISSERT.pdf.jpgIM Thumbnailimage/jpeg2886https://repositorio.ufrn.br/bitstream/123456789/24211/3/LuizFernandoVirginioDaSilva_DISSERT.pdf.jpgce7eaf9fad51abf1453e66f98cbd088aMD53123456789/242112022-04-12 19:26:18.711oai:https://repositorio.ufrn.br:123456789/24211Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2022-04-12T22:26:18Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Extraindo dados de tráfego a partir de vídeos em tempo real |
dc.title.alternative.pt_BR.fl_str_mv |
Extracting traffic data from videos in real-time |
title |
Extraindo dados de tráfego a partir de vídeos em tempo real |
spellingShingle |
Extraindo dados de tráfego a partir de vídeos em tempo real Silva, Luiz Fernando Virginio da CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO Vigilância de tráfego Processamento de imagens Visão computacional Aprendizado de máquina Detecção Rastreamento |
title_short |
Extraindo dados de tráfego a partir de vídeos em tempo real |
title_full |
Extraindo dados de tráfego a partir de vídeos em tempo real |
title_fullStr |
Extraindo dados de tráfego a partir de vídeos em tempo real |
title_full_unstemmed |
Extraindo dados de tráfego a partir de vídeos em tempo real |
title_sort |
Extraindo dados de tráfego a partir de vídeos em tempo real |
author |
Silva, Luiz Fernando Virginio da |
author_facet |
Silva, Luiz Fernando Virginio da |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/8676127890267108 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/0330924133337698 |
dc.contributor.referees1.none.fl_str_mv |
Canuto, Anne Magaly de Paula |
dc.contributor.referees1Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1357887401899097 |
dc.contributor.referees2.none.fl_str_mv |
Fontes, Aluisio Igor Rego |
dc.contributor.referees2Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/7848819859172650 |
dc.contributor.author.fl_str_mv |
Silva, Luiz Fernando Virginio da |
dc.contributor.advisor1.fl_str_mv |
Carvalho, Bruno Motta de |
contributor_str_mv |
Carvalho, Bruno Motta de |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO Vigilância de tráfego Processamento de imagens Visão computacional Aprendizado de máquina Detecção Rastreamento |
dc.subject.por.fl_str_mv |
Vigilância de tráfego Processamento de imagens Visão computacional Aprendizado de máquina Detecção Rastreamento |
description |
Alguns dos maiores problemas nas grandes cidades estão relacionados com a mobilidade urbana. Problemas como congestionamentos e acidentes impactam diretamente, de modo negativo na sociedade, e são muitas vezes atribuídos à falta de planejamento urbano por parte dos governantes, à falta de políticas públicas e projetos de pesquisa que proporcionem uma solução, mesmo que de forma parcial, ao problema. Estas projetos de pesquisa dependem de dados que devem ser coletados in loco nas principais avenidas e ruas da cidade, hoje realizado de forma manual através da observação de imagens geradas por câmeras de CFTV (Circuito Fechado de TV), principal meio de vigilância no trânsito. Assim, surge a necessidade de uma solução que seja capaz de automatizar a coleta destes dados de forma a reduzir custos com pessoal, otimizar o trabalho e reduzir, também, erros oriundos deste tipo de operação. Desta forma, propomos um método capaz de coletar estes dados de forma automática, em tempo real, utilizando estas imagens de vídeos para subsidiar pesquisas e detectar possíveis ações no trânsito. Nosso método consiste em um fluxo sequencial de atividades o qual submetemos as imagens. Primeiro, utilizamos segmentação por movimento para detectar objetos em movimento. Em seguida, aplicamos, em cada objeto segmentado, uma adaptação do método de Viola-Jones para refinar a busca na detecção de veículos, classificando-os. Nesta etapa, tratamos situações de oclusão, fenômeno comum de sobreposição de objetos que interfere diretamente nos resultados, e, por fim, aplicamos o método de Senior para rastreamento de cada veículo classificado a fim de obtermos dados relevantes do tráfego, inicialmente a direção, velocidade e intensidade do fluxo. Submetemos alguns vídeos coletados em uma avenida de grande circulação a fim de testarmos nosso método. Como resultado, construímos um modelo eficiente e com custo computacional baixo capaz de tratar situações de oclusão sob diferentes condições de iluminação, sendo esta a principal contribuição deste trabalho. |
publishDate |
2017 |
dc.date.accessioned.fl_str_mv |
2017-11-07T22:41:10Z |
dc.date.available.fl_str_mv |
2017-11-07T22:41:10Z |
dc.date.issued.fl_str_mv |
2017-07-31 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SILVA, Luiz Fernando Virginio da. Extraindo dados de tráfego a partir de vídeos em tempo real. 2017. 79f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2017. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/jspui/handle/123456789/24211 |
identifier_str_mv |
SILVA, Luiz Fernando Virginio da. Extraindo dados de tráfego a partir de vídeos em tempo real. 2017. 79f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2017. |
url |
https://repositorio.ufrn.br/jspui/handle/123456789/24211 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/24211/1/LuizFernandoVirginioDaSilva_DISSERT.pdf https://repositorio.ufrn.br/bitstream/123456789/24211/2/LuizFernandoVirginioDaSilva_DISSERT.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/24211/3/LuizFernandoVirginioDaSilva_DISSERT.pdf.jpg |
bitstream.checksum.fl_str_mv |
43f79f9003668656cac2a43803883401 d1494ff086dfc7746f5a8a397707e04e ce7eaf9fad51abf1453e66f98cbd088a |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117510135283712 |