Extraindo dados de tráfego a partir de vídeos em tempo real

• Autor(a) principal: Silva, Luiz Fernando Virginio da
• 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
• 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

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.