Desenvolvimento de um sistema de contagem e classificação de veículos utilizando redes neurais convolucionais

Detalhes bibliográficos
Autor(a) principal: Majin Erazo, Jhon Jamilton
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/227085
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2021.
id UFSC_7baade537e8d7e21b0596b5622e43a28
oai_identifier_str oai:repositorio.ufsc.br:123456789/227085
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Desenvolvimento de um sistema de contagem e classificação de veículos utilizando redes neurais convolucionaisEngenharia de sistemasAutomaçãoTrânsitoRedes neurais (Computação)Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2021.Com o crescente número de veículos em todo o mundo, o monitoramento e controle do tráfego por meio de tecnologias modernas tornou-se um requisito fundamental. É por isso que os sistemas inteligentes de transporte (ITS, Intelligent Transport Systems) são uma alternativa com grande interesse nas últimas décadas. Nestes sistemas, a contagem e classificação de veículos são dois parâmetros essenciais, que fornecem informações valiosas sobre o estado de tráfego, ocupação das rodovias, níveis de congestionamento, entre outros. Os ITS têm se beneficiado pelo aumento dos recursos computacionais e pela melhoria dos métodos de processamento de imagens, especialmente na detecção de objetos baseada em aprendizado profundo. Na literatura, diferentes abordagens têm sido propostas para realizar a contagem e classificação de veículos utilizando processamento de imagens. Contudo, essas abordagens são dependentes das condições iniciais em que foram projetadas, de modo que não há uma solução geral para estas tarefas. Portanto, neste trabalho é proposto um algoritmo de contagem e classificação de veículos utilizando um modelo de detecção baseado em redes neurais convolucionais (CNN). Este algoritmo consiste em 4 etapas principais: detecção, identificação, contagem por linha virtual e contagem por regiões. A fim de selecionar o modelo de detecção com melhor equilíbrio entre precisão e velocidade a ser implementado no algoritmo, foi realizada a comparação de diferentes detectores avaliados em um novo conjunto de dados. O conjunto de dados é composto por 4.300 imagens de veículos capturadas em diferentes rodovias da cidade de Florianópolis (SC), Brasil. Os resultados experimentais realizados mostram que os melhores índices entre os modelos de detecção foram obtidos utilizando YOLOv4NCIOU com um mAP=88,2 % e uma velocidade de processamento de 18 FPS. Além disso, a precisão média obtida no algoritmo de contagem e classificação de veículos em diferentes vídeos de teste foi de 94 % com uma taxa de processamento em tempo real inferior a 2,0.Abstract: With the increasing number of vehicles around the world, traffic monitoring and control using modern technologies has become a fundamental requirement. That is why Intelligent Transport Systems (ITS) have been an alternative with great interest in recent decades. In these systems, vehicle counting and classification are two essential parameters, which provide valuable information on traffic conditions, lane occupancy, levels of congestion, among others. ITS have benefited from increased computational resources and improved image processing methods, especially in deep learning-based object detection. Different approaches have been proposed in the literature to perform vehicle counting and classification using image processing. However, these approaches are dependent on the initial conditions in which they were designed, so there is no general solution for these tasks. Therefore, in this work a vehicle counting and classification algorithm is proposed using a detection model based on Convolutional Neural Networks (CNN). This algorithm consists of 4 main stages: detection, identification, counting by virtual line and counting by regions. To select the detection model with the best trade-off between precision and speed to be implemented in the algorithm, a comparison of different detectors evaluated on a new data set was performed. The dataset is composed of 4300 vehicle images captured on different highways in the city of Florianópolis (SC), Brazil. The experimental results performed show that the best rates between the models were obtained using YOLOv4NCIOU with mAP = 88,2 % and a processing speed of 18 FPS. In addition, the average precision obtained in the vehicle counting and classification algorithm in different test videos was 94 % with a real-time processing rate less than 2,0.Stemmer, Marcelo RicardoStivanello, Mauricio EdgarUniversidade Federal de Santa CatarinaMajin Erazo, Jhon Jamilton2021-08-23T14:07:19Z2021-08-23T14:07:19Z2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis135 p.| il., tabs.application/pdf372500https://repositorio.ufsc.br/handle/123456789/227085porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2021-08-23T14:07:19Zoai:repositorio.ufsc.br:123456789/227085Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732021-08-23T14:07:19Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Desenvolvimento de um sistema de contagem e classificação de veículos utilizando redes neurais convolucionais
title Desenvolvimento de um sistema de contagem e classificação de veículos utilizando redes neurais convolucionais
spellingShingle Desenvolvimento de um sistema de contagem e classificação de veículos utilizando redes neurais convolucionais
Majin Erazo, Jhon Jamilton
Engenharia de sistemas
Automação
Trânsito
Redes neurais (Computação)
title_short Desenvolvimento de um sistema de contagem e classificação de veículos utilizando redes neurais convolucionais
title_full Desenvolvimento de um sistema de contagem e classificação de veículos utilizando redes neurais convolucionais
title_fullStr Desenvolvimento de um sistema de contagem e classificação de veículos utilizando redes neurais convolucionais
title_full_unstemmed Desenvolvimento de um sistema de contagem e classificação de veículos utilizando redes neurais convolucionais
title_sort Desenvolvimento de um sistema de contagem e classificação de veículos utilizando redes neurais convolucionais
author Majin Erazo, Jhon Jamilton
author_facet Majin Erazo, Jhon Jamilton
author_role author
dc.contributor.none.fl_str_mv Stemmer, Marcelo Ricardo
Stivanello, Mauricio Edgar
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Majin Erazo, Jhon Jamilton
dc.subject.por.fl_str_mv Engenharia de sistemas
Automação
Trânsito
Redes neurais (Computação)
topic Engenharia de sistemas
Automação
Trânsito
Redes neurais (Computação)
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2021.
publishDate 2021
dc.date.none.fl_str_mv 2021-08-23T14:07:19Z
2021-08-23T14:07:19Z
2021
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.uri.fl_str_mv 372500
https://repositorio.ufsc.br/handle/123456789/227085
identifier_str_mv 372500
url https://repositorio.ufsc.br/handle/123456789/227085
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.format.none.fl_str_mv 135 p.| il., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652082736005120

Registros relacionados