Detecção de sombras de veículos em movimento em vídeos

• Autor(a) principal: Reis, Henrique Gonçalves de Pádua
• Data de Publicação: 2017
• Outros Autores: Beleski, Nicolas Mansur
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/8130
• topic: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS; Sistemas inteligentes de veículos rodoviários; Veículos; Sombras - Detecção; Sistemas inteligentes de veículos rodoviários; Imagens digitais; Computação; Intelligent transportation systems Vehicles; Shades and shadows - Detection; Intelligent transportation systems; Digital images; Vehicles; Computer science

A identificação e rastreamento de veículos em vias e fator importante no processo de decisão desenvolvimento urbano. Existe uma grande variedade de informações disponíveis, variando de contagem de veículos, estimação de velocidade, detecção de infrações, identificação de veículos ilegais entre outras. No entanto, técnicas relacionadas a processamento de imagens digitais ainda não estão consolidadas como soluções robustas pois no geral não oferecem resultados tão precisos quanto sensores físicos, apesar de apresentarem vantagens relacionadas a custos de instalação e equipamentos necessários. Um dos obstáculos mais comuns encontrados durante a segmentação de veículos e a influência negativa causada pela presença de sombras projetadas no asfalto pelos mesmos quando em movimento. Com o objetivo de abordar este problema específico o trabalho proposto consiste de uma analise de técnicas presentes na literatura recente e na aplicação de uma série de algoritmos de processamento de imagem sobre um vídeo que emula uma câmera de segurança de trânsito. Diferentes abordagens são utilizadas com o objetivo de obter um melhor resultado quanto à posição dos respectivos veículos em movimento no vídeo, buscando minimizar os efeitos da sombra presente. O projeto e estruturado de forma que os diferentes algoritmos são aplicados em ordem sequencial, adaptando os resultados parciais encontrados. A partir da determinação de um plano de fundo inicial e da segmentação dos objetos em movimento, a análise é feita em três etapas principais: classificação inicial de pixels candidatos pela luminosidade, refinamento dos mesmos através da análise de correlação de textura, e subsequentemente a aplicação de uma analise probabilística iterativa usando a distancia de Mahalanobis como referência para descartar pixels aberrantes. Entre os 135 veículos analisados, a similaridade entre a região calculada e o resultado esperado foi de 81,15%. O resultado e considerado satisfatório pois entre o conjunto de técnicas ´ apresentadas, a analise de correlação de textura e o uso da distância de Mahalanobis são promissores e possibilitam estudos futuros.