Defesa de Mestrado – Jhon Jamilton Majin Erazo – 24/6/2021
07/06/2021 14:41
| Defesa de Dissertação de Mestrado | |
| Aluno | Jhon Jamilton Majin Erazo |
| Orientador
Coorientador |
Prof. Marcelo Ricardo Stemmer, Dr. – DAS/UFSC
Prof. Maurício Edgar Stivanello, Dr. – IFSC |
| Data | 24/6/2021 (quinta-feira) – 14h
Videoconferência (https://meet.google.com/gez-keta-hkj) |
| Banca | Prof. Marcelo Ricardo Stemmer, Dr. – DAS/UFSC (presidente);
Prof. Tiago Loureiro Figaro da Costa Pinto, Dr. – EMC/UFSC; Prof. Werner Kraus Junior, Dr. – DAS/UFSC. |
| Título | Desenvolvimento de um Sistema de Contagem e Classificação de Veículos utilizando Redes Neurais Convolucionais |
| Resumo: 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. | |
