Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/34427| Título: | Detecção de ciclistas em cenário urbano por meio de visão computacional em dispositivos móveis |
| Título(s) alternativo(s): | Cyclist detection in urban settings through computer vision on mobile devices |
| Autor(es): | Santos, Leandro Alves dos |
| Orientador(es): | Betini, Roberto Cesar |
| Palavras-chave: | Ciclistas Tráfego urbano Levantamentos de trânsito Aprendizado profundo (Aprendizado do computador) Raspberry Pi (Computador) Visão por computador Sistemas inteligentes de veículos rodoviários Cyclists City traffic Traffic surveys Deep learning (Machine learning) Raspberry Pi (Computer) Computer vision Intelligent transportation systems |
| Data do documento: | 13-Mar-2024 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | SANTOS, Leandro Alves dos. Detecção de ciclistas em cenário urbano por meio de visão computacional em dispositivos móveis. 2024. Dissertação (Mestrado em Computação Aplicada) - Universidade Tecnológica Federal do Paraná, Curitiba, 2024. |
| Resumo: | A detecção automática de ciclistas no cenário urbano é um campo de estudo em sistemas de transporte inteligentes e smart cities que possibilita gerar dados estruturados importantes que atuam para compreender a dinâmica da utilização do espaço urbano por ciclistas e orientar a criação de políticas públicas de ciclomobilidade e segurança no trânsito. Neste estudo, propomos um sistema embarcado móvel para detecção e contagem de ciclistas que busca ser uma solução leve utilizando a visão computacional e métodos deep learning e tem por característica ser de baixo consumo de energia e fácil manuseio, baseado nas plataformas Raspberry Pi 4 e o acelerador Edge Tpu Coral. O sistema desenvolvido apresentou um desempenho F1-score de 0,9137 para o processamento de vídeo pré-gravado. Em experimentos de contagem em campo, onde a contagem realizada pelo sistema foi comparada com a contagem humana, resultou em uma performance de contagem entre 78,3% e 82,2% em relação à contagem visual. |
| Abstract: | Automatically detecting and counting cyclists in urban scenarios is a task in intelligent transportation systems and smart cities that enables the generation of important structured data. This data contributes to understanding the dynamics of cyclists’ use of the urban space and guides the development of public policies for cycling mobility and traffic safety. In this study, we propose an embedded system for cyclist detection and counting, aiming to be a lightweight solution using computer vision and deep learning methods. It is characterized by low energy consumption and easy handling, based on the Raspberry Pi 4 platform and the Edge TPU Coral accelerator. The developed system achieved an F1-score of 0.9137 for processing pre-recorded video. In field counting experiments, where the system’s count was compared to human count, it resulted in counting performance between 78.3% and 82.2% in relation to visual counting. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/34427 |
| Aparece nas coleções: | CT - Programa de Pós-Graduação em Computação Aplicada |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| deteccaociclistasvisaocomputacional.pdf | 92,84 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
