Monitoramento Automático de Trânsito Através de Técnicas de Visão Computacional com o OpenCV

MARLON DE SOUZA REIS

Resumo


O crescimento da frota de veículos nas grandes cidades do Brasil se deve ao aumento do poder econômico da população e pelas políticas urbanas aplicadas, que por muitas vezes são influenciadas pelas grandes montadoras. É notório o investimento em vias para veículos particulares, na contra mão de países mais desenvolvidos, onde estas políticas são direcionadas para transportes coletivos.

O objetivo deste trabalho é desenvolver um aplicativo que faça a detecção de veículos em tempo real, por meio de técnicas de Visão Computacional, e os classifique. A detecção de veículos foi obtida utilizando a linguagem C++ e a biblioteca OpenCV, da Intel, e neste momento, estão sendo feitos testes com diferentes técnicas, para classificar o tipo de veículo. O interesse é na detecção de caminhões em lugares onde o seu trânsito têm restrições.

 O equipamento utilizado consiste de uma única câmera fixa, posicionada em um local estratégico, interligada a um notebook e utilizando-se da aplicação desenvolvida durante o mestrado. Essa aplicação constrói um frame de background de referência e os veículos são detectados fazendo a subtração do background, em tempo real.  Pela utilidade que este protótipo pode representar no auxílio ao controle e monitoramento do trânsito nas grandes cidades, é justificada a implementação dessa aplicação de monitoramento automatizado de trânsito, com técnicas de Visão Computacional e a biblioteca OpenCV, para auxiliar no controle e mapeamento de trânsito.


Texto completo:

PDF

Referências


APTINA 2011, história do desenvolvimento dos sensores de imagem com CMOS em http://www.aptina.com/about/history_legacy.jsp, acessado em 27/05/2011.

Ballard, Dana H. and Brown, Christopher M. (1982). “Computer Vision”. Prentice Hall. ISBN 0131653164.

BORTH, M. R. ; IACIA, J. C. ; PISTORI, H. ; RUVIARO, C. F. . A Visão Computacional no Agronegócio: Aplicações e Direcionamentos. In: 7º Encontro Científico de Administração, Economia e Contabilidade (ECAECO), 2014, Ponta Porã. Anais do 7º Encontro Científico de Administração, Economia e Contabilidade (ECAECO), 2014.

Digital Image Processing” by R.C. Gonzalez and R.E. Woods, 3rd edition, Pearson Prentice Hall, 2008.

Duda R.O., Hart P.E. & Stork D.G.. Pattern Classification. 2 ed. New York, Wiley, (2001).

FAUGERAS, O. Three-dimensional computer vision: a geometric viewpoint. MIT Press, 1993.

FORSYTH, D. A.; PONCE, J. Computer Vision: A Modern Approach. 2nd Edition. Prentice Hall, 2012.

G1 GLOBO.COM, Com aumento da frota, país tem 1 automóvel para cada 4 habitantes. http://g1.globo.com/brasil/noticia/2014/03/com-aumento-da-frota-pais-tem-1-automovel-para-cada-4-habitantes.html acesso em 06 de outubro de 2014.

GOMES, J. & VELHO, L.. Computação Gráfica: imagem. 2. ed. Rio de Janeiro: IMPA, 2002.

GOMIDE, J. V. B. Imagem Digital Aplicada. Editora Elsevier/Campus, 2014.

GONZALEZ, R. C. and WOODS, R. E., Digital Image Processing, Addison Wesley,1993.

GONZALEZ, R. C.; WOODS, E. R. Digital Image Processing. 3nd Edition. Prentice Hall, 2007.

GONZALEZ, Rafael C.; WOODS, Richard C. Processamento Digital de Imagens 3.ed; São Paulo: Pearson Prentice Hall, 2010.

HARTLEY, R.; ZISSERMAN, A. Multiple View Geometry in Computer Vision. Cambridge University Press, 2004.

Image analysis in agricultural research - Glasbey, C.A. and Horgan, G.W., 2001 (Quantitative Approaches in Systems Analysis, 23, 43-54).

Jain, A. K. Fundamentals of digital image processing. New Jersey: Prentice-Hall, Inc. 1989.

M. P. Albuquerque ; ALBUQUERQUE, M. P. ; CANER, Eugenio S . Análise de Imagens e Visão Computacional. Anais da V Escola do CBPF. 1ed.Rio de Janeiro: , 2005, v. 1, p. 145-176

M.P. de Albuquerque 2000, artigo: Processamento de Imagens: Métodos e Análises, em http://www.cbpf.br/~mpa/curso2.htm

MARENGONI, Mauricio ; DENISE, Stringhini . Tutorial: Introdução à Visão Computacional usando OpenCV. Revista de Informática Teórica e Aplicada, v. XVI, p. 1-36, 2009.

MARENGONI, Mauricio ; DENISE, Stringhini . Tutorial: Introdução à Visão Computacional usando OpenCV. Revista de Informática Teórica e Aplicada, v. XVI, p. 1-36, 2009.

MITCHELL, T. Machine Learning. McGraw Hill, 1997.

Moik, J. G. Digital processing of remotely sensed images. Washington DC: Government Printing Office. 1980.

PEDRINI, H., SCHWARTZ, W. R. Análise de texturas. In: PEDRINI, H., SCHWARTZ, W. R. Análise de Imagens Digitais: Princípios, Algoritmos e Aplicações. São Paulo: Thomson Learning, 2008.

PISTORI, H. Tecnologia Adaptativa em Engenharia de Computação: Estado da Arte e Aplicações. Tese, Escola Politécnica da USP, 2003.

PRATI, Ronaldo Cristiano. Novas abordagens em aprendizado de máquina para a geração de regras, classes desbalanceadas e ordenação de casos. 2006. Tese (Doutorado em Ciências de Computação e Matemática Computacional) - Instituto de Ciências Matemáticas e de Computação, University of São Paulo, São Carlos, 2006.

SHAPIRO, L.; STOCKMAN, G. Computer vision. New Jersey: Prentice Hall, 2001.

TRUCCO, E.; VERRI, A. Introductory Techniques for 3-D Computer Vision. Prentice Hall, 1998.

WIRED 2011, artigo de Rachel Ehrenberg, Square Pixel Inventor Tries to Smooth Things Out em http://www.wired.com/wiredscience/2010/06/smoothing-square-pixels/


Apontamentos

  • Não há apontamentos.




Projetos, Dissertações e Teses em Sistemas de Informação e Gestão do Conhecimento
ISSN 2358-5501 (Online)