Setembro 2023 vol. 10 num. 1 - XXX Simpósio Internacional de Engenharia Automotiva

Trabalho completo - Open Access.

Idioma principal | Segundo idioma

Uma aplicação de softwares de engenharia em processamento de imagem de tráfego: uma revisão baseada nos métodos tradicionais.

An application of engineering software in traffic image processing: a review based on traditional methods.

COSTA, Lucas Fernandes Ferreira ; ARAUJO, Reinaldo da Silva ;

Trabalho completo:

O competitivo ambiente industrial motiva empresas automotivas a continuamente buscarem por iniciativas disruptivas na solução de problemas e tomadas de decisão, especialmente no melhor entendimento de como os usuários utilizam seus veículos e interagem com tamanha experiência tecnológica. É evidente a quantidade de pesquisas cientíticas relacionadas ao reconhecimento de imagens e sobretudo, na aplicação de Visão Computacional na coleta de informações implícitas sobre o comportamento do usuário e do ambiente durante os eventos de direção. Atualmente os veículos conectados através dos sensores tal como as câmeras online nas cidades facilitam um monitoramento dos veículos e tráfego, contribuindo para avaliações analíticas que contribuem para estudos sobre veículos autônomos e cidades inteligentes. Este trabalho apresenta uma aplicação acadêmica de Visão Computacional através de um software de engenharia em comparação a um método tradicional utilizando Python. O banco de dados público consiste em imagens de tráfego brasileiro e sob esta proposta, rótulos serão adicionados como informações tabulares sobre tal ambiente. Um modelo de classificação será construído para analisar a conduta de Veículos Pesados na rodovia.

Trabalho completo:

A competitive industrial environment motivates automotive companies to continuously search for initiatives to disrupt problem solving and decision making, especially a better understanding of how customers use their vehicles and interacts with such technological experience and diverse use. It is impressive the amount of research related to image recognition and the application of computer vision to get unclear information related to driver intention and the environment during driving events. Nowadays, in-vehicle sensors and online city cameras facilitate almost continuous monitoring of vehicles and traffic, contributing to analytical assessments that are increasingly enhancing the studies about autonomous vehicle and smart cities. This work presents an academic application of computer vision based on engineering software in comparison with a traditional approach using Python. The public data source consists of Brazilian traffic images, and labels will provide tabular information about that environment. A classification model will be built to analyze the conduct of heavy vehicles and compared by both methods. Finding a way to leverage support tools exploiting Machine Learning and Image Processing seems an innovative and intelligent pathway for customer-centric companies.

Download (PDF)

Palavras-chave: ,

Palavras-chave: ,

DOI: 10.5151/simea2023-PAP89

Referências bibliográficas
  • [1] """SCOPUS,"" 2023. [Online]. Available: https://www.scopus.com/ search/. [Accessed April, 28th 2023].
  • [2] N. J. VAN ECK and L. WALTMAN, Manual for VOSviewer version 1.6.18, Leiden: University Leiden, 202
  • [3] R. CUCCHIARA, M. PICCARDI and P. MELLO, ""Image analysis and rule-based reasoning for a traffic monitoring system,"" IEEE transactions on intelligent transportation systems, vol. 1, no. 2, pp. 119-130, 2000.
  • [4] S. GUPTE, O. MASOUD, R. F. MARTIN and N. P. PAPANIKOLOPOULOS, ""Detection and Classification of Vehicles,"" IEEE Transactions on intelligent transportation systems, vol. 3, no. 1, pp. 37-47, 2002.
  • [5] V. JAIN, A. SHARMA and L. SUBRAMANIAN, ""Road Traffic Congestion in the Developing World,"" Proceedings of the 2nd ACM Symposium on Computing for Development, pp. 1-10, 2012.
  • [6] GITHUB, ""OSINT Brazuca (Open source intelligence ou Inteligência de Fontes Abertas),"" 2023. [Online]. Available: https://github.com/osintbrazuca/osint-brazuca#cameras-online. [Accessed April, 18th 2023].
  • [7] BRASIL, ""Lei nº 9.503, de 23 de setembro de 199 Institui o Código de Trânsito Brasileiro.,"" [Online].
  • [8] Available: http://www.planalto.gov.br/ccivil03/Leis /L9503.htm. [Accessed May, 15th 2023].
  • [9] [8]J. BROWNLEE, Deep Learning for Computer Vision, 2020.
  • [10] [9]HEXAGON, ""ODYSSEE,"" 2023. [Online]. Available: https://hexagon.com/products/odyssee. [Accessed May, 20th 2023].
  • [11] [10]Y. TIAN, ""Integrating image and tabular data for deep learning,"" Towards Data Science, 2020. [Online]. Available: https://towardsdatascience.com/integrating-image-and-tabular-data-for-deep-learning-9281397c7318. [Accessed May, 15th 2023].
  • [12] [11]DER, ""Câmeras Online,"" 2023. [Online]. Available: http://www.der.sp.gov.br/WebSite/Servicos/ServicosOnline/CamerasOnlineMapa.aspx. [Accessed May, 8th 2023].
  • [13] [12]V. RIBEIRO, V. GREATI, A. BEZERRA , G. SILVANO, I. SILVA, P. T. ENDO and T. LYNN, ""Brazilian Mercosur License Plate Detection: a Deep Learning Approach Relying on Synthetic Imagery,"" in Brazilian Symposium on Computing System Engineering (SBESC), Natal, 2019.
  • [14] [13]J. HOWARD and S. GUGGER, ""Fastai: A layered API for deep learning,"" Information, vol. 11, no. 2, p. 108, 2020.
  • [15] [14]J. HOWARD and S. GUGGER, Deep Learning for Coders with fastai and PyTorch: AI Applications Without a PhD, O'Reilly Media, 2020.
  • [16] [15]Python Software Foundation, ""Data Structures - Python 3.11.3 documentation,"" 2023. [Online]. Available: https://docs.python.org/3/tutorial/datastructures.html#dictionaries. [Accessed May, 5th 2023].
  • [17] [16]Z. WU, C. SHEN and A. V. D. HENGEL, ""Wider or deeper: Revisiting the resnet model for visual
  • [18] recognition,"" Pattern Recognition, vol. 90, pp. 119-133, 2019.
  • [19] [17]K. WEISS, T. M. KHOSHGOFTAAR and D. WANG, ""A survey of transfer learning,"" Journal of Big data, vol. 3, no. 1, pp. 1-40, 2016.
  • [20] [18]G. M. FOODY, ""Status of land cover classification accuracy assessment,"" Remote Sensing of Environment, pp. 185-201, 12 July 2001.
  • [21] [19]Scikit-Learn, ""scikit-learn,"" [Online]. Available: https://scikit-learn.org/stable/index.html. [Accessed May, 12th 2023]."
Como citar:

COSTA, Lucas Fernandes Ferreira; ARAUJO, Reinaldo da Silva; "Uma aplicação de softwares de engenharia em processamento de imagem de tráfego: uma revisão baseada nos métodos tradicionais.", p. 440-446 . In: Anais do XXX Simpósio Internacional de Engenharia Automotiva . São Paulo: Blucher, 2023.
ISSN 2357-7592, DOI 10.5151/simea2023-PAP89

últimos 30 dias | último ano | desde a publicação


downloads


visualizações


indexações