Informações do Trabalho
Titulo
Detecção e contagem de veículos em vídeos utilizando redes neurais convolucionais
Subtítulo
Autor
GABRIEL BARRETO CALIXTO
Orientador
LUIZ MAURILIO DA SILVA MACIEL
Resumo
Para compreender os impactos de veículos no dia a dia da população, a coleta de informações de contagem de veículos constitui uma importante etapa, sendo possível utilizar tais dados em diversas áreas de conhecimento. Atualmente, a facilidade de geração de vídeos da via pública e os avanços na área de visão computacional, principalmente relacionados às redes neurais de aprendizado profundo, possibilitam a aplicação de um modelo baseado na detecção e rastreamento de objetos para realizar a tarefa de contagem de veículos em vídeos. Neste trabalho, busca-se combinar redes neurais de detecção de objetos e algoritmos de rastreamento para criar um modelo capaz de contar e classificar veículos capturados em diferentes vídeos. Para tal, foram aplicados métodos que representam o estado da arte na resolução do problema: o modelo de detecção de objetos Yolov8 e o rastreador ByteTrack. Adicionalmente, foi construído um conjunto de dados para treinamento das redes de detecção. O treinamento foi realizado em 6 versões da Yolov8, e seu impacto na contagem foi analisado. Na expectativa de tornar o método acessível a uma gama diversa de usuários, foi elaborado um notebook no Google Colab que simplifica sua utilização. Os resultados obtidos mostram que a melhor versão do modelo atingiu acurácia de contagem total média de 87,20%, atingindo 100% em um vídeo, demonstrando a possibilidade de criação de um método de contagem de veículos acessível. Adicionalmente os resultados forneceram informações importantes sobre as limitações da rede de detecção de objetos, como a dificuldade de detecção de motos.
Ano:
2023
Palavras-Chave
Contagem de veículos; aprendizado profundo; visão computacional; detecção de objetos; rastreamento de objetos.
Obter PDF
Obter arquivos extras
Obter Bibtex