VMPD (VEHICLE MANEUVER PATTERN DETECTION):
Carregando...
Citações na Scopus
Tipo de produção
Trabalho de Conclusão de Curso
Data
2020-06-17
Autores
GUILHERME COELHO SMALL ZICARI
NATHÁLIA CÂNDIDO
TIAGO COSTA ARRAZI
RAFAEL SILVA MOREIRA
NATHÁLIA CÂNDIDO
TIAGO COSTA ARRAZI
RAFAEL SILVA MOREIRA
Orientador
Paulo Sérgio Silva Rodrigues
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
Texto completo (DOI)
Palavras-chave
visão computacional,séries temporais,fluxo óptico,aprendizado de máquina
Resumo
Um dos grandes problemas das sociedades atuais é o elevado crescimento da população,
e consequentemente de veículos automotivos. Esse crescimento implica na elevação da com-
plexidade do trânsito, no qual a quantidade de elementos em que deve se manter o foco é cada
vez maior. Dada esta complexidade florescente, a probabilidade de acidentes devido a erros de
julgamento cometidos por condutores, assim como a dificuldade de fiscalização pelas autorida-
des, crescem. Este estudo tem como objetivo realizar a detecção de manobras que ocorrem ao
redor do veículo o qual o motorista ocupa, o veículo-base. O sistema proposto baseia-se em
técnicas de visão computacional, aprendizado de máquina e séries temporais. Com o objetivo
de capturar uma visão mais ampla, são utilizadas câmeras que abrangem diferentes perspecti-
vas a partir do veículo-base. Informações de interesse são extraídas e transformadas em séries
temporais, posteriormente analisadas por uma rede neural, classificando manobras detectadas.
Dada esta classificação, a metodologia se prova útil para a detecção de perigos e pontos de inte-
resse realizada em sistemas de direção semiautônomos, ou mesmo a identificação de condução
perigosa para a educação no trânsito. Até onde se sabe, este problema não foi abordado sob a
perspectiva de primeira pessoa. Os resultados obtidos são promissores, com a menor acurácia
média de 83,92% entre todas as validações. Individualmente, os resultados utilizando a valida-
ção cruzada por K-Fold atingiram uma acurácia média de 99,63% e a validação cruzada manual
não enviesada, 90,88%.