Estudo comparativo de detecção e rastreamento de elementos no trânsito utilizando imagens ominidirecionais

Página do item simplificado
dc.contributor.advisor1Vassallo, Raquel Frizera
dc.contributor.advisor1IDhttps://orcid.org/0000-0002-4762-3219
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9572903915280374
dc.contributor.authorScarparo, Heisthen Mazzei
dc.contributor.authorIDhttps://orcid.org/0009-0009-8243-3320
dc.contributor.authorLatteshttp://lattes.cnpq.br/4545146039699801
dc.contributor.referee1Almonfrey, Douglas
dc.contributor.referee1IDhttps://orcid.org/0000-0002-0547-3494
dc.contributor.referee1Latteshttp://lattes.cnpq.br/1291322166628469
dc.contributor.referee2Cavalieri, Daniel Cruz
dc.contributor.referee2IDhttps://orcid.org/0000-0002-4916-1863
dc.contributor.referee2Latteshttp://lattes.cnpq.br/9583314331960942
dc.date.accessioned2025-05-27T21:19:38Z
dc.date.available2025-05-27T21:19:38Z
dc.date.issued2024-11-22
dc.description.abstractTraffic detection and tracking play an important role in the context of smart cities. These technologies have the potential to alleviate congestion, optimize the use of resources, and improve the quality of life of the population. However, one aspect of this field that has not yet been explored is the use of omnidirectional videos, which provide a 360° field of view. Omnidirectional images offer a large field of view of the road environment, allowing for a more complete analysis of traffic and moving objects. This panoramic view makes it possible to detect vehicles, pedestrians, cyclists, and other elements in all directions, including angles that are difficult to capture with conventional cameras. Using this type of imagery for traffic light control makes it easier to obtain information on the trajectory of vehicles in real time and, therefore, configure traffic lights in a more intelligent and efficient way. In addition, omnidirectional images can be used to monitor areas of high traffic density, identify congestion points, and analyze road user behavior patterns. This information is valuable for urban planning, the development of mobility policies, and the implementation of strategies aimed at improving traffic flow and street safety. Although the use of 360° panoramic images in the context of traffic detection and tracking is still an underexplored f ield, it represents a good tool for the implementation of smart cities through its integration with traffic light control and traffic management systems in cities. In this context, this work presents a database containing 25 panoramic videos, with their respective annotations. This database is available for use by the academic community. It also presents a comparative study between the application of the YOLOv5, YOLOv7, and YOLO-NAS networks, together with the use of the DEEPSORT algorithm, for detection and tracking of traffic objects present in the database. To compare the networks, the metrics of Precision, Recall, F1-Score, mAP@.5, and mAP@.5:.95 were used. In this study, the best result was obtained using the YOLOv7 network with training. Such result shows the feasibility of considering the use of omnidirectional images as a tool in the task of traffic monitoring and helping provide urban mobility
dc.description.resumoA detecção e rastreamento de elementos no trânsito desempenham um papel fundamental no avanço das cidades inteligentes. Essas tecnologias têm o potencial de aliviar o congestionamento, otimizar o uso de recursos e melhorar a qualidade de vida da população. No entanto, um aspecto ainda pouco explorado nesse campo é a utilização de vídeos omnidirecionais, que proporcionam um campo visual de 360°. As imagens omnidirecionais oferecem uma perspectiva abrangente do ambiente viário, permitindo uma análise mais completa do tráfego e dos objetos em movimento. Essa visão panorâmica possibilita a detecção de veículos, pedestres, ciclistas e outros elementos em todas as direções, incluindo ângulos difíceis de capturar com câmeras convencionais. O uso desse tipo de imagens para o controle semafórico facilita a obtenção de informações da trajetória dos veículos em tempo real e, portanto, a configuração dos semáforos de forma mais inteligente e eficiente. Além disso, as imagens omnidirecionais podem ser usadas para monitorar áreas de alta densidade de tráfego, identificar pontos de congestionamento e analisar padrões de com portamento dos usuários da via. Essas informações são valiosas para o planejamento urbano, o desenvolvimento de políticas de mobilidade e a implementação de estratégias que visem melhorar o fluxo de tráfego e a segurança nas ruas. Embora o uso de imagens panorâmicas em 360° no contexto da detecção e rastreamento no trânsito ainda seja um campo pouco explorado, ele representa uma boa ferramenta para o avanço das cidades inteligentes através da sua integração com os sistemas de controle semafórico e de gestão de tráfego nas cidades. Nesse sentido, esse trabalho apresenta uma base de dados contendo 25 vídeos em 360°, com suas respectivas anotações. Tal base de dados está disponível para utilização pela comunidade acadêmica. Também apresenta um estudo comparativo entre aplicação das redes YOLOv5, YOLOv7 e YOLO-NAS, juntamente com o uso do algoritmo DEEPSORT, para detecção e rastreamento dos objetos de trânsito, presentes na base de dados. Para realizar a comparação entre as redes, foram utilizadas as métricas de Precisão, Revocação, F1-Score, mAP@.5 e mAP@.5:.95. No estudo aqui realizado, o melhor resultado foi obtido utilizando a rede YOLOv7 com treinamento. Tal estudo mostra a viabilidade de se considerar o uso de imagens omnidirecionais como uma ferramenta na tarefa de monitoramento de tráfego e auxiliar na mobilidade urbana
dc.description.sponsorshipFundação de Amparo à Pesquisa e Inovação do Espírito Santo (Fapes)
dc.formatText
dc.identifier.urihttp://repositorio.ufes.br/handle/10/19591
dc.languagepor
dc.language.isopt
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseMestrado em Engenharia Elétrica
dc.publisher.departmentCentro Tecnológico
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétrica
dc.rightsopen access
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectDetecção de objetos de trânsito
dc.subjectRastreamento de objetos de trânsito
dc.subjectDataset de objetos de trânsito com imagens Ominidirecionais
dc.subjectCidades Inteligentes
dc.subjectEstudo comparativo
dc.subjectImagens Ominidirecionais
dc.subjectRastreamento
dc.subjectDetecção
dc.subjectYOLO
dc.subjectDeepsort
dc.subjectDataset
dc.subjectComparative study
dc.subjectOmnidirectional images
dc.subjectTracking
dc.subjectDetection
dc.subject.cnpqEngenharia Elétrica
dc.titleEstudo comparativo de detecção e rastreamento de elementos no trânsito utilizando imagens ominidirecionais
dc.typemasterThesis
foaf.mboxheisthen@gmail.com
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
HeisthenMazzeiScarparo-2024-Dissertacao.pdf
Tamanho:
10.19 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Mestrado em Engenharia Elétrica