Vehicle classification based on binary images of optical barriers using convolutional neural networks (2022)
- Authors:
- Autor USP: BARREYRO, JOAQUIN - EP
- Unidade: EP
- Sigla do Departamento: PSI
- Subjects: SISTEMAS INTELIGENTES DE TRANSPORTES; VEÍCULOS ELÉTRICOS; REDES NEURAIS
- Language: Inglês
- Abstract: Os Sistemas Inteligentes de Transporte (ITS) são um conjunto de ferramentas que facilitam a aquisição, processamento, integração e disponibilização da informação para os usuários e a administração do sistema de transporte. Uma das funcionalidades do ITS é voltada a identificar e classificar os veículos. No Brasil, as agências reguladoras e fiscalizadoras de transporte definem um conjunto de categorias de veículos baseadas na quantidade de eixos e rodas duplas. Dentre as diferentes abordagens existentes para classificar veículos, as soluções com melhor desempenho alcançam índices de acerto que variam entre 95% e 99%. A maoiria das estratégias utilizam sensores de pressão (piezo elétricos ou mecânicos) instalados no pavimento que detectam a passagem da roda do veículo. Esse tipo de solução apresenta alguns inconvenientes, como a impossibilidade de contar eixos suspensos, a degradação com o tempo e perda de confiabilidade. Diante disso, é necessário o desenvolvimento novas formas de classificação automática de veículos que trafegam pelas rodovias. Este trabalho propõe desenvolver um novo método de contagem de eixos veiculares em sistemas de análise de tráfego. Para isso foi desenvolvido um método de classificação baseado somente em imagens binárias dos perfis dos veículos, extraídas a partir de uma cortina constituída por barreiras ópticas. O método proposto utiliza uma rede neural convolucional (CNN). Utilizamos a rede AlexNet modificada, onde a última camada da rede foi adaptada ao padrão de classificação de veículos adotado pela Agência Reguladadora de Transporte do Estado de São Paulo (ARTESP). O treinamento da rede neural foi feito utilizando o método de Transfer Learning e a técnica de Data Augmentation. O método proposto foi avaliado utilizando um conjunto de 5329 imagens constituídas por 11 categoriasde veículos. A acurácia do resultado alcançado foi de 98,39% de acertos, o que indica que a substituição de um conjunto de sensores pelo tratamento dos dados somente da barreira óptica poderá ser uma alternativa factível.
- Imprenta:
- Data da defesa: 20.01.2022
-
ABNT
BARREYRO, Joaquim. Vehicle classification based on binary images of optical barriers using convolutional neural networks. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-27052022-081725/. Acesso em: 12 maio 2024. -
APA
Barreyro, J. (2022). Vehicle classification based on binary images of optical barriers using convolutional neural networks (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3142/tde-27052022-081725/ -
NLM
Barreyro J. Vehicle classification based on binary images of optical barriers using convolutional neural networks [Internet]. 2022 ;[citado 2024 maio 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-27052022-081725/ -
Vancouver
Barreyro J. Vehicle classification based on binary images of optical barriers using convolutional neural networks [Internet]. 2022 ;[citado 2024 maio 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-27052022-081725/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
