Notícias

Banca de DEFESA: HUGO SANTOS PIAUILINO NETO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: HUGO SANTOS PIAUILINO NETO
DATA: 29/08/2018
HORA: 08:30
LOCAL: Sala de Vídeo Conferência
TÍTULO: Descritores Locais e Bag of Features na Classificação de Placas de Trânsito
PALAVRAS-CHAVES: descritores locais. bag of features. placas de trânsito. classificação.
PÁGINAS: 88
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Processamento Gráfico (Graphics)
RESUMO:

A área de Intelligent Transportation Systems surgiu como um esforço para tornar o transporte mais seguro, confiável e eficaz ao empregar diversas metodologias computacionais em ambientes de transporte. Uma das ramificações mais notáveis nessa área é o desenvolvimento de Driver Support Systems (DSS’s) com o objetivo de promover segurança e aprimorar as habilidades do condutor humano. DSS’s podem atuar como copilotos, monitorando continuamente o ambiente, fornecendo ao condutor informações atualizadas das variáveis monitoradas e destacando possíveis ameaças à segurança. Além disso, podem executar, parcialmente ou totalmente, algumas tarefas anteriormente praticadas apenas por seres humanos. Uma das principais ações executadas por condutores, durante o pro- cesso de deslocamento, é o reconhecimento da sinalização de trânsito presente na via. Por diversas vezes, condutores não respeitam a sinalização por desatenção ou por estarem em situações de tráfego intenso. Em momentos semelhantes, DSS’s que reconheçam placas de trânsito podem fornecer informações cruciais que poderiam ser ignoradas pelo condutor humano. Este trabalho propõe um modelo de classificação de placas de trânsito com a utilização de descritores locais e Bag of Features. Para a composição do modelo proposto foram utilizados os detectores de pontos de interesse SIFT e FAST, os descritores de características SIFT e BRIEF, os algoritmos de agrupamento K-Means e Mini Batch K-Means e os classificadors SVM multiclasse com abordagem One-vs-One e One-vs-All. O modelo proposto foi treinado em bases de imagens de placas de trânsito da Alemanha, Bélgica e Brasil, onde apenas placas que não possuem informações essencialmente por texto foram consideradas. Para a realização dos testes, o modelo treinado foi executado e as métricas de avaliação de desempenho resultantes foram analisadas. Os melhores resultados obtidos foram nas combinações compostas por algoritmos de tempo real, retornando uma acurácia máxima de 84,27% na base de placas de trânsito da Alemanha, 96,67% na base de placas de trânsito da Bélgica e 94,43% na base de placas de trânsito do Brasil. Os índices Kappa obtidos pelos melhores resultados de cada base de imagens foram considerados “Excelentes”.


MEMBROS DA BANCA:
Presidente - 1350246 - KELSON ROMULO TEIXEIRA AIRES
Interno - 1642492 - LAURINDO DE SOUSA BRITTO NETO
Interno - 1579396 - RODRIGO DE MELO SOUZA VERAS
Externo à Instituição - IALIS CAVALCANTE DE PAULA JUNIOR - UFC
Notícia cadastrada em: 07/08/2018 11:38
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb02.ufpi.br.instancia1 23/04/2019 03:31