Câmpus Itajaí - Departamento de Engenharia Elétrica - Bacharelado em Engenharia Elétrica

Rastreamento de veículos em vídeo utilizando algoritmos de Deep Learning

Alunos: Luis Davi Kenig Paganella e Pedro Augusto dos Reis.

Orientador: Ênio dos Santos Silva.

Materiais e métodos

A partir da revisão literária, percebeu-se a grande variedade de modelos de rastreadores. Porém, mesmo que alguns modelos sejam mais complexos e refinados que outros, não existe uma clara relação entre cada modelo para a aplicação de rastreamento de veículos. Portanto, para para entender qual o modelo apresenta a performance mais adequada, foi decidido testar a aplicação de todos os modelos apresentados na revisão literária.

As imagens adquiridas se deram em parceria com a Consultran, uma empresa local que cedeu acesso à algumas imagens de câmeras de segurança posicionadas nas ruas de Itajaí, município de Santa Catarina. As imagens das câmeras foram então processados através de um script em linguagem Python, utilizando as bibliotecas de OpenCV, YOLO v5, juntamente com os rastreadores descritos anteriormente.

Uma vez processadas, foram retirados do script informações pertinentes às contagens de cada tipo de veículos detectados entrando e saindo em cada área definida no vídeo, que foram escolhidas de forma manual para abranger todos os aspectos de fluxo de trânsito da rodovia analisada. Também, através da biblioteca do OpenCV, foi criado uma imagem que concentra os caminhos de cada veículo que foi rastreado na rodovia, para obter de forma visual as informações retiradas anteriormente.

Com a imagem, é possível ter informações sobre o fluxo de tráfego dos veículos, e para onde a maioria estaria se destinando, o que facilita possíveis estudos futuros de melhoria e otimização das ruas da cidade analisada.

As análises ditas acima foram repetidas para diferentes rastreadores, como OCSort e ByteTrack, e também para diferentes pesos da rede neural, que determina o quão treinada a mesma foi para reconhecimento de veículos.

Essas análises foram comparadas entre si em questões de tempo de reconhecimento de veículo, impacto no desempenho do computador, capacidade de reconhecimento de cada tipo de veículo e contagem dos veículos em cada área, conforme dito acima.

Tais dados foram então cruzados com uma contagem manual para a rodovia, realizada pela própria Consultran de modo a definir qual rastreador obteve um melhor desempenho.