FenixEdu™

Dissertação

Real-Time Vehicle Turning-Movement Counting using Object Detection and Tracking EVALUATED

Detalhes: A deteção, seguimento e contagem de movimentos de objetos são tarefas cruciais no campo da visão devido à sua ampla gama de aplicações. A deteção é o processo de identificar a presença e localização de um objeto num vídeo, enquanto o seguimento envolve em identificar e monitorizar a posição do objeto ao longo de um período de tempo. A contagem de movimentos é uma técnica que conta o número de vezes em que o padrão de movimento de um objeto se verifica à medida que estes são seguidos num vídeo. Avanços recentes em técnicas de aprendizagem profunda têm melhorado o desempenho da deteção, seguimento e contagem de movimentos de objetos. Esta tese apresenta um estudo abrangente das técnicas mais recentes, aborda desafios e propõe soluções para superá-los. Apresentamos um sistema que incorpora detectores avançados de objetos (YOLOv5, YOLOX, YOLOR e YOLOv7) e uma rede neural personalizada (YOLOv7-vehicles-0.1) treinada com um novo dataset de veículos que combina os datasets COCO, KITTI e OpenImages. BYTECounter, aprimora o seguimento de objetos utilizando uma versão melhorada do algoritmo avançado BYTE. Além disso, a nossa metodologia utiliza objetos de desenho virtuais (Regiões ou Linhas) para contar os movimentos dos objetos com base em informações de trajetória. Avaliámos o desempenho do sistema utilizando o benchmark UA-DETRAC, mostrando uma precisão de 93,5\% na contagem dos movimentos de veículos a 82,86 frames por segundo.
Keywords: Aprendizagem Profunda, Contagem de Movimentos de Objetos, Dataset, Detecção de Objetos, Rede Neuronal, Seguimento de Objetos

Discussão: junho 22, 2023, 18:0