FenixEdu™

Dissertação

{en_GB=Video-Based Risk Assessment for Cyclists} {} EVALUATED

Detalhes: {pt=Devido a ser um meio de transporte com zero emissões poluentes, ter benefícios para a saúde e a sua facilidade de acesso, a popularidade das bicicleta está a aumentar nos dias que correm. Contudo, o número de acidentes onde estão envolvidas bicicletas e consequentes fatalidades parece não estar a diminuir. Por isso, é importante que se devsenvolva um método que consiga analisar quão seguro este meio de transporte é, para que planeadores urbanos consigam desenvolver melhores estruturas e redes para bicicletas, como ciclovias, de modo a promover uma melhor segurança para os ciclistas. Com isto, é a partir de dados e vídeos capturados por um smartphone que propomos um método que consiga avaliar situações perigosas para os ciclistas. Explorando o movimento numa sequência de imagens (fluxo óptico) conseguimos estimar o Foco de Expansão e usamos este Foco para definir áreas de perigo na imagem. Depois, usando estas regiões é criado um descritor de perigo com base nos diferentes objectos detectados na imagem para uma dada situação. Deste modo, o noso método permite definir diferentes critérios de perigo (Ocupação de via, Proximidade) com base no descritor de perigo criado. Finalmente, testamos o nosso método de avaliação de perigo em imagens capturadas pelo smartphone e concluímos com resultados muitos promissores. , en=Due to their zero pollution emissions, health improvements benefits and ease of access bicycles are gaining an increasing popularity as a mean of transportation in today’s world. However, traffic accidents involving bikes are not decreasing, as well as fatalities. Thus, it is important to assess cyclists’ safety in urban scenarios to allow city planners to develop better infrastructures that foster better protection for cyclers. Therefore, from smartphone captured data and video, we propose a video-based framework to assess dangerous situations for bicyclists. We take advantage of motion estimation (optical flow) to estimate the Focus of Expansion on a set of images and then use this to define risk areas on the image. We then use the defined areas on the image to create a risk descriptor on the given situation and given the detected objects on the image. Our framework enables the assessment of risk on different criteria (Path Occupation and Proximity) based on our risk descriptor. Finally, we test our framework on real data gathered from the improved developed smartphone application and achieve promising results. }
Keywords: {pt=Ciclista, Análise de Risco, Foco de Expansão, Fluxo Óptico, Dados de Smartphone, Visão por Computador, en=Cyclist, Risk Assessment, Focus of Expansion, Optical Flow, Smartphone Data, Computer Vision}

Discussão: maio 22, 2017, 14:0