???iracessibilidade???
???inicioConteudo???

Banca de DEFESA: JÚLIO CESAR DA SILVA SOARES

2016-02-18 14:50:42.984

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: JÚLIO CESAR DA SILVA SOARES
DATA: 29/02/2016
HORA: 08:30
LOCAL: Auditório do NCA
TÍTULO: METODOLOGIA DE DETECÇÃO E RECONHECIMENTO DE SEMÁFOROS UTILIZANDO REDES NEURAIS ARTIFICIAIS.
PALAVRAS-CHAVES: Detecção de semáforos, Advanced Driver Support Systems, Histograma Retroprojetado, Visão Computacional e Redes Neurais Artificiais.
PÁGINAS: 84
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO: As vias urbanas estão mais complexas, o acréscimo do fluxo de veículos nas cidades de médio e grande porte vem contribuindo para elevação de acidentes. Pesquisas apontam que os sinais de trânsito são eficientes na redução de acidentes. A implantação de sinais do tipo semafórico consegue minimizar a ocorrência de acidentes em cruzamentos e em faixa de pedestres. A implantação de sinais de trânsito apresenta vantagens relevantes, por outro lado revela problemas quanto à detecção destes pelos condutores em vias urbanas. Este fato está relacionado à quantidade de informações visuais, o estresse dos motoristas e/ou fadiga visual, que fazem os motoristas desviarem sua atenção. Razões estas que motivaram pesquisas recentes sobre veículos inteligentes. O presente trabalho destina-se a desenvolver uma metodologia para detectar e reconhecer semáforos, para ser aplicado em veículos inteligentes. Esta metodologia pode contribuir para os sistemas Advanced Driver Support Systems (ADAS), e auxiliar os motoristas, em especial, os com deficiência parcial da visão. Para o desenvolvimento da metodologia de detecção, utilizam-se técnicas de processamento de imagens, através de histograma retroprojetado e limiarização global para detectar pontos de luzes. A limiarização local é aplicada para cálculo de simetria entre o raio e o centro do dos pontos de luzes com a finalidade de segmentar o corpo do semáforo. Onde se obteve uma taxa média de detecção de 99%. As características dos semáforos serão extraídas utilizando os atributos de Haralick, com a inclusão de informações de cor e de forma. Os dados gerados pela extração de características foram pré-processados utilizando a técnica de SMOTE, para balancear a base de dados. O reconhecimento e a identificação do estado do semáforo são realizados por um rede neural artificial do tipo Multilayer-Perceptron (MLP). No treinamento da rede utilizou-se o algoritmo de aprendizagem backpropagation e a separação de dados para treinamento e validação. Os resultados da validação mostram uma taxa média de reconhecimento de 98%.
MEMBROS DA BANCA:
Interno - 407686 - ANSELMO CARDOSO DE PAIVA
Presidente - 2044484 - AREOLINO DE ALMEIDA NETO
Interno - 2582240 - GERALDO BRAZ JUNIOR
Externo à Instituição - KELSON RÔMULO TEIXEIRA AIRES - UFPI
Interno - 2074474 - TIAGO BONINI BORCHARTT

???fimConteudo???