Reconhecimento de Congestionamento de Veículos em Semáforos Empregando Análise de Componentes Principais

Autores

  • Jairo Norberto Santos Pontifícia Universidade Católica de Goiás
  • Mírian Sandra Gusmão Pontifícia Universidade Católica de Goiás
  • Clarimar José Coelho Pontifícia Universidade Católica de Goiás

DOI:

https://doi.org/10.18224/arithmos.v1i1.6950

Palavras-chave:

Congestionamento de Trânsito, Processamento de Imagens, PCA

Resumo

O objetivo do trabalho é reconhecer congestionamento de veículos em semáforos. A análise de componentes principais (Principal Component Analysis, PCA) é usada para análise de imagens digitais multiespectrais obtidas por câmera fotográfica. Inicialmente é feito um pré-processamento das imagens com objetivo convertê-las em imagens monocromáticas e padronizadas. Depois é aplicado a PCA para classificar o congestionamento nas imagens a partir da comparação com imagens de referência. Os resultados mostram 70,7% de acerto nas detecções. Conclui-se que a técnica de PCA tem uso promissor na detecção de congestionamento. A construção de um banco de imagens padronizadas pode reduzir a taxa de erros.

Biografia do Autor

Jairo Norberto Santos, Pontifícia Universidade Católica de Goiás

Escola de Ciências Exatas da Computação Pontifícia Universidade Católica de Goiás

Mírian Sandra Gusmão, Pontifícia Universidade Católica de Goiás

Escola de Ciências Exatas da Computação Pontifícia Universidade Católica de Goiás Goiânia, Goiás, Brasil

Clarimar José Coelho, Pontifícia Universidade Católica de Goiás

Escola de Ciências Exatas da Computação Pontifícia Universidade Católica de Goiás

Referências

Theodoridis, S.; Koutroumbas, K. Pattern Recognition., Academic Press, 1999.

Webb, A. R., Copsey, K. D. Statistical Pattern Recognition, United Kingdom, John Wiley & Sons Ltd 2011.

Jain, A. K.; Duin, R. P. W.; Mao, J. Statistical Pattern Recognition: A review, IEEE Transactions on pattern analysis and machine intelligence, v. 22, n. 1, 2000.

Bishop, C. M. Pattern recognition and machine learning, Springer, 2006.

Duda, R. O.; Hart, P. E., Stork, D. G., Pattern Classification, John Willey & Sons, 2001.

McShane, C., The Origins and Globalization of Traffic Control Sgnals, Journal of Urban History, Vol. 25 No. 3, Sage Publications, March 1999.

Lacortt, M.; Kripka; Kripka, R.M.L., Modelos Matemáticos para Otimização do Tráfego Urbano Semaforizado, Tendencias em Matemática Aplicada e Computacional, v. 14, n. 3, p. 359-372, Sociedade Brasileira de Matematica Aplicada e Computacional, doi: 0.5540/tema.2013.014.03.0359.

Rao, A. M.; Rao, K. R., Measuring urban traffic congestion – a review, International Journal for Traffic and Transport Engineering, v. 2, n. 4, p. 286 – 305, 2012.

Rubim, B.; Leitão, S. O Plano de Mobilidade Urbana e o futuro das cidades, Estudos avançados, v. 27, n. 79, 2013.

Beretta, M. S., Gestão de congestionamentos e veículos de emergência utilizando knn em semáforos inteligentes, Trabalho de conclusão de curso, Ciência da Computação, Centro Universitário Eurípides de Marília, 2017.

Cruz, M. M. L., Avaliação dos impactos de restrições ao trânsito de veículos, Dissertação de Mestrado, Faculdade de Engenharia Civil, Arquitetura e Urbanismo da Universidade Estadual de Campinas, 2006.

Karamizadeh, S.; Abdullah, S. M.; Manaf, A. A.; Zamani, M.; Hooman, A., An Overview of Principal Component Analysis, Journal of Signal and Information Processing, v. 4, p. 173-175 doi:10.4236/jsip.2013.43B031 Published Online August 2013 (http://www.scirp.org/journal/jsip), 2013.

Santos, A. R., Identificação de Faces Humanas Através de PCA-LDA e Redes Neurais SOM, 2005 174 p. Dissertação (Mestrado em Engenharia Elétrica), Universidade de São Paulo, São Carlos.

Pandey, P. K.; Punjab, P.; Punjab, P. Image Processing using Principle Component Analysis, International Journal of Computer Applications (0975 – 8887), v. 15, n. 4, 2011.

Torre, F. D. L., Component Analysis methods for pattern recognition, 19th International Conference on Pattern Recognition, 2008.

Yadav, R. K.; Upadhayay, R., Applications Expansion in Kernel PCA Approach for Face Recognition, International Journal of Artificial Intelligence & Knowledge Discovery, Vol.3(4), p.1. 2013.

Zhang, C.; Chen, X.; Chen, W.-B. A PCA-based Vehicle Classification Framework Computer and Information Sciences Department, Proceedings of the 22nd International Conference on Data Engineering Workshops (ICDEW'06) 0-7695-2571-7/06, 2006.

Arróspide, J.; Salgado, L. Region-dependent vehicle classification using PCA features, 19th IEEE International Conference on Image Processing, Orlando, FL, p. 453-456. 2012, doi: 10.1109/ICIP.2012.6466894.

Castleman, K. R., Digital Image Processing, Pearson Education, India, 2007.

Jolliffe, I. T.; Cadim, J. Principal component analysis: a review and recent developments, Phil. Trans. R. Soc. A 374: 20150202. http://dx.doi.org/10.1098/rsta.2015.0202, 2016.

Downloads

Publicado

2019-06-26

Edição

Seção

Artigos / Articles