
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Zegarra Rodríguez, Demóstenes | - |
| Autor(es): dc.contributor | Rosa, Renata Lopes | - |
| Autor(es): dc.contributor | Silva, Bruno de Abreu | - |
| Autor(es): dc.contributor | Giacomin, João Carlos | - |
| Autor(es): dc.creator | Barbosa, Rodrigo Carvalho | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:55:31Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:55:31Z | - |
| Data de envio: dc.date.issued | 2021-02-11 | - |
| Data de envio: dc.date.issued | 2021-02-11 | - |
| Data de envio: dc.date.issued | 2021-02-11 | - |
| Data de envio: dc.date.issued | 2020-11-18 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/46118 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1150471 | - |
| Descrição: dc.description | Currently, in the literature, many studies appear every moment in order to reduce human intervention and improve the quality of life, proposing new services, mechanisms through applications, technological innovations and automatic sensors. Aiming at urban mobility, traffic lights are services that are exploited. Algorithms of DL have been widely used for identification and classification of images for decision making in traffic, with the objective of detecting safety and public health vehicles. However, there is a lack of algorithms to classify images into intelligent traffic lights with high precision and quick response. In this research, an image detection system is proposed for different types of services such as security, health and public transport vehicles and common vehicles, integrated with an intelligent traffic light. In addition, a prioritization algorithm based on CTB is also proposed. The detection system is based on a DL algorithm, using an improved model from YOLOv3, which was called the Priority Vehicle Identification Network (PVInet). In addition, a design strategy for the PVInet model is proposed, which presents a high performance in terms of execution time. For the training of the PVInet model, a new BD was created that considers homogeneous images of Brazilian traffic vehicles, since the current BD available in the literature are heterogeneous images. Our solution proposal can help to reduce the waiting time for vehicles with priority on roads controlled by a traffic light, something that does not happen when compared to a current traffic light with fixed waiting times. | - |
| Descrição: dc.description | Atualmente, na literatura, muitos estudos surgem a cada momento a fim de diminuir a intervenção humana e melhorar a qualidade de vida, propondo novos serviços, mecanismos por meio de aplicativos, inovações tecnológicas e sensores automáticos. Visando à mobilidade urbana, os semáforos de trânsito são serviços que são explorados. Algoritmos de Deep Learning (DL) vêm sendo muito utilizados para identificação e classificação de imagens para tomada de decisão no trânsito, com o objetivo de detectar veículos de segurança e saúde pública. Porém, faltam algoritmos para classificar imagens em semáforos inteligentes com alta precisão e de resposta rápida. Nesta pesquisa, é proposto um sistema de detecção de imagens para diferentes tipos de serviços como veículos de segurança, saúde e transporte público e veículos comuns, integrado a um semáforo inteligente. Além disso, também é proposto um algoritmo de priorização baseado no Código de Trânsito Brasileiro (CTB). O sistema de detecção é embasado em um algoritmo DL, usando um modelo aprimorado do You Only Look Once (Version 3) (YOLOv3), que foi chamada de Rede de identificação de veículos prioritários (PVInet, do inglês Priority Vehicles Identification Network). Além disso, é proposta uma estratégia de design para o modelo PVInet que apresenta um alto desempenho em termos de tempo de execução. Para o treinamento do modelo PVInet, foi criado um novo Banco de Dados (BD) que considera imagens homogêneas de veículos do trânsito Brasileiro, uma vez que os atuais BD disponível na literatura são de imagens heterogêneas. A proposta da nossa solução pode ajudar a reduzir o tempo de espera de veículos com prioridade nas estradas controladas por um semáforo, algo que não ocorre quando comparado a um semáforo atual com tempos de espera fixos. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Federal de Lavras | - |
| Publicador: dc.publisher | Programa de Pós-Graduação em Ciência da Computação | - |
| Publicador: dc.publisher | UFLA | - |
| Publicador: dc.publisher | brasil | - |
| Publicador: dc.publisher | Departamento de Ciência da Computação | - |
| Direitos: dc.rights | acesso aberto | - |
| Palavras-chave: dc.subject | Classificação por imagens | - |
| Palavras-chave: dc.subject | Deep learning | - |
| Palavras-chave: dc.subject | You Only Look Once | - |
| Palavras-chave: dc.subject | Semáforos inteligentes | - |
| Palavras-chave: dc.subject | Código de trânsito brasileiro | - |
| Palavras-chave: dc.subject | Classification by images | - |
| Palavras-chave: dc.subject | Smart semaphore | - |
| Palavras-chave: dc.subject | Brazilian traffic code | - |
| Palavras-chave: dc.subject | Ciência da Computação | - |
| Título: dc.title | Classificação de veículos baseada em Deep Learning para aplicação em semáforos inteligentes | - |
| Tipo de arquivo: dc.type | dissertação | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: