Avaliação e proposta de sistemas de câmeras estéreo para detecção de pedestres em veículos inteligentes (2017)
- Autores:
- Autor USP: NAKAMURA, ANGELICA TIEMI MIZUNO - EESC
- Unidade: EESC
- Sigla do Departamento: SEL
- Assuntos: CIRCULAÇÃO DE PEDESTRES; VISÃO COMPUTACIONAL
- Palavras-chave do autor: VEÍCULOS INTELIGENTES; VISÃO ESTÉREO
- Idioma: Português
- Resumo: Detecção de pedestres é uma importante área em visão computacional com o potencial de salvar vidas quando aplicada em veículos. Porém, essa aplicação exige detecções em tempo real, com alta acurácia e menor quantidade de falsos positivos possível. Durante os últimos anos, diversas idéias foram exploradas e os métodos mais recentes que utilizam arquiteturas profundas de redes neurais possibilitaram um grande avanço nesta área, melhorando significativamente o desempenho das detecções. Apesar desse progresso, a detecção de pedestres que estão distantes do veículo continua sendo um grande desafio devido às suas pequenas escalas na imagem, sendo necessária a avaliação da eficácia dos métodos atuais em evitar ou atenuar a gravidade dos acidentes de trânsito que envolvam pedestres. Dessa forma, como primeira proposta deste trabalho, foi realizado um estudo para avaliar a aplicabilidade dos métodos estado-da-arte para evitar colisões em cenários urbanos. Para isso, a velocidade e dinâmica do veículo, o tempo de reação e desempenho dos métodos de detecção foram considerados. Através do estudo, observou-se que em ambientes de tráfego rápido ainda não é possível utilizar métodos visuais de detecção de pedestres para assistir o motorista, pois nenhum deles é capaz de detectar pedestres que estão distantes do veículo e, ao mesmo tempo, operar em tempo real. Mas, ao considerar apenas pedestres em maiores escalas, os métodos tradicionais baseados em janelas deslizantes já conseguem atingir um bom desempenho e rápida execução. Dessa forma, com a finalidade de restringir a operação dos detectores apenas para pedestres em maiores escalas e assim, possibilitar a aplicação de métodos visuais em veículos, foi proposta uma configuração de câmeras que possibilitou obter imagens para um maior intervalo de distância à frente do veículo com pedestresem resolução quase duas vezes maior em comparação à uma câmera comercial. Resultados experimentais mostraram considerável melhora no desempenho das detecções, possibilitando superar a dificuldade causada pelas pequenas escalas dos pedestres nas imagens
- Imprenta:
- Local: São Carlos
- Data de publicação: 2017
- Data da defesa: 06.12.2017
-
ABNT
NAKAMURA, Angelica Tiemi Mizuno. Avaliação e proposta de sistemas de câmeras estéreo para detecção de pedestres em veículos inteligentes. 2017. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2017. Disponível em: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-31012018-155329/. Acesso em: 23 abr. 2024. -
APA
Nakamura, A. T. M. (2017). Avaliação e proposta de sistemas de câmeras estéreo para detecção de pedestres em veículos inteligentes (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/18/18153/tde-31012018-155329/ -
NLM
Nakamura ATM. Avaliação e proposta de sistemas de câmeras estéreo para detecção de pedestres em veículos inteligentes [Internet]. 2017 ;[citado 2024 abr. 23 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-31012018-155329/ -
Vancouver
Nakamura ATM. Avaliação e proposta de sistemas de câmeras estéreo para detecção de pedestres em veículos inteligentes [Internet]. 2017 ;[citado 2024 abr. 23 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-31012018-155329/ - Aproveitando o comportamento de convergência para equilibrar tarefas conflitantes no aprendizado de múltiplas tarefas
- Leveraging convergence behavior to balance conflicting tasks in multitask learning
- Leveraging convergence behavior to balance conflicting tasks in multitask learning
- An effective combination of loss gradients for multi-task learning applied on instance segmentation and depth estimation
- Improving multi-goal and target-driven reinforcement learning with supervised auxiliary task
Como citar
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
