Metodologia para detecção e georreferenciamento de placas de sinalização em vias rurais
Carregando...
Data
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Artigo de evento
Título alternativo
Primeiro orientador
Membros da banca
Resumo
O uso da metodologia para detecção e georreferenciamento de placas de sinalização em vias rurais tem como fundamento aprimorar o gerenciamento de ativos rodoviários, especialmente as placas de sinalização. Treinamos o método YOLO (You Only Look Once) para detecção e georreferenciamento de sinalização vertical de trânsito em vídeos gerados das vias de estradas rurais. Neste estudo, o objetivo foi identificar a sinalização vertical de trânsito. Para isso, aplicamos através do treinamento de redes neurais convolucionais (CNN - Convolutional neural network) as filmagens georreferenciadas. O refinamento dos parâmetros de rede foi efetivamente definido, utilizou-se de um conjunto de dados denominado “normalbraziliantraffic-signs_dataset”; e, a partir disso, conseguiu-se identificar e georreferenciar as placas presentes nos vídeos analisados. É importante ressaltar que a classificação e a precisão dependem de parâmetros, como definição do nível de confiabilidade. Observou-se que a precisão aumenta significativamente ajustando-se o número de épocas de treinamento, entre outros. Isso viabilizou a automatização do processo de identificação das placas a partir dos vídeos das filmagens das vias. Dessa forma, esse estudo contribui para à tomada de decisões relacionadas à gestão de ativos rodoviários no que se refere a sinalização e segurança viária.
Abstract
The use of the methodology for detection and georeferencing of road signs in rural roads aims to improve the management of road assets, especially the road signs. We trained the YOLO (You Only Look Once) method for detection and georeferencing of vertical traffic signs in videos generated from rural roadways. In this study, the objective was to identify the vertical traffic signs. For that, we applied through the training of convolutional neural networks (CNN) the georeferenced footage. The refinement of the network parameters was effectively defined: we used a dataset called “normal-brazilian-traffic-signs_dataset”; and, from that, we were able to identify and georeference the signs present in the analyzed videos. It is important to emphasize that the classification and accuracy depend on parameters, such as the definition of the confidence level. We observed that the accuracy increases significantly with the increase we adjusted the number of training epochs; among others. This enabled the automation of the process of identifying the signs from the videos of the filming of the roads. Thus, this study contributes to the decision making related to road asset management regarding signage and road safety.
Assunto
Automatização, Georreferenciamento, Gerenciamento, Zona rural
Palavras-chave
Citação
Curso
Endereço externo
https://riodetransportes.org.br/20rdt/trabalhos/trabalhos/AC-IN-082.pdf