| dc.contributor | Ourique, Fabrício de Oliveira | |
| dc.contributor | Universidade Federal de Santa Catarina | |
| dc.creator | Pereira, Daniel Bitencourt | |
| dc.date | 2018-07-10T14:20:31Z | |
| dc.date | 2018-07-10T14:20:31Z | |
| dc.date | 2018-07-03 | |
| dc.date.accessioned | 2018-10-31T21:38:54Z | |
| dc.date.available | 2018-10-31T21:38:54Z | |
| dc.identifier | https://repositorio.ufsc.br/handle/123456789/187967 | |
| dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/1791845 | |
| dc.description | TCC(graduação) - Universidade Federal de Santa Catarina. Campus Araranguá. Engenharia da Computação. | |
| dc.description | Sistemas avançados de assistência ao motorista (ADAS) são sistemas que auxiliam os motoristas na condução de veículos. Entretanto, em razão das falhas humanas, tais sistemas estão em evidência, sobretudo, devido à complexidade envolvida em suas soluções. Sistemas ADAS que envolvem visão computacional e aprendizado de máquina vêm ganhando plena atenção recentemente, principalmente em situações onde o condutor não repara nas informações presentes nas vias. Devido a isso, este Trabalho de Conclusão de Curso compara três métodos descritores de imagem e um identificador de regiões de interesse, todos aplicados para identificação e classificação de placas brasileiras de sinalização de trânsito. Foram conduzidos dois testes. O primeiro utilizou os métodos descritores de imagem HOG, LESH e SFTA, e testou à precisão desses métodos em conjunto com o classificador SVM. O HOG e o LESH apresentaram um excelente desempenho, com acurácia de 96,08\% e 91,2\% respectivamente. Entretanto, o desempenho do SFTA inviabiliza o uso do mesmo nesta aplicação. O Segundo teste usou o descritor de imagem HOG junto ao MSER. A performance constatada foi baixa, com cerca de 32,85\%. | |
| dc.description | Advanced Driver Assistance System (ADAS) are systems that assist drivers in driving vehicles. However, because of human failures, such systems are in evidence, above all, due to the complexity involved in their solutions. ADAS systems comprising computer vision and machine learning have been obtaining full attention recently, especially in situations where the driver does not notice the information on the roads. Due to this, this work compares three image descriptors methods and one method to identify regions of interest, all applied for the identification and classification of Brazilian traffic signs. Two tests were conducted. The first one used the HOG, LESH and SFTA image descriptor methods, and tested their accuracy in combination with the SVM classifier. HOG and LESH presented excellent performance, with an accuracy of 96.08 \% and 91.2 \% respectively. However, the performance of the SFTA makes it unfeasible to use it in this application. The second test applied the best performing image descriptor with the MSER. When testing the MSER, a low accuracy was found, at around 32.85 \%. | |
| dc.format | 95 f. | |
| dc.format | application/pdf | |
| dc.language | pt_BR | |
| dc.publisher | Araranguá, SC | |
| dc.subject | Processamento de imagem | |
| dc.subject | Aprendizado de máquina | |
| dc.title | Análise e implementação de sistema para detecção de placas brasileiras de sinalização de trânsito | |
| dc.type | Tesis | |
