Navegando por Assunto "Computer vision"
Agora exibindo 1 - 5 de 5
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Monitoramento inteligente de fadiga: detecção de sonolência em motoristas com IA e visão computacional para aumentar a segurança no trânsito(2024-11-28) COSTA, Leonardo Cabral da; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237A fadiga que provoca sinais de sonolência em motoristas é uma das principais causas de acidentes de trânsito. Esses sinais se manifestam em diferentes níveis de gravidade, e quanto maior o nível, maior o risco de acidentes. Este trabalho apresenta um método baseado em inteligência artificial, aprendizado de máquina, aprendizado profundo e visão computacional para desenvolver um sistema capaz de identificar sinais de sonolência e emitir alertas proporcionais ao nível de fadiga detectado. Com o uso da ferramenta YOLO (You Only Look Once), amplamente reconhecido por sua eficácia em detecção de objetos em tempo real, foi desenvolvido um modelo para reconhecer sinais de sonolência em motoristas. O processo de construção do modelo incluiu etapas essenciais, como a coleta de imagens e o treinamento do modelo. Após o treinamento, o modelo foi submetido a testes, que mostraram sua eficiência em detectar sinais de fadiga e seus resultados foram avaliados por meio de métricas estatísticas, verificando sua precisão na identificação dos diferentes níveis de fadiga. Com base nesses sinais, o sistema pode alertar o motorista em casos de fadiga acentuada, atuando como uma ferramenta preventiva para aumentar a segurança no trânsito. Assim, o sistema contribui para a redução de acidentes relacionados à sonolência.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Reconhecimento de uso de EPI e controle de acesso por meio de visão computacional utilizando técnicas de aprendizagem de máquina(2023-03-30) SANTOS, Vigner Vieira dos; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237Para o ser humano realizar o reconhecimento dos equipamentos de proteção individual pode ser uma habilidade natural. Já para no meio virtual não é uma tarefa tão fácil. A linguagem de máquina para reconhecimento de objetos envolve muitos cálculos e exige grande capacidade de processamento. No entanto, com a evolução da capacidade de processamento dos computadores e evolução de algoritmos, realizar essa atividade já é possível. Nesse sentido, o objetivo do trabalho foi construir um sistema de reconhecimento de equipamento de proteção individual (EPI) através de técnicas de aprendizagem de máquina. Além de fazer uma pesquisa avaliativa com abordagem quantitativa por meio de quatro grandes etapas metodológicas no processo de pesquisa para selecionar uma técnica de Machine Learning para ser aplicado no sistema de controle de acesso. O projeto desenvolvido, a estrutura base está atrelada nas técnicas K-Vizinhos Mais Próximos e as redes neurais residuais com arquitetura ResNet-50. As técnicas foram construídas com finalidade identificar a presença dos EPIs. É apresentada avaliações das técnicas por meio de métricas estatísticas e de Machine Learning. Por fim, é realizada a simulação do controle de acesso para fiscalizações de equipamento proteção individual.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Sistema de reconhecimento automático de placas veiculares utilizando visão computacional(2024-12-05) HORA, Breno Aires da; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237Este trabalho apresenta a detecção e o reconhecimento de placas de identificação veicular com uso de técnicas de visão computacional aplicadas à fiscalização de trânsito. Foi criado um conjunto de dados próprio com placas brasileiras, isso inclui as etapas de gravação, seleção e anotação de imagens, combinado a um conjunto de dados internacional para o treinamento de variantes do modelo YOLO, seguido de uma análise do desempenho geral desses modelos. Além da detecção de placas, o reconhecimento óptico de caracteres (OCR) foi realizado com os modelos EasyOCR e PaddleOCR, enquanto esse último foi o mais eficiente. Os experimentos mostraram que o modelo YOLOv8s-gb superou o YOLOv5su-g em confiança média, sensibilidade média e tempo de processamento. A combinação do PaddleOCR com o YOLOv8s-gb e YOLOv5su-g aplicados a um total de 460 placas, resultou no reconhecimento de 244 e 208, respectivamente, enquanto o EasyOCR reconheceu 118 e 89 placas nos mesmos cenários. O estudo destaca a importância de conjuntos de dados específicos para aprimorar modelos de visão computacional em contextos locais, isso contribui para o avanço do reconhecimento automático de placas veiculares no Brasil.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Técnicas de visão computacional aplicadas na detecção e rastreamento ocular para a inclusão digital de pessoas com deficiência motora(2021-08-13) MACEDO, Anne Livia da Fonseca; GOMES, Igor Ruiz; http://lattes.cnpq.br/5538297000388112; https://orcid.org/0000-0001-7391-1903A despeito dos avanços significativos na tecnologia da informação, problemas relacionados à exclusão social persistem, com grande parte da população mundial sem acesso aos conteúdos digitais devido uma série de fatores econômicos, sociais e educacionais. Algumas das pessoas excluídas do universo digital são aquelas que apresentam dificuldades em movimentar os membros superiores, que normalmente são requisitados para o acionamento de determinados dispositivos computacionais como o teclado. Diante disso, o esforço para a inclusão digital tornou-se um consenso social, pois abrange a integração das pessoas à informática e a exploração de métodos que garantam a elaboração de tecnologias acessíveis a todos. Diferentes interfaces adaptadas estão sendo desenvolvidas para substituir os periféricos convencionais. Muitas dessas propostas baseiam-se no rastreamento ocular através de técnicas de visão computacional, propiciando a interação à distância, sem a necessidade de contato físico com o dispositivo. Fundamentando-se nesse contexto, o propósito principal desta pesquisa consistiu na implementação de uma tecnologia de baixo custo computacional voltada para pessoas com deficiência motora, que possibilita o acionamento das teclas direcionais ao rastrear o movimento dos olhos para quatro direções de interesse (cima, baixo, esquerda e direita). O sistema foi desenvolvido através da linguagem de programação C++ com o suporte dos algoritmos pré-implementados da biblioteca OpenCV, e concentrou-se no treinamento e aplicação do método de classificação Haar Cascade para a localização da região ocular e no uso de procedimentos específicos de visão computacional e processamento digital de imagens para determinar a direção do olhar com base no reconhecimento da pigmentação branca da esclerótica do globo ocular. Os resultados alcançados na fase experimental demonstram que o algoritmo proposto tem potencial suficiente para permitir o uso do sistema em tempo real, de forma apropriada e funcional. O modelo manifestou desempenho geral satisfatório na detecção dos olhos ao atingir uma taxa de 82% de verdadeiros positivos, 87% de precisão, 82% de sensibilidade e 84% de F1 Score, e foi capaz de reconhecer os movimentos oculares para as quatro direções de interesse, com tempo de resposta aceitável para execução de determinadas aplicações computacionais.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Uso de sistemas generalistas de reconhecimento de imagem na diferenciação de lesões de pele(2025-03-31) GIORDANO, Gabriel Ventura; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237O presente trabalho trata do uso de ferramentas de processamento e classificação de imagem na distinção entre dois diferentes tipos de lesão de pele (nevos e melanoma). Primeiramente, os subconjuntos de dados foram rotulados, um modelo de classificação de imagens foi treinado utilizando os dados rotulados, e por fim, a validação do modelo foi feita usando o conjunto completo de dados. As imagens utilizadas vieram de um banco de imagens médicas disponibilizadas publicamente, que foram processadas usando o YOLO11, uma ferramenta de treinamento de modelos para reconhecimento de imagem. O modelo chegou a alcançar uma taxa de acerto de 67% no conjunto de melanoma e 87% no conjunto de nevos na classificação dessas lesões.