Submitted by Patricia Barros (patricia.barros@ufes.br) on 2017-04-13T13:58:14Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) dissertacao Rodrigo Ferreira Berriel.pdf: 18168750 bytes, checksum: 52805e1f943170ef4d6cc96046ea48ec (MD5) / Approved for entry into archive by Patricia Barros (patricia.barros@ufes.br) on 2017-04-13T14:00:19Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) dissertacao Rodrigo Ferreira Berriel.pdf: 18168750 bytes, checksum: 52805e1f943170ef4d6cc96046ea48ec (MD5) / Made available in DSpace on 2017-04-13T14:00:19Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) dissertacao Rodrigo Ferreira Berriel.pdf: 18168750 bytes, checksum: 52805e1f943170ef4d6cc96046ea48ec (MD5) / FAPES / A detecção e análise da faixa de trânsito são tarefas importantes e desafiadoras em sistemas avançados de assistência ao motorista e direção autônoma. Essas tarefas são necessárias para auxiliar veículos autônomos e semi-autônomos a operarem com segurança. A queda no custo dos sensores de visão e os avanços em hardware embarcado impulsionaram as pesquisas relacionadas a faixa de trânsito –detecção, estimativa, rastreamento, etc. – nas últimas duas décadas. O interesse nesse tópico aumentou ainda mais com a demanda por sistemas avançados de assistência ao motorista (ADAS) e carros autônomos. Embora amplamente estudado de forma independente, ainda há necessidade de estudos que propõem uma solução combinada para os vários problemas relacionados a faixa do veículo, tal como aviso de saída de faixa (LDW), detecção de troca de faixa, classificação do tipo de linhas de divisão de fluxo (LMT), detecção e classificação de inscrições no pavimento, e detecção da presença de faixas ajdacentes. Esse trabalho propõe um sistema de análise da faixa do veículo (ELAS) em tempo real capaz de estimar a posição da faixa do veículo, classificar as linhas de divisão de fluxo e inscrições na faixa, realizar aviso de saída de faixa e detectar eventos de troca de faixa. O sistema proposto, baseado em visão, funciona em uma sequência temporal de imagens. Características das marcações de faixa são extraídas tanto na perspectiva original quanto em images mapeadas para a vista aérea, que então são combinadas para aumentar a robustez. A estimativa final da faixa é modelada como uma spline usando uma combinação de métodos (linhas de Hough, filtro de Kalman e filtro de partículas). Baseado na faixa estimada, todos os outros eventos são detectados. Além disso, o sistema proposto foi integrado para experimentação em um sistema para carros autônomos que está sendo desenvolvido pelo Laboratório de Computação de Alto Desempenho (LCAD) da Universidade Federal do Espírito Santo (UFES). Para validar os algorítmos propostos e cobrir a falta de base de dados para essas tarefas na literatura, uma nova base dados com mais de 20 cenas diferentes (com mais de 15.000 imagens) e considerando uma variedade de cenários (estrada urbana, rodovias, tráfego, sombras, etc.) foi criada. Essa base de dados foi manualmente anotada e disponilizada publicamente para possibilitar a avaliação de diversos eventos que são de interesse para a comunidade de pesquisa (i.e. estimativa, mudança e centralização da faixa; inscrições no pavimento; cruzamentos; tipos de linhas de divisão de fluxo; faixas de pedestre e faixas adjacentes). Além disso, o sistema também foi validado qualitativamente com base na integração com o veículo autônomo. O sistema alcançou altas taxas de detecção em todos os eventos do mundo real e provou estar pronto para aplicações em tempo real. / Lane detection and analysis are important and challenging tasks in advanced driver assistance systems and autonomous driving. These tasks are required in order to help autonomous and semi-autonomous vehicles to operate safely. Decreasing costs of vision sensors and advances in embedded hardware boosted lane related research – detection, estimation, tracking, etc. – in the past two decades. The interest in this topic has increased even more with the demand for advanced driver assistance systems (ADAS) and self-driving cars. Although extensively studied independently, there is still need for studies that propose a combined solution for the multiple problems related to the ego-lane, such as lane departure warning (LDW), lane change detection, lane marking type (LMT) classification, road markings detection and classification, and detection of adjacent lanes presence. This work proposes a real-time Ego-Lane Analysis System (ELAS) capable of estimating ego-lane position, classifying LMTs and road markings, performing LDW and detecting lane change events. The proposed vision-based system works on a temporal sequence of images. Lane marking features are extracted in perspective and Inverse Perspective Mapping (IPM) images that are combined to increase robustness. The final estimated lane is modeled as a spline using a combination of methods (Hough lines, Kalman filter and Particle filter). Based on the estimated lane, all other events are detected. Moreover, the proposed system was integrated for experimentation into an autonomous car that is being developed by the High Performance Computing Laboratory of the Universidade Federal do Espírito Santo. To validate the proposed algorithms and cover the lack of lane datasets in the literature, a new dataset with more than 20 different scenes (in more than 15,000 frames) and considering a variety of scenarios (urban road, highways, traffic, shadows, etc.) was created. The dataset was manually annotated and made publicly available to enable evaluation of several events that are of interest for the research community (i.e. lane estimation, change, and centering; road markings; intersections; LMTs; crosswalks and adjacent lanes). Furthermore, the system was also validated qualitatively based on the integration with the autonomous vehicle. ELAS achieved high detection rates in all real-world events and proved to be ready for real-time applications.

Submitted by JÚLIO HEBER SILVA (julioheber@yahoo.com.br) on 2016-11-10T13:48:13Z No. of bitstreams: 2 Dissertação - Rômulo Muriel Mesquita de Oliveira - 2015.pdf: 7641184 bytes, checksum: b650ba6efa2c0aba74125271f293ebcc (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Jaqueline Silva (jtas29@gmail.com) on 2016-11-10T17:42:47Z (GMT) No. of bitstreams: 2 Dissertação - Rômulo Muriel Mesquita de Oliveira - 2015.pdf: 7641184 bytes, checksum: b650ba6efa2c0aba74125271f293ebcc (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-11-10T17:42:47Z (GMT). No. of bitstreams: 2 Dissertação - Rômulo Muriel Mesquita de Oliveira - 2015.pdf: 7641184 bytes, checksum: b650ba6efa2c0aba74125271f293ebcc (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2015-02-20 / The increasing number of accidents on roads and highways around the world is causing concern in many government agencies. Because of that, actions have been proposed to eradicate this reality, which claims the lives of millions annually. Within the different types of traffic accidents occurring, one specific has gained space in the media, which involves the door of a vehicle, improperly opened, causing collision with a cyclist, motorcyclist or other vehicle. The law states to be responsible for the accident the one who opened the door without taking proper precautions, however, due to physical and emotional factors that disturb each day more the society, lives in traffic can?t be under the responsibility of a person. Many assistive technologies that helps in decision making or even contributing to road safety, have been submitted to the automotive market, which once included in vehicles would save the lives of thousands. Aware of this, this paper proposes a technology that, through low cost ultrasonic sensor detects possibility of collision on the side of the vehicle and sends alerts to the driver so he or she does not open the door during the moment of risk. For development of this security system was necessary to define which ultrasonic sensor to use, to prepare the case for the hardware accommodation, to build the computer program, to analyze the positioning of the system in the vehicle and to execute experimental tests to validate the ADS (Avoiding Doored System), name given to the collision avoidance system / A elevação do número de acidentes em estradas e rodovias ao redor do mundo vem causando preocupação em muitos órgãos governamentais. Em função disso, ações vêm sendo propostas para erradicação dessa realidade, que tira a vida de milhões anualmente. Dentro os vários tipos de acidentes que ocorrem no trânsito, um muito específico vem ganhando espaço na mídia, aquele envolvendo a porta de um veículo, aberta indevidamente, causando colisão com um ciclista, motociclista ou mesmo outro veículo. A legislação determina ser responsável pelo acidente àquele que abriu a porta sem tomar as devidas precauções, no entanto, devido a fatores físicos e emocionais, que perturbam cada dia mais a sociedade, deixar vidas no trânsito sob responsabilidade de terceiros não é uma escolha prudente. Inúmeras tecnologias assistivas, que auxiliam na tomada de decisão ou mesmo que contribuem para segurança no trânsito, vêm sendo apresentadas ao mercado automobilístico, as quais, uma vez inclusa nos veículos, pouparia a vida de milhares. Nesse contexto, este trabalho apresenta uma proposta de tecnologia que, por meio de sensor ultrassônico de baixo custo, detecta possibilidade de colisão na lateral do veículo devido à abertura da porta e emite alerta ao condutor, de forma que este não abra a porta durante o instante de risco. Para tanto, foi necessário desenvolver um sistema de mapeamento do campo de atuação do sensor, de modo que fosse possível determinar o mais adequado para o desenvolvimento do sistema. Além disso, foi projetado e construído um “case” para acomodação dos periféricos do sistema, desenvolvido o software de controle do sistema e posteriormente foi analisado o posicionamento do sistema no veículo e aplicação de testes experimentais para avaliação funcional do ADS (Avoiding Doored System), assim nomeado o sistema que evita colisões por abertura da porta.

This research project took part in the SENA project (Autonomous Embedded Navigation System), which was developed at the Mobile Robotics Lab of the Mechatronics Group at the Engineering School of São Carlos, University of São Paulo (EESC - USP) in collaboration with the São Carlos Institute of Physics. Aiming for an autonomous behavior in the prototype vehicle this dissertation focused on deploying some machine learning algorithms to support its perception. These algorithms enabled the vehicle to execute articial-intelligence tasks, such as prediction and memory retrieval for object classication. Even though in autonomous navigation there are several perception, cognition and actuation tasks, this dissertation focused only on perception, which provides the vehicle control system with information about the environment around it. The most basic information to be provided is the existence of objects (obstacles) around the vehicle. In formation about the sort of object it is also provided, i.e., its classication among cars, pedestrians, stakes, the road, as well as the scale of such an object and its position in front of the vehicle. The environmental data was acquired by using a camera and a Velodyne LiDAR. A ceiling analysis of the object detection pipeline was used to simulate the proposed methodology. As a result, this analysis estimated that processing specic regions in the PDF Compressor Pro xii image (i.e., Regions of Interest, or RoIs), where it is more likely to nd an object, would be the best way of improving our recognition system, a process called image normalization. Consequently, experimental results in a data-fusion approach using laser data and images, in which RoIs were found using the LiDAR data, showed that the fusion approach can provide better object detection and classication compared with the use of either camera or LiDAR alone. Deploying a data-fusion classication using RoI method can be executed at 6 Hz and with 100% precision in pedestrians and 92.3% in cars. The fusion also enabled road estimation even when there were shadows and colored road markers in the image. Vision-based classier supported by LiDAR data provided a good solution for multi-scale object detection and even for the non-uniform illumination problem. / Este projeto de pesquisa fez parte do projeto SENA (Sistema Embarcado de Navegação Autônoma), ele foi realizado no Laboratório de Robótica Móvel do Grupo de Mecatrônica da Escola de Engenharia de São Carlos (EESC), em colaboração com o Instituto de Física de São Carlos (IFSC). A grande motivação do projeto SENA é o desenvolvimento de tecnologias assistidas e autônomas que possam atender às necessidades de diferentes tipos de motoristas (inexperientes, idosos, portadores de limitações, etc.). Vislumbra-se que a aplicação em larga escala desse tipo de tecnologia, em um futuro próximo, certamente reduzirá drasticamente a quantidade de pessoas feridas e mortas em acidentes automobilísticos em estradas e em ambientes urbanos. Nesse contexto, este projeto de pesquisa teve como objetivo proporcionar informações relativas ao ambiente ao redor do veículo, ao sistema de controle e de tomada de decisão embarcado no veículo autônomo. As informações mais básicas fornecidas são as posições dos objetos (obstáculos) ao redor do veículo; além disso, informações como o tipo de objeto (ou seja, sua classificação em carros, pedestres, postes e a própria rua mesma), assim como o tamanho deles. Os dados do ambiente são adquiridos através do emprego de uma câmera e um Velodyne LiDAR. Um estudo do tipo ceiling foi usado para simular a metodologia da detecção dos obstáculos. Estima-se que , após realizar o estudo, que analisar regiões especificas da imagem, chamadas de regiões de interesse, onde é mais provável encontrar um obstáculo, é o melhor jeito de melhorar o sistema de reconhecimento. Observou-se na implementação da fusão dos sensores que encontrar regiões de interesse usando LiDAR, e classificá-las usando visão artificial fornece um melhor resultado na hora de compará-lo com os resultados ao usar apenas câmera ou LiDAR. Obteve-se uma classificação com precisão de 100% para pedestres e 92,3% para carros, rodando em uma frequência de 6 Hz. A fusão dos sensores também forneceu um método para estimar a estrada mesmo quando esta tinha sombra ou faixas de cor. Em geral, a classificação baseada em visão artificial e LiDAR mostrou uma solução para detecção de objetos em várias escalas e mesmo para o problema da iluminação não uniforme do ambiente.

Submitted by Lucienne Costa (lucienneferreira@ufcg.edu.br) on 2018-05-03T18:38:37Z No. of bitstreams: 1 WILLY CARVALHO TIENGO – TESE (PPGCC) 2018.pdf: 4153575 bytes, checksum: 929b905dca8b61fcb0f831264752540f (MD5) / Made available in DSpace on 2018-05-03T18:38:37Z (GMT). No. of bitstreams: 1 WILLY CARVALHO TIENGO – TESE (PPGCC) 2018.pdf: 4153575 bytes, checksum: 929b905dca8b61fcb0f831264752540f (MD5) Previous issue date: 2018 / No Brasil, o transporte rodoviário é responsável por 58% do transporte de carga, que tem os acidentes como um grande problema, pois, em geral, esses ocasionam muitas vítimas, prejuízos econômicos relevantes e em alguns casos danos ambientais decorrentes de derramamento de carga. Estudos apontam que os prejuízos com os acidentes no transporte de carga em 2012 foram de mais de 9 bilhões de reais. Estudo realizado em 2007 pela PAMCARY, corretora de seguros e gestora de riscos, revelou que os eventos que combinam maior frequência e gravidade são tombamento e capotagem. Nesse sentido, esta pesquisa consiste na elaboração de um assistente avançado para motorista que objetiva alertar previamente sobre a velocidade limite da curva, a fim de diminuir os riscos de tombamento. Em outras palavras, consiste em buscar mitigar o problema auxiliando o motorista para que ele mantenha o veículo em uma velocidade segura, por meio de alertas e em prazo adequado, que permitam ao motorista tomar medidas corretivas em caso de estado inseguro. A solução foi desenvolvida a partir de uma arquitetura modular, que funciona da seguinte forma: por meio de sensores (velocidade, GPS e posição do acelerador), associado a mapas digitais, o risco de acidente é controlado constantemente. Com isso, um dispositivo poderia ser embarcado na cabine do veículo para emitir alertas visual e auditivo de risco de tombamento. A solução utiliza o indicador de estabilidade chamado Limiar Estático de Tombamento que, associado à informação a priori de mapas digitais, permite o cálculo do risco de tombamento com diferentes abordagens. No contexto da pesquisa, foram desenvolvidas 04 versões de assistentes. Além disso, foi proposto um arcabouço de simulação microscópica de trânsito baseado no modelo de raciocínio prático denominado de belief-desire-intention (BDI) para permitir o desenvolvimento e a validação de agentes inteligentes para Sistemas Avançados de Assistência ao Motorista de maneira rápida, flexível e fácil. Para avaliar o potencial dos assistentes, foi escolhida a BR-101, estrada federal de Alagoas com mais ocorrências de tombamento. Nessa rodovia, foram simulados 400 veículos para avaliar o desempenho dos assistentes propostos. Em particular, foram investigadas a efetividade, intrusividade, omissão e a segurança para avaliar o desempenho dos assistentes. / In Brazil, highway transportation is responsible for 58% of cargo transport. A relevant problem associated to cargo transport are the accidents, that generally cause an elevated number of victims, relevant economic losses and, in some cases, damages to the environment due to cargo spills, since there are also dangerous products being transported. Researches point out that the cost of accidents in cargo transportation in 2012 was more than BRL 9 billion. A study performed in 2007 by PAMCARY revealed the accidents profile: the events that combine higher frequency and gravity are rollover and tipping (considered here as the same nature). In this study, incompatible speed and fatigue, factors that are related to human actions, were pointed out as main causes of accidents; for another hand, sharp curve and poorly maintained roads are contributing factors to accidents. Therefore, the research proposal consists of the adoption of an assistant for warning in advance of over speed for a specific curve. This may reduce rollover risks. In other words, it would be mitigated the problem by helping the driver to maintain the vehicle in a safe speed, through customized alerts just in time to allow the driver to take corrective maneuvers in case of unsafe state. The solution is a modular architecture, which works as follows: through sensors (speed, GPS and throttle position) associated with digital maps, it is controlled the risk of accident constantly. With that, an embedded device at the vehicle’s cab could to emit visual and sound alerts warning the risk of rollover. In this work, it is proposed the adoption of the stability indicator known as Static Rollover Threshold, which is combined with a priori information from digital maps to allow the calculation of the rollover risk by different approaches. In the context of this research, 04 versions of assistants were developed. In addition, a microscopic traffic simulation framework was proposed based on the practical reasoning model named belief-desire-intention (BDI) to support the development and validation of intelligent agents for Advanced Driver Assistance Systems in a fast, flexible and easy way. To evaluate the assistants’ potential, the BR-101, Federal Highway of Alagoas with more occurrence of rollover, was chosen. On this highway, 400 vehicles were simulated to evaluate the performance of the proposed assistants. The effectiveness, intrusiveness, omission and safety of the assistants were investigated.

This research project took part in the SENA project (Autonomous Embedded Navigation System), which was developed at the Mobile Robotics Lab of the Mechatronics Group at the Engineering School of São Carlos, University of São Paulo (EESC - USP) in collaboration with the São Carlos Institute of Physics. Aiming for an autonomous behavior in the prototype vehicle this dissertation focused on deploying some machine learning algorithms to support its perception. These algorithms enabled the vehicle to execute articial-intelligence tasks, such as prediction and memory retrieval for object classication. Even though in autonomous navigation there are several perception, cognition and actuation tasks, this dissertation focused only on perception, which provides the vehicle control system with information about the environment around it. The most basic information to be provided is the existence of objects (obstacles) around the vehicle. In formation about the sort of object it is also provided, i.e., its classication among cars, pedestrians, stakes, the road, as well as the scale of such an object and its position in front of the vehicle. The environmental data was acquired by using a camera and a Velodyne LiDAR. A ceiling analysis of the object detection pipeline was used to simulate the proposed methodology. As a result, this analysis estimated that processing specic regions in the PDF Compressor Pro xii image (i.e., Regions of Interest, or RoIs), where it is more likely to nd an object, would be the best way of improving our recognition system, a process called image normalization. Consequently, experimental results in a data-fusion approach using laser data and images, in which RoIs were found using the LiDAR data, showed that the fusion approach can provide better object detection and classication compared with the use of either camera or LiDAR alone. Deploying a data-fusion classication using RoI method can be executed at 6 Hz and with 100% precision in pedestrians and 92.3% in cars. The fusion also enabled road estimation even when there were shadows and colored road markers in the image. Vision-based classier supported by LiDAR data provided a good solution for multi-scale object detection and even for the non-uniform illumination problem. / Este projeto de pesquisa fez parte do projeto SENA (Sistema Embarcado de Navegação Autônoma), ele foi realizado no Laboratório de Robótica Móvel do Grupo de Mecatrônica da Escola de Engenharia de São Carlos (EESC), em colaboração com o Instituto de Física de São Carlos (IFSC). A grande motivação do projeto SENA é o desenvolvimento de tecnologias assistidas e autônomas que possam atender às necessidades de diferentes tipos de motoristas (inexperientes, idosos, portadores de limitações, etc.). Vislumbra-se que a aplicação em larga escala desse tipo de tecnologia, em um futuro próximo, certamente reduzirá drasticamente a quantidade de pessoas feridas e mortas em acidentes automobilísticos em estradas e em ambientes urbanos. Nesse contexto, este projeto de pesquisa teve como objetivo proporcionar informações relativas ao ambiente ao redor do veículo, ao sistema de controle e de tomada de decisão embarcado no veículo autônomo. As informações mais básicas fornecidas são as posições dos objetos (obstáculos) ao redor do veículo; além disso, informações como o tipo de objeto (ou seja, sua classificação em carros, pedestres, postes e a própria rua mesma), assim como o tamanho deles. Os dados do ambiente são adquiridos através do emprego de uma câmera e um Velodyne LiDAR. Um estudo do tipo ceiling foi usado para simular a metodologia da detecção dos obstáculos. Estima-se que , após realizar o estudo, que analisar regiões especificas da imagem, chamadas de regiões de interesse, onde é mais provável encontrar um obstáculo, é o melhor jeito de melhorar o sistema de reconhecimento. Observou-se na implementação da fusão dos sensores que encontrar regiões de interesse usando LiDAR, e classificá-las usando visão artificial fornece um melhor resultado na hora de compará-lo com os resultados ao usar apenas câmera ou LiDAR. Obteve-se uma classificação com precisão de 100% para pedestres e 92,3% para carros, rodando em uma frequência de 6 Hz. A fusão dos sensores também forneceu um método para estimar a estrada mesmo quando esta tinha sombra ou faixas de cor. Em geral, a classificação baseada em visão artificial e LiDAR mostrou uma solução para detecção de objetos em várias escalas e mesmo para o problema da iluminação não uniforme do ambiente.

Made available in DSpace on 2016-12-12T20:22:52Z (GMT). No. of bitstreams: 1 RAFAEL ALCESTE BERRI.pdf: 28428368 bytes, checksum: 667b9facc9809bfd5e0847e15279b0e6 (MD5) Previous issue date: 2014-02-21 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / In this work, three proposals of systems have been developed using a frontal camera to monitor the driver and enabling to identificate if a cell phone is being used while driving the vehicle. It is estimated that 80% of crashes and 65% of near collisions involved drivers who were inattentive in traffic for three seconds before the event. Five videos in real environment were generated to test the systems. The pattern recognition system (RP) uses adaptive skin segmentation, feature extraction, and machine learning to detect cell phone usage on each frame. The cell phone detection happens when, in periods of 3 seconds, 60% (threshold) of frames or more are identified as a cell phone use, individually. The average accuracy on videos achieved was 87.25% with Multilayer Perceptron (MLP), Gaussian activation function, and two neurons of the intermediate layer. The movement detection system (DM) uses optical flow, filtering the most relevant movements of the scene, and three successive frames for detecting the movements to take the phone to the ear and take it off. The DM proposal was not demonstrated as being an effective solution for detecting cell phone use, reaching an accuracy of 52.86%. The third solution is a hybrid system. It uses the RP system for classification and the DM for choosing the RP parameters. The parameters chosen for RP are the threshold and the classification system. The definition of these two parameters occurs at the end of each period, based on movement detected by the DM. Experimentally it was established that, when the movement induces to use cell phone, it is proper to use the threshold of 60%, and the classifier as MLP/Gaussian with seven neurons of the intermediate layer; otherwise, it is used threshold 85%, and MLP/Gaussian with two neurons of the intermediate layer for classification. The hybrid solution is the most robust system with average accuracy of 91.68% in real environment. / Neste trabalho, são desenvolvidas três propostas de sistemas que permitem identificar o uso de celular, durante o ato de dirigir um veículo, utilizando imagens capturadas de uma câmera posicionada em frente ao motorista. Estima-se que 80% das colisões e 65% das quase colisões envolveram motoristas que não estavam prestando a devida atenção ao trânsito por três segundos antes do evento. Cinco vídeos em ambiente real foram gerados com o intuito de testar os sistemas. A proposta de reconhecimento de padrões (RP) emprega segmentação de pele adaptativa, extração de características e aprendizado de máquina (classificador) na detecção do celular em cada quadro processado. A detecção do uso do celular ocorre quando, em períodos de 3 segundos, ao menos em 60% dos quadros (corte) são identificados com celular. A acurácia média nos vídeos alcançou 87, 25% ao utilizar Perceptron Multi-camadas (MLP) com função de ativação gaussiana e dois neurônios na camada intermediária como classificador. A proposta de detecção de movimento (DM) utiliza o fluxo ótico, filtragem dos movimentos mais relevantes da cena e três quadros consecutivos para detectar os momentos de levar o celular ao ouvido e o retirá-lo. A aplicação do DM, como solução para detectar o uso do celular, não se demostrou eficaz atingindo uma acurácia de 52, 86%. A terceira proposta, uma solução híbrida, utiliza o sistema RP como classificador e o de DM como seu parametrizador. Os parâmetros escolhidos para o sistema de RP são o corte e o sistema classificador. A definição desses dois parâmetros ocorre ao final de cada período, baseada na movimentação detectada pela DM. Com experimentações definiu-se que, caso a movimentação induza ao uso do celular, é adequado o uso do corte de 60% e o classificador MLP/Gaussiana com sete neurônios na camada intermediária, caso contrário, utiliza-se o corte de 85% e classificador MLP/Gaussiana com dois neurônios na mesma camada. A versão híbrida é a solução desenvolvida mais robusta, atingindo a melhor acurácia média de 91, 68% em ambiente real.