Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-11-01T21:17:52Z No. of bitstreams: 1 LuizFernandoVirginioDaSilva_DISSERT.pdf: 4917021 bytes, checksum: 80294a6de65d56abadd8696d441746c6 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-11-07T22:41:10Z (GMT) No. of bitstreams: 1 LuizFernandoVirginioDaSilva_DISSERT.pdf: 4917021 bytes, checksum: 80294a6de65d56abadd8696d441746c6 (MD5) / Made available in DSpace on 2017-11-07T22:41:10Z (GMT). No. of bitstreams: 1 LuizFernandoVirginioDaSilva_DISSERT.pdf: 4917021 bytes, checksum: 80294a6de65d56abadd8696d441746c6 (MD5) Previous issue date: 2017-07-31 / Alguns dos maiores problemas nas grandes cidades est?o relacionados com a mobilidade urbana. Problemas como congestionamentos e acidentes impactam diretamente, de modo negativo na sociedade, e s?o muitas vezes atribu?dos ? falta de planejamento urbano por parte dos governantes, ? falta de pol?ticas p?blicas e projetos de pesquisa que proporcionem uma solu??o, mesmo que de forma parcial, ao problema. Estas projetos de pesquisa dependem de dados que devem ser coletados in loco nas principais avenidas e ruas da cidade, hoje realizado de forma manual atrav?s da observa??o de imagens geradas por c?meras de CFTV (Circuito Fechado de TV), principal meio de vigil?ncia no tr?nsito. Assim, surge a necessidade de uma solu??o que seja capaz de automatizar a coleta destes dados de forma a reduzir custos com pessoal, otimizar o trabalho e reduzir, tamb?m, erros oriundos deste tipo de opera??o. Desta forma, propomos um m?todo capaz de coletar estes dados de forma autom?tica, em tempo real, utilizando estas imagens de v?deos para subsidiar pesquisas e detectar poss?veis a??es no tr?nsito. Nosso m?todo consiste em um fluxo sequencial de atividades o qual submetemos as imagens. Primeiro, utilizamos segmenta??o por movimento para detectar objetos em movimento. Em seguida, aplicamos, em cada objeto segmentado, uma adapta??o do m?todo de Viola-Jones para refinar a busca na detec??o de ve?culos, classificando-os. Nesta etapa, tratamos situa??es de oclus?o, fen?meno comum de sobreposi??o de objetos que interfere diretamente nos resultados, e, por fim, aplicamos o m?todo de Senior para rastreamento de cada ve?culo classificado a fim de obtermos dados relevantes do tr?fego, inicialmente a dire??o, velocidade e intensidade do fluxo. Submetemos alguns v?deos coletados em uma avenida de grande circula??o a fim de testarmos nosso m?todo. Como resultado, constru?mos um modelo eficiente e com custo computacional baixo capaz de tratar situa??es de oclus?o sob diferentes condi??es de ilumina??o, sendo esta a principal contribui??o deste trabalho. / Some of the major problems in large cities are related to urban mobility. Problems such as traffic jams and vehicle accidents directly impact society in a negative way, and are usually attributed to lack of urban planning from governments, the lack of public policies or research projects aimed at solving this problems, even if partially. These researche projects depend on data that must be collected in loco on the main avenues and streets of the city, that are now performed manually through the observation of images captured by CCTV cameras (Closed Circuit TV), the main means of traffic surveillance in the city. Thus, there is a need for a solution that is able to automaticaly collect these data in order to reduce costs with personnel, optimize the work and also reduce errors that arise from this operation. In this way, we propose a method capable of collecting this data automatically, in real time, using these video images to support the researche projects and explore possible actions in traffic management. Our method consists of a continuous flow of activities that use the collected images. First, it uses motion segmentation to detect moving objects. Then, we apply, in each segmented object, an adaptation of the Viola-Jones method to refine the search in the detection of vehicles, classifying them. In this step, we deal with occlusion situations, a common phenomenon of objects overlapping that directly interfere on results. Finally, we apply the Senior method to track each vehicle in order to obtain relevant traffic data, initially direction, speed and intensity of flow. We submit some videos collected on a large avenue to test our method. As a result, we construct an efficient model with low computational cost capable of handling situations of occlusion in distincts lighting conditions, which is the main contribution of this work.