1) Classificação de veículos

Os métodos de Deep Learning tornaram possível analisar o trânsito em grande escala utilizando câmaras de segurança. Com o aumento de sensores económicos, como câmaras CCTV, LiDAR e dispositivos de imagem térmica, os veículos podem agora ser detetados e classificados em várias faixas de rodagem simultaneamente. A combinação de diferentes sensores melhora a precisão. As utilizações especializadas, como, por exemplo, a utilização de Deep Learning para a deteção de veículos de construção, servem vários objetivos, como a monitorização da segurança e a avaliação da produtividade. Estes avanços representam um progresso significativo na tecnologia dos transportes, prometendo uma melhor gestão do tráfego.

2) Análise de trânsito e deteção de estacionamento

Com o avanço da visão por computador e da IA, a análise de vídeo pode agora ser aplicada a câmaras de trânsito comuns, oferecendo benefícios significativos aos Sistemas de Transporte Inteligentes (ITS) e às iniciativas de cidades inteligentes. A monitorização de lugares de estacionamento é crucial para detetar a ocupação de parques de estacionamento, especialmente em cidades inteligentes. As aplicações de visão por computador fornecem soluções eficientes para este fim. Os sistemas de gestão de estacionamento baseados em vídeo utilizam tecnologias como a imagem estereoscópica ou câmaras térmicas. A deteção de parques de estacionamento com base em câmaras oferece escalabilidade para utilização em grande escala, manutenção de baixo custo e fácil instalação, especialmente quando se reutilizam câmaras de segurança existentes.

3) Reconhecimento automático de matrículas

A tecnologia ANPR desempenha um papel crucial nos sistemas modernos de transportes e de segurança pública. Envolve a identificação e extração de informações sobre matrículas a partir de imagens ou vídeos. A tecnologia ANPR teve um grande impacto em sectores como a segurança pública e os transportes, permitindo soluções rentáveis para estradas com portagem e introduzindo capacidades inovadoras como as unidades de leitura de matrículas montadas em cruzadores da polícia.

4) Deteção de peões e sinais de trânsito

A deteção de peões é vital para os ITS e serve vários objetivos, tais como melhorar a condução autónoma dos automóveis, monitorizar as infraestruturas, gerir o trânsito, garantir a segurança do trânsito e ajudar na aplicação da lei. Utiliza diferentes sensores como CCTV, dispositivos de imagem térmica e câmaras RGB para detetar peões. Os algoritmos de deteção podem basear-se em assinaturas de infravermelhos, características de forma, características de cor, machine learning ou características de movimento.

A deteção de sinais de trânsito é outra aplicação importante da visão por computador nos transportes. Envolve a segmentação de sinais de trânsito de diferentes locais através da segmentação de imagens e, de seguida, a utilização de algoritmos de deep learning para reconhecimento e classificação.

Os sistemas anti-colisão são componentes cruciais dos sistemas avançados de assistência ao condutor em veículos autónomos. Envolvem a deteção de outros veículos e a identificação de faixas de rodagem para evitar acidentes.

A deteção da atenção do condutor destina-se a identificar comportamentos de condução distraída, como por exemplo, utilizar o telemóvel, que contribuem significativamente para acidentes rodoviários em todo o mundo. A inteligência artificial é utilizada para analisar os comportamentos de condução e desenvolver estratégias para reduzir os acidentes. As tecnologias de vigilância rodoviária são utilizadas para detetar infrações no interior do veículo, como o não cumprimento do uso de cintos de segurança. Os sistemas de monitorização no interior do veículo centram-se na avaliação visual da atenção do condutor através de câmaras ou sensores virados para o interior e para o exterior. Técnicas como a análise da direção do olhar e a monitorização da expressão facial são utilizadas para inferir o comportamento do condutor. Os algoritmos de deep learning podem distinguir entre rostos atentos e desatentos e detetar sinais de distração.