{"id":819,"date":"2024-02-08T09:00:00","date_gmt":"2024-02-08T09:00:00","guid":{"rendered":"https:\/\/makewise.pt\/pt\/?p=819"},"modified":"2024-02-28T09:00:31","modified_gmt":"2024-02-28T09:00:31","slug":"visao-por-computador-nos-transportes-as-utilizacoes-mais-populares-em-2024","status":"publish","type":"post","link":"https:\/\/makewise.pt\/pt\/visao-por-computador-nos-transportes-as-utilizacoes-mais-populares-em-2024\/","title":{"rendered":"Vis\u00e3o por computador nos transportes: As utiliza\u00e7\u00f5es mais populares em 2024"},"content":{"rendered":"\n

A vis\u00e3o por computador \u00e9 um campo da intelig\u00eancia artificial (IA) que permite que computadores e sistemas extraiam informa\u00e7\u00f5es significativas de imagens digitais, v\u00eddeos e outros dados visuais. Envolve o desenvolvimento de algoritmos e modelos que permitem aos computadores interpretar, analisar e compreender dados visuais.<\/p>\n\n\n\n

A vis\u00e3o por computador desempenha um papel fundamental na revolu\u00e7\u00e3o dos sistemas de transporte, no aumento da seguran\u00e7a e na otimiza\u00e7\u00e3o da efici\u00eancia.<\/p>\n\n\n\n

Neste artigo, vamos explorar algumas das utiliza\u00e7\u00f5es mais populares da vis\u00e3o computacional em 2024.<\/p>\n\n\n\n

As 5 utiliza\u00e7\u00f5es mais populares da vis\u00e3o por computador em 2024<\/h2>\n\n\n\n
\n
\n

1) Classifica\u00e7\u00e3o de ve\u00edculos<\/strong><\/h3>\n\n\n\n
\"1)<\/figure>\n\n\n\n

Os m\u00e9todos de Deep Learning tornaram poss\u00edvel analisar o tr\u00e2nsito em grande escala utilizando c\u00e2maras de seguran\u00e7a. Com o aumento de sensores econ\u00f3micos, como c\u00e2maras CCTV, LiDAR e dispositivos de imagem t\u00e9rmica, os ve\u00edculos podem agora ser detetados e classificados em v\u00e1rias faixas de rodagem simultaneamente. A combina\u00e7\u00e3o de diferentes sensores melhora a precis\u00e3o. As utiliza\u00e7\u00f5es especializadas, como, por exemplo, a utiliza\u00e7\u00e3o de Deep Learning para a dete\u00e7\u00e3o de ve\u00edculos de constru\u00e7\u00e3o, servem v\u00e1rios objetivos, como a monitoriza\u00e7\u00e3o da seguran\u00e7a e a avalia\u00e7\u00e3o da produtividade. Estes avan\u00e7os representam um progresso significativo na tecnologia dos transportes, prometendo uma melhor gest\u00e3o do tr\u00e1fego.<\/p>\n<\/div>\n\n\n\n

\n

<\/p>\n\n\n\n

2) An\u00e1lise de tr\u00e2nsito e dete\u00e7\u00e3o de estacionamento<\/strong><\/h3>\n\n\n\n
\"2)<\/figure>\n\n\n\n

Com o avan\u00e7o da vis\u00e3o por computador e da IA, a an\u00e1lise de v\u00eddeo pode agora ser aplicada a c\u00e2maras de tr\u00e2nsito comuns, oferecendo benef\u00edcios significativos aos Sistemas de Transporte Inteligentes (ITS) e \u00e0s iniciativas de cidades inteligentes. A monitoriza\u00e7\u00e3o de lugares de estacionamento \u00e9 crucial para detetar a ocupa\u00e7\u00e3o de parques de estacionamento, especialmente em cidades inteligentes. As aplica\u00e7\u00f5es de vis\u00e3o por computador fornecem solu\u00e7\u00f5es eficientes para este fim. Os sistemas de gest\u00e3o de estacionamento baseados em v\u00eddeo utilizam tecnologias como a imagem estereosc\u00f3pica ou c\u00e2maras t\u00e9rmicas. A dete\u00e7\u00e3o de parques de estacionamento com base em c\u00e2maras oferece escalabilidade para utiliza\u00e7\u00e3o em grande escala, manuten\u00e7\u00e3o de baixo custo e f\u00e1cil instala\u00e7\u00e3o, especialmente quando se reutilizam c\u00e2maras de seguran\u00e7a existentes.<\/p>\n<\/div>\n<\/div>\n\n\n\n

<\/div>\n\n\n\n
\n
\n

3) Reconhecimento autom\u00e1tico de matr\u00edculas<\/strong><\/h3>\n\n\n\n
\"3)<\/figure>\n\n\n\n

A tecnologia ANPR desempenha um papel crucial nos sistemas modernos de transportes e de seguran\u00e7a p\u00fablica. Envolve a identifica\u00e7\u00e3o e extra\u00e7\u00e3o de informa\u00e7\u00f5es sobre matr\u00edculas a partir de imagens ou v\u00eddeos. A tecnologia ANPR teve um grande impacto em sectores como a seguran\u00e7a p\u00fablica e os transportes, permitindo solu\u00e7\u00f5es rent\u00e1veis para estradas com portagem e introduzindo capacidades inovadoras como as unidades de leitura de matr\u00edculas montadas em cruzadores da pol\u00edcia.<\/p>\n<\/div>\n\n\n\n

\n

4) Dete\u00e7\u00e3o de pe\u00f5es e sinais de tr\u00e2nsito<\/strong><\/h3>\n\n\n\n
\"4)<\/figure>\n\n\n\n

A dete\u00e7\u00e3o de pe\u00f5es \u00e9 vital para os ITS e serve v\u00e1rios objetivos, tais como melhorar a condu\u00e7\u00e3o aut\u00f3noma dos autom\u00f3veis, monitorizar as infraestruturas, gerir o tr\u00e2nsito, garantir a seguran\u00e7a do tr\u00e2nsito e ajudar na aplica\u00e7\u00e3o da lei. Utiliza diferentes sensores como CCTV, dispositivos de imagem t\u00e9rmica e c\u00e2maras RGB para detetar pe\u00f5es. Os algoritmos de dete\u00e7\u00e3o podem basear-se em assinaturas de infravermelhos, caracter\u00edsticas de forma, caracter\u00edsticas de cor, machine learning ou caracter\u00edsticas de movimento.<\/p>\n\n\n\n

A dete\u00e7\u00e3o de sinais de tr\u00e2nsito \u00e9 outra aplica\u00e7\u00e3o importante da vis\u00e3o por computador nos transportes. Envolve a segmenta\u00e7\u00e3o de sinais de tr\u00e2nsito de diferentes locais atrav\u00e9s da segmenta\u00e7\u00e3o de imagens e, de seguida, a utiliza\u00e7\u00e3o de algoritmos de deep learning para reconhecimento e classifica\u00e7\u00e3o.<\/p>\n<\/div>\n<\/div>\n\n\n\n

<\/div>\n\n\n\n

5) Seguran\u00e7a do condutor<\/strong><\/h3>\n\n\n\n
\n
\n
\"5)<\/figure>\n<\/div>\n\n\n\n
\n

Os sistemas anti-colis\u00e3o s\u00e3o componentes cruciais dos sistemas avan\u00e7ados de assist\u00eancia ao condutor em ve\u00edculos aut\u00f3nomos. Envolvem a dete\u00e7\u00e3o de outros ve\u00edculos e a identifica\u00e7\u00e3o de faixas de rodagem para evitar acidentes.<\/p>\n\n\n\n

A dete\u00e7\u00e3o da aten\u00e7\u00e3o do condutor destina-se a identificar comportamentos de condu\u00e7\u00e3o distra\u00edda, como por exemplo, utilizar o telem\u00f3vel, que contribuem significativamente para acidentes rodovi\u00e1rios em todo o mundo. A intelig\u00eancia artificial \u00e9 utilizada para analisar os comportamentos de condu\u00e7\u00e3o e desenvolver estrat\u00e9gias para reduzir os acidentes. As tecnologias de vigil\u00e2ncia rodovi\u00e1ria s\u00e3o utilizadas para detetar infra\u00e7\u00f5es no interior do ve\u00edculo, como o n\u00e3o cumprimento do uso de cintos de seguran\u00e7a. Os sistemas de monitoriza\u00e7\u00e3o no interior do ve\u00edculo centram-se na avalia\u00e7\u00e3o visual da aten\u00e7\u00e3o do condutor atrav\u00e9s de c\u00e2maras ou sensores virados para o interior e para o exterior. T\u00e9cnicas como a an\u00e1lise da dire\u00e7\u00e3o do olhar e a monitoriza\u00e7\u00e3o da express\u00e3o facial s\u00e3o utilizadas para inferir o comportamento do condutor. Os algoritmos de deep learning podem distinguir entre rostos atentos e desatentos e detetar sinais de distra\u00e7\u00e3o.<\/p>\n<\/div>\n<\/div>\n\n\n\n

<\/div>\n\n\n\n

PLATE.VISION: Identificador de Matr\u00edculas pela MakeWise<\/strong><\/h2>\n\n\n\n