Comparação de abordagens em um sistema inteligente de controle semafórico: detecção de pedestres com visão computacional
| Título | Comparação de abordagens em um sistema inteligente de controle semafórico: detecção de pedestres com visão computacional | pt_BR |
| Autor | Satiro, Augusto Gonçalves | |
| Orientador | Oliveira, Marlon de Matos de | |
| Resumo / Abstract | O crescimento acelerado das cidades e o aumento da frota de veículos têm intensificado os desafios relacionados à mobilidade urbana, tornando necessária a adoção de soluções inteligentes para o gerenciamento do tráfego. Nesse contexto, a visão computacional e o aprendizado profundo destacam-se como tecnologias promissoras para a detecção automática de pedestres em sistemas semafóricos inteligentes. Este trabalho tem como objetivo comparar diferentes métodos de detecção de pedestres aplicados a esse contexto. Foram avaliados dez modelos de detecção de objetos pré-treinados no dataset COCO: YOLOv8, SSDLite320 Mobile-NetV3, Faster R-CNN, RetinaNet, FCOS, EfficientDet-D0, DETR, RT-DETR, Conditional DETR e Deformable DETR. Os experimentos foram realizados em sete vídeos contendo diferentes cenários de mobilidade urbana, totalizando 4.527 quadros anotados manualmente. Os resultados mostraram que Faster R-CNN, RetinaNet e FCOS obtiveram o maior recall no cenário principal de detecção de pedestres parados (80,85%), enquanto o YOLOv8 apresentou o melhor equilíbrio entre desempenho e velocidade, com tempo médio de inferência de 109,34 ms por quadro e F1-score de 79,9%. Em condições de baixa luminosidade, o RT-DETR destacou-se com F1-score de 46,9% e recall de 30,6%, superando os demais modelos. Conclui-se que o YOLOv8 apresenta maior viabilidade para aplicações em tempo real, enquanto o RT-DETR demonstra maior robustez em cenários adversos de iluminação. | pt_BR |
| Data de publicação | 2026-07 | |
| Tipo | Trabalho de Conclusão de Curso - TCC | pt_BR |
| Idioma | pt_BR | pt_BR |
| Palavras-chave | Visão computacional | pt_BR |
| Palavras-chave | Detecção de pedestres | pt_BR |
| Palavras-chave | Redes neurais convolucionais | pt_BR |
| Palavras-chave | Semáforos inteligentes | pt_BR |
| Palavras-chave | Mobilidade urbana | pt_BR |
| Descrição | Artigo de Conclusão de Curso, apresentado para obtenção do Grau de Bacharel no curso de Ciência da Computação da Universidade do Extremo Sul Catarinense, UNESC. | pt_BR |
| Data de depósito | 2026-07-20T23:58:27Z | |
| Data de disponibilização | 2026-07-20T23:58:27Z | |
| URI | http://repositorio.unesc.net/handle/1/13009 | |
| Cobertura espacial | Universidade do Extremo Sul Catarinense | pt_BR |
| Data de criação | 2026-07 |