Reidentificação Espaço-Temporal de Veículos para Sistemas Inteligentes de Tráfego

• Artur Henrique do Nascimento Souza UFES / Atman Systems http://orcid.org/0009-0009-2732-7445
• Raquel Frizera Vassallo UFES https://orcid.org/0000-0002-4762-3219
• Augusto Abling UFES / Atman Systems

DOI: https://doi.org/10.5753/sbrc_estendido.2025.5955

Resumo

A maioria dos sistemas de visão computacional voltados para monitoramento urbano baseia-se em métricas obtidas por câmeras isoladas, o que limita a capacidade de análise em larga escala. Este trabalho propõe um sistema modular e leve, capaz de operar em dispositivos embarcados de forma descentralizada, permitindo a geração de novos dados correlacionados entre múltiplos pontos de monitoramento. Com essa abordagem, torna-se possível obter métricas como tempos de percurso e rotas mais utilizadas, contribuindo para a melhoria da gestão do tráfego e para o planejamento urbano estratégico.

Palavras-chave: Deep Learning, Sistemas Inteligentes de Tráfego, Visão computacional, Processamento em Borda

Referências

Bewley, A., Ge, Z., Ott, L., Ramos, F., and Upcroft, B. (2016). Simple online and realtime tracking. In 2016 IEEE International Conference on Image Processing (ICIP).

Kim, H.-G., Na, Y., Joe, H.-W., Moon, Y.-H., and Cho, Y.-J. (2023). Spatial-temporal vehicle re-identification.

Lv, K., Du, H., Hou, Y., Deng, W., Sheng, H., Jiao, J., and Zheng, L. (2019). Vehicle re-identification with location and time stamps. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops.

Montoia, V. (2024). Mercado automotivo brasileiro é o que mais cresce no mundo em 2024, diz ANFAVEA. Acessado em: 26 dez. 2024.

Shahgholian, M. and Gharavian, D. (2018). Advanced traffic management systems: An overview and a development strategy.

Singh, B. and Gupta, A. (2015). Recent trends in intelligent transportation systems: A review. Journal of Transport Literature, 9(2):30–34.

Tomasiello, D. B., Pereira, R. H. M., and Nadalin, V. G. Os impactos desiguais do congestionamento urbano no acesso a empregos. Texto para Discussão, (2922).

Varghese, R. and M., S. (2024). YOLOv8: A novel object detection algorithm with enhanced performance and robustness. In 2024 International Conference on Advances in Data Engineering and Intelligent Computing Systems (ADICS), pages 1–6.

Wang, H., Hou, J., and Chen, N. (2019). A survey of vehicle re-identification based on deep learning. IEEE Access, 7:172443–172469.

Wang, Z., Wang, L., Shi, Z., Zhang, M., Geng, Q., and Jiang, N. (2024). A survey on person and vehicle re-identification. IET Computer Vision.

Zhou, K., Yang, Y., Cavallaro, A., and Xiang, T. (2019). Omni-scale feature learning for person re-identification.