Informações Principais
     Resumo
     Abstract
     Introdução
     Conclusão
     Download
  
  
  
 
Conclusão
 
 
Acadêmico(a): João Victor de Amorim
Título: Protótipo para controle de semáforo baseado na densidade de tráfego
 
Conclusão:
Este trabalho apresentou o desenvolvimento de um protótipo para controle de semáforo baseado na densidade de tráfego. O principal objetivo era a construção de um protótipo que abrangesse o desenvolvimento de um software para fazer o reconhecimento de veículos na via de rolamento, bem como um semáforo que adaptasse seus tempos de verde e vermelho a fim de melhorar o fluxo de automóveis. Conclui-se que as ferramentas utilizadas para o desenvolvimento atenderam as necessidades do protótipo. O uso do OpenCV facilitou a parte de processamento das imagens e a localização de veículos capturados pelas câmeras e a biblioteca WiringPI.h auxiliou nas operações de IO do Raspberry PI. A placa Raspberry PI 3 possui um hardware com os recursos necessários para atender os requisitos deste trabalho, porém para possibilitar uma resolução mais alta na captura de vídeos e efetivar o processamento das imagens com maior taxa de quadros por segundo, seria interessante a utilização de um aparelho com mais poder computacional, como por exemplo um LattePanda. Este trabalho mostrou-se importante por viabilizar uma forma de minimizar o tempo de espera em semáforos a fim de acelerar o trânsito em vias com cruzamento(s). Também é importante ressaltar que este trabalho não tratou problemas com ruídos e iluminação pois foi utilizado o arquivo de detecção haar-cascade já treinado que continha 526 imagens de traseiras de carros. Vale ressaltar que este arquivo foi utilizado devido a impossibilidade de ter acesso a um semáforo real. Para dar continuidade ao trabalho, sugerem-se as seguintes extensões: 1) criar um arquivo de treino contendo diferentes tipos de veículos, como motos, ônibus e caminhões; 2) possibilitar junto com o controle de semáforo veicular, o controle de sinaleiro dos pedestres, o qual não é considerado neste protótipo; 3) adaptar os algoritmos a fim de melhorar o reconhecimento à noite, possivelmente através das luzes dos veículos.