Projeto PKLot 2.0 - Aprendizado de Máquina Aplicado em Cidades Inteligentes.

Este projeto tem como objetivo propor novas técnicas que aproveitam o uso de câmeras para aprimorar a gestão automatizada do tráfego em cidades inteligentes por meio de aprendizado de máquina. Ele aborda questões como a detecção automática de vagas de estacionamento, a identificação de áreas congestionadas com veículos e a geração de informações relevantes, como o tempo de utilização de infraestruturas viárias específicas em áreas urbanas.

As soluções desenvolvidas neste projeto poderiam, por exemplo, auxiliar na orientação dos motoristas para a vaga de estacionamento mais próxima disponível, economizando tempo e combustível. Além disso, essas soluções abrem a possibilidade de criar novas oportunidades de negócios, como cobrança automatizada com base na duração que um veículo ocupa uma vaga de estacionamento específica.

Principais Tecnologias

Aprendizado Profundo, Segmentação por Instância, Processamento de Imagem e Dispositivos IoT.

Equipe do Projeto

foto do Alceu

Alceu de Souza Britto Jr. (PUCPR)

Andre Hochuli (PUCPR)

Eduardo Cunha de Almeida (UFPR)

Luiz Eduardo S. de Oliveira (UFPR)

Paulo R. Lisboa de Almeida (UFPR)

Bruno Aquiles

Luan Kujavski

Marcelo Ribas

Heloísa Mendes

Heloísa Mendes

Resultados Atuais

Mapeamento automatizado do layout de áreas de estacionamento.

Nosso método, conforme apresentado na IEEE SMC 2023, tem a capacidade de identificar automaticamente áreas de estacionamento por meio de câmeras, totalmente livre de intervenção humana. Isso nos permite mapear e monitorar posteriormente essas regiões dentro de cidades inteligentes com um esforço mínimo.

No vídeo abaixo, você pode observar o sistema em ação, empregando uma fusão de redes de segmentação por instância e processamento de imagem para processar automaticamente imagens de um dia típico de trabalho. Esse processo permite uma compreensão abrangente do layout da área.

Rolar para cima