Publication
Vacancy state detector oriented to convolutional neural network, background subtraction and embedded systems
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informåtica | pt_PT |
| dc.contributor.advisor | Rodrigues, Pedro JoĂŁo | |
| dc.contributor.advisor | Morais, Erikson Freitas de | |
| dc.contributor.author | CorrĂȘa, Isabelle de Moura | |
| dc.date.accessioned | 2020-01-31T14:15:53Z | |
| dc.date.available | 2020-01-31T14:15:53Z | |
| dc.date.issued | 2019 | |
| dc.date.submitted | 2018 | |
| dc.description | Dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paranå | pt_PT |
| dc.description.abstract | Much has been discussed recently related to population ascension, the reasons for this event, and, in particular, the aspects of society affected. Over the years, the city governments realized a higher level of growth, mainly in terms of urban scale, technology, and individuals numbers. It comprises improvements and investments in their structure and policies, motivated by improving conditions in population live quality and reduce environmental, energy, fuel, time, and money resources, besides population living costs, including the increasing demand for parking structures accessible to the general or private-public, and a waste of substantial daily time and fuel, disturbing the population routinely. Therefore, one way to achieve that challenge is focused on reducing energy, money, and time costs to travel to work or travel to another substantial location. That work presents a robust, and low computational power Smart Parking system adaptive to several environments changes to detect and report vacancy states in a parking space oriented to Deep Learning, and Embedded Systems. This project consists of determining the parking vacancy status through statistical and image processing methods, creates a robust image data set, and the Convolutional Neural Network model focused on predict three final classes. In order to save computational power, this approach uses the Background Subtraction based on the Mixture of Gaussian method, only updating parking space status, in which large levels of motion are detected. The proposed model presents 94 percent of precision at the designed domain. | pt_PT |
| dc.description.abstract | Muito se discutiu recentemente sobre a ascensĂŁo populacional, as razĂ”es deste evento e, em particular, os aspectos da sociedade afetados. Ao longo dos anos, os governos perceberam um grande nĂvel de crescimento, principalmente em termos de escala urbana, tecnologia e nĂșmero de indivĂduos. Este fato deve-se a melhorias e investimentos na estrutura urbana e polĂticas motivados por melhorar as condiçÔes de qualidade de vida da população e reduzir a utilização de recursos ambientais, energĂ©ticos, combustĂveis, temporais e monetĂĄrios, alĂ©m dos custos de vida da população, incluindo a crescente demanda por estruturas de estacionamento acessĂveis ao pĂșblico em geral ou pĂșblico-privado. Portanto, uma maneira de alcançar esse desafio Ă© manter a atenção na redução de custos de energia, dinheiro e tempo para viajar para o trabalho ou para outro local substancial. Esse trabalho apresenta um sistema robusto de Smart Parking, com baixo consumo computacional, adaptĂĄvel a diversas mudanças no ambiente observado para detectar e relatar os estados das vagas de estacionamento, orientado por Deep Learning e Embedded Systems. Este projeto consiste em determinar o status da vaga de estacionamento por meio de mĂ©todos estatĂsticos e de processamento de imagem, criando um conjunto robusto de dados e um modelo de Rede Neuronal Convolucional com foco na previsĂŁo de trĂȘs classes finais. A fim de reduzir consumo computacional, essa abordagem usa o mĂ©todo de Background Subtraction, somente atualizando o status do espaço de estacionamento em que grandes nĂveis de movimento sĂŁo detectados. O modelo proposto apresenta 94 porcento da precisĂŁo no domĂnio projetado. | pt_PT |
| dc.identifier.tid | 202388492 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10198/20504 | |
| dc.language.iso | eng | pt_PT |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0/ | pt_PT |
| dc.subject | Smart parking | pt_PT |
| dc.subject | Deep learning | pt_PT |
| dc.subject | Background subtraction | pt_PT |
| dc.title | Vacancy state detector oriented to convolutional neural network, background subtraction and embedded systems | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Sistemas de Informação | pt_PT |