Classificacao do estado do transito baseada em contexto global

Atualmente, sistemas de vídeo para monitoramento de tráfego urbano tęm sido adotados com maior frequęncia. Através das imagens capturadas do trânsito, sistemas inteligentes baseados em visăo computacional procuram extrair informaçőes relevantes tais como a densidade, velocidade, localizaçăo e sentido dos veículos presentes na cena. Entretanto, as soluçőes tradicionais comumente falham, especialmente em cenas onde há o aumento significativo da oclusăo entre os veículos. Métodos alternativos analisam o vídeo de forma global considerando o trânsito como uma única entidade (e.g. nuvem de veículos). Considerando esta abordagem, o presente trabalho propőe um método para classificaçăo do estado do trânsito em tręs níveis de congestionamento: baixo, médio e alto. O sistema proposto baseia-se em duas propriedades holísticas, ambas definidas pela densidade média da nuvem de veículos e sua respectiva velocidade média. Estas duas propriedades săo combinadas em um vetor de características que é utilizado para compor o conjunto de treinamento. Os resultados experimentais demonstram uma taxa de acerto de 94,5% em um conjunto de 254 vídeos de trânsito utilizando redes neurais artificiais.