Detecção por imagem de pedestres em espera próximo à faixa de travessia em semáforos.

Abstract

Este trabalho propõe avaliar as técnicas de deep learning para realizar a detecção de pessoas com a intenção de atravessar a faixa de de travessia para pedestre com o objetivo de evitar interrupções desnecessárias no fluxo de veículos, com a escolha final do YOLO para o treinamento do modelo. O sistema utiliza a inteligência artificial para identificar o comportamento de pedestres, classificando-os em quatro categorias: andando, parado, esperando e atravessando, sendo necessário criar um banco de imagens a partir de vídeos gravados em diferentes locais. Após a extração dos frames, foram aplicadas técnicas de Data Augmentation para ampliar a diversidade das imagens, incluindo variações de iluminação, blur, Noise e transformações geométricas. Foram treinados modelos nas versões YOLOv8n, YOLOv9t, YOLOv9s, YOLOv11s e YOLOv12m. Para a comparação dos resultados foram utilizadas as métricas de precisão, Recall, mAP e F1-score. Além disso, também foi levado em conta o desempenho em frames por segundo, devido a necessidade do modelo executar em tempo real. Os resultados mostraram que a versão YOLOv9t apresentou o melhor equilíbrio entre velocidade de processamento e desempenho de detecção, atingindo uma média de 64 frames por segundo e uma média de 0,4048 de precisão de detecção. Concluísse que mesmo com limitações relacionadas ao tamanho do conjunto de dados o método demonstrou ser viável, alcançando uma precisão de 71% na classe esperando e 46% na classe atravessando, contudo vê-se a necessidade do desenvolvimento de um banco de dados com maior variedade para adquirir melhores resultados, uma vez que as classes andando e parada obtiveram precisão de 22% e 23% respectivamente.

This work proposes to evaluate deep learning techniques to detect people intending to cross pedestrian crosswalks, aiming to avoid unnecessary interruptions in vehicle flow, with the final choice of YOLO for model training. The system uses artificial intelligence to identify pedestrian behavior, classifying them into four categories: walking, standing, waiting, and crossing, requiring the creation of an image dataset from videos recorded in different locations. After extracting the frames, Data Augmentation techniques were applied to increase image diversity, including variations in lighting, blur, noise, and geometric transformations. Models were trained using YOLOv8n, YOLOv9t, YOLOv9s, YOLOv11s, and YOLOv12m versions, and for comparing results, precision, recall, mAP, and F1-score metrics were used. Frame-per-second performance was also taken into account due to the model’s need to run in real time. The results showed that the YOLOv9t version presented the best balance between processing speed and detection performance, reaching an average of 64 frames per second and an average detection precision of 0.4048. It is concluded that even with limitations related to the dataset size, the method proved to be viable, achieving a precision of 71% in the waiting class and 46% in the crossing class. However, the need for the development of a more varied database is evident to obtain better results, since the walking and standing classes achieved precision rates of 22% and 23%, respectively.