Classificao do estado do trnsito baseada em contexto global

Atualmente, sistemas de vdeo para monitoramento de trfego urbano tm sido adotados com maior frequncia. Atravs das imagens capturadas do trnsito, sistemas inteligentes baseados em viso computacional procuram extrair informaes relevantes tais como a densidade, velocidade, localizao e sentido dos veculos presentes na cena. Entretanto, as solues tradicionais comumente falham, especialmente em cenas onde h o aumento significativo da ocluso entre os veculos. Mtodos alternativos analisam o vdeo de forma global considerando o trnsito como uma nica entidade (e.g. nuvem de veculos). Considerando esta abordagem, o presente trabalho prope um mtodo para classificao do estado do trnsito em trs nveis de congestionamento: baixo, mdio e alto. O sistema proposto baseia-se em duas propriedades holsticas, ambas definidas pela densidade mdia da nuvem de veculos e sua respectiva velocidade mdia. Estas duas propriedades so combinadas em um vetor de caractersticas que utilizado para compor o conjunto de treinamento. Os resultados experimentais demonstram uma taxa de acerto de 94,5% em um conjunto de 254 vdeos de trnsito utilizando redes neurais artificiais.