Use este identificador para citar ou linkar para este item: https://repository.ufrpe.br/handle/123456789/4027
Título: Estudo de viabilidade de sistemas de detecção de armamentos em tempo real em linhas de ônibus urbanos
Autor: Lima Junior, Cícero Pereira de
Endereco Lattes do autor: http://lattes.cnpq.br/9901763283774954
Orientador: Silva, Douglas Véras e
Endereco Lattes do orientador : http://lattes.cnpq.br/2969243668455081
Palavras-chave: Visão computacional;Redes neurais (Computação);Aprendizagem;Sistemas de segurança eletrônico;Desempenho
Data do documento: 9-Dez-2021
Citação: LIMA JUNIOR, Cícero Pereira de. Estudo de viabilidade de sistemas de detecção de armamentos em tempo real em linhas de ônibus urbanos. 2021. 67 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Departamento de Computação, Universidade Federal Rural de Pernambuco, Recife, 2021.
Abstract: Surveillance systems are fundamental on preventing armed robberys on public busses. However, to be operated in real-time theses systems demand an unrealistic amount of people. The usage of computer vision and deep learning technics raises as a way to automate parts or even the whole surveillance process, from the weapons detection to the alarm triggering. For this process to be accomplished efficiently, allowing authorities to take more effective actions, the system needs to be able to handle a growing security cameras demand. Thus, this work analyses a bus line weapon detection system viabillity. Through simulation, this work evaluated the perfomance of YOLO algorithm, in its fourth version, on a client-server model under a growing security camera demand. The server is composed of a Tesla V80 GPU with a 12GB memory, Intel Xeon dual core processor, 61GB RAM memory and 200GB disk space. Finally, from the gathered results, its observable that the application presents a detection time increase after having introduced 16 virtual users (cameras), also the average response time cannot be considered as real-time, on bus security context.
Resumo: Sistemas de monitoramento são parte fundamental na prevenção de assaltos a mão armada dentro dos ônibus. Entretanto, a utilização desses sistemas demanda quantidade irreal de pessoas para que seja operado em tempo real. O uso de técnicas de visão computacional e aprendizagem profunda surgem como forma de automatizar partes ou até todo o processo de monitoramento, desde a detecção dos armamentos ao disparo de alarmes. Para que este processo seja realizado de maneira eficiente, permitindo ações efetivas por parte das autoridades, é preciso que o sistema seja capaz de atender em tempo real uma demanda crescente de câmeras de segurança. Desta forma, este trabalho teve como objetivo analisar a viabilidade de um sistema de detecção de armamentos em uma rede de ônibus. Através de simulação, avaliou-se o desempenho do algoritmo YOLO, em sua quarta versão, em um modelo cliente-servidor sob uma demanda crescente de câmeras de segurança. O servidor dispunha de uma GPU Tesla V80 com 12GB de memória, processador Intel Xeon dual core, 61GB de memória RAM e 200GB de espaço em disco. Por fim, a partir dos resultados obtidos, observou-se que a aplicação apresenta aumento no tempo de detecção após introduzir 16 usuários virtuais (câmeras) e seu tempo médio não pode ser considerado como tempo real, dentro do contexto de segurança de ônibus.
URI: https://repository.ufrpe.br/handle/123456789/4027
Aparece nas coleções:TCC - Bacharelado em Ciência da Computação (Sede)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tcc_ciceropereiradelimajunior.pdf1,21 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.