Resumo:
Um sistema de visão para identificação de sinais de trânsito coleta informações importantes para que o motorista tome decisões no momento correto, tornando a direção segura e, consequentemente, reduzindo o número de acidentes nas vias. Para que isso ocorra é necessária sua popularização, fato que somente irá se concretizar com a redução do custo de aquisição. Este trabalho lida com a redução do custo de tais sistemas através da utilização de um sistema embarcado acessível e de soluções abertas. É utilizado como hardware embarcado a Beaglebone Black, uma SBC de baixo custo, compacta e eficiente energeticamente. Como metodologia de visão computacional é utilizado a junção do framework Viola & Jones com um processo de segmentação para a fase de detecção. As regiões provenientes dessa fase são classificadas através de múltiplas SVM lineares utilizando vetores provenientes da combinação das técnicas HOG e LDA. Ambas fases são testadas em bases de dados, GTSDB e GTSRB, publicas desafiadoras, além de testes em vídeo para a fase de detecção. Destes testes foram extraídos métricas de tempo e desempenho, que demonstram a aplicabilidade do sistema em soluções comerciais de baixo custo.