DESENVOLVIMENTO DE SISTEMA DE MONITORAMENTO INTELIGENTE PARA ÁREAS EXTERNAS DE INSTITUIÇÕES EDUCACIONAIS COM VISÃO COMPUTACIONAL
DOI:
https://doi.org/10.5281/zenodo.17554432Palavras-chave:
estacionamento, monitoramento, segurançaResumo
A segurança em instituições educacionais tem se tornado uma preocupação crescente, exigindo soluções inovadoras para garantir um ambiente mais protegido. Este trabalho apresenta o desenvolvimento de um sistema de monitoramento de estacionamento baseado em visão computacional, utilizando a biblioteca OpenCV em Python. O sistema permite a delimitação manual das vagas em imagens estáticas, armazenadas de forma persistente, e realiza a detecção qualitativa de vagas ocupadas e livres por meio da análise de variação de cor e densidade de pixels. Os testes foram conduzidos inicialmente com webcam e, posteriormente, com a câmera Ípega KP-CA 127 instalada em campo, que proporcionou maior qualidade de imagem e estabilidade. Os resultados demonstraram que o sistema é capaz de identificar corretamente a ocupação das vagas, embora a instabilidade da transmissão em tempo real ainda represente uma limitação. Conclui-se que a solução proposta é viável, de baixo custo e com potencial para contribuir com a gestão e segurança em estacionamentos de ambientes escolares.
Referências
ALMEIDA, P.; OLIVEIRA, L. S.; SILVA Jr, E.; BRITTO Jr, A.; KOERICH, A. PKLot – A robust dataset for parking lot classification, Expert Systems with Applications, 2015. DOI (https://doi.org/10.1016/j.eswa.2015.02.009).
AMATO, Giuseppe; CARRARA, Fabio; FALCHI, Fabrizio; GENNARO,Claudio; MEGHINI, Carlo; VAIRO, Claudio. Deep learning for decentralized parking lot occupancy detection. Expert systems with applications, 2017. DOI (https://doi.org/10.1016/j.eswa.2016.10.055).
BARELLI, Felipe. Introdução à visão computacional: Uma abordagem prática com Python e OpenCV. Editora Casa do Código, 2018.
NEWMAN, S. A.; FOX, J. A.; FLYNN, E. A.; CHRISTESON, W. America's after-school choice: The prime time for juvenile crime, or youth enrichment and achievement. Fight Crime: Invest in Kids, 2004. Disponível em (https://eric.ed.gov/?id=ED445823).
RUDEK, Marcelo; COELHO, Leandro dos Santos; CANCIGLIERI JR, O. Visão computacional aplicada a sistemas produtivos: fundamentos e estudo de caso. XXI Encontro Nacional de Engenharia de Produção-2001, Salvador, 2001.
VARGAS, Ana Caroline Gomes; PAES, Aline; VASCONCELOS, Cristina Nader. Um estudo sobre redes neurais convolucionais e sua aplicação em detecção de pedestres. In: Proceedings of the xxix conference on graphics, patterns and images. sn, 2016. Disponível em (http://sibgrapi.sid.inpe.br/col/sid.inpe.br/sibgrapi/2016/09.12.15.44/doc/um-estudo-sobre.pdf).
ZHANG, Wuxia; Calautit, Jonh; TIEN, P. W; WU, Yupeng; WEI, Shuangyu. Deep learning models for vision-based occupancy detection in high occupancy buildings. Journal of building engineering, 2024. DOI (https://doi.org/10.1016/j.jobe.2024.111355).
