Radar

Este é um projeto que visa implementar a partir do vídeo disponível em https://www.youtube.com/watch?v=nt3D26lrkho&ab_channel=VK, o qual captura veículos se deslocando por uma rodavia os seguintes aspectos:

• Identificação e detecção dos veículos
• Calculo das velocidades
• Contagem dos carros para cada uma das vias

Tabela de Conteúdos

1. Estrutura do Repositório
2. Como Executar
3. Funcionamento do Código

Extrutura do Repositório:

Radar
└── src                        # Pasta contendo arquivos .py
    ├── estagio.py             # Arquivo principal           
    └── frame_processor.py     # Arquivo onde é implementada a classe frame_processor
├── imgs                       # Pasta para salvar imagens
├── results                    # Pasta contendo video do resultado obtido
├── README.md                  # README contendo a documentação do projeto  
├── requirements.txt           # Arquivo contendo bibliotecas utilizadas e suas respectivas versões 

Como Executar

1. Instalar as dependências: Inicialmente certifique-se de que as dependências necessárias foram instaladas, isso pode ser feito executando o seguinte comando:

   pip install -r requirements.txt

2. Navegue até a pasta do projeto: A partir da pasta do projeto execute o comando:

   python main.py

3. Saída:

   • O vídeo será exibido
   • O vídeo processado será salvo na pasta results

Funcionamento do Código:

Nesta seção serão abordados o funcionamento e aplicação dos métodos da classe frame_processor, os métodos serão agrupados de acordo com a sua funcionalidade de modo a facilitar o compreendimento.

O construtor da classe frame_processor recebe como argumentos a ROI desejada, para esse projeto adotou-se a abordagem de se processar uma ROI para a pista da esquerda e outra para a pista da direita da rodovia. As regiões de interesse utilizadas foram armazendas nas variáveis roii_esquerda e roi_direita como mostrado abaixo:

roi_esquerda = np.array([[0,573],[0,720],[513,716],[641,297],[538,298]], dtype=np.int32)
roi_direita = np.array([[769,720],[677,301],[754,290],[1280,642],[1280,720]], dtype=np.int32)

Processamento dos Frames:

A primeira etapa consiste na execução do método process_frame que recebe como parâmetro o frame atual do vídeo. Esse método executa então as seguintes operações:

• Extração da ROI do frame, isso é efeito apartir de uma chamada para o método crop_frame, o qual basicamente cria uma máscara poligonal e recorta a área delimitada pelo menot retângulo que engloba a ROI
• O brilho da imagem é normalizado
• É aplicada a operação de Background Subtraction, de modo a tentar capturar apenas a parte não estática do vídeo, i.e os veículos.
• São aplicados os filtros Gaussiano e de Mediano visando reduzir o ruído da imagem
• A imagem é convertida para binária através da aplicação de um threshold na intensidade de seus pixels. Essa transformação para binário é necessária para obter um melhor desempenho das operações subsequentes.
• As transformações morfológicas de abertura, fechamento e dilatação são aplicadas na tentativa de remover ainda mais o ruído.
• Por fim, é feita e extração dos contornos dos veículos.

Velocidade e Detecção dos veículos:

A velocidade e a detecção dos veículos são implementadas dentro do método find_speed o qual tem como argumentos frame_original, que é frame que está sendo processado,dist_threshold que é a distância máxima a ser considerada para associar um centroide do frame anterior ao atual, max_speed esse parâmetro determina a cor do bounding_box do veículo, se a velocidade for superior a esse valor a cor é vermelho, caso contrário é verde.

O cálculo da velocidade é feito com base no centróides dos veículos considerando o deslocamento realizado do frame anterior para o atual. O metódo find_centroids é responsável por atualizar as listas centroides_atual, a qual armazena os centroides do frame atual, e centroides_anterior responsável por armazenar os centroides computados no frame anterior. Os centroídes são calculados da seguinte forma: Para cada um dos contornos identificados são extraídos os retângulos que limitam esses contornos através da função

cv2.boundingRect()

O centroíde é então definido como sendo o ponto médio desse retângulo. Voltando então para o método find_speed calculamos a distância euclidiana entre os centróides do frame atual e anterior e caso ele seja menor que o threshold estabelecido é então calculada a distância. Como a distânia é calculada entre dois frames subsequentes temos que a velocidade em pixels/frame tem o mesmo módulo da distância.

Contagem dos veículos:

A contagem dos veículos é implementada exclusivamente pelo método count_vehicles, nele são passados como parâmetros frame, que representa o frame atual, line que são os pontos da extremidade de um seguimento de reta, epsilon que é a distância entre o segundo seguimento de reta a ser criado em relação àquele informado no parâmetro anterior. Esse método então consite na criação de dois segmentos de reta de acordo com os parâmetros fornecidos e então quando o centróide de um veículo se encontra entre esses dois segmentos é feita a contagem do veículo.