Dias, André Miguel PinheiroAmado, Miguel Mendes2022-03-022024-11-182021http://hdl.handle.net/10400.22/20099Devido ao contínuo aumento da densidade populacional no meio urbano, têm-se identificado problemas de congestionamento do tráfego e, consecutivamente, de controlo dos níveis de poluição com vista à descarbonização das smart cities. Com o rápido crescimento da área de Inteligência Artificial (IA), nomeadamente no campo da visão computacional, estudos apresentam as vantagens da sua utilização, comparativamente a metodologias mais tradicionais. Assim sendo, é proposto um sistema low-cost baseado em visão computacional e IA com foco na contagem de pessoas e veículos. A informação adquirida ajudará no estudo da mobilidade com otimizações da rede de transportes públicos e diminuição do congestionamento do tráfego local. Instalado em zonas estratégicas das cidades, este sistema processa, localmente e em tempo-real (edge-computing), as imagens de vídeo e, posteriormente, partilha as contagens através de uma comunicação sem fios, tendo em conta a proteção da privacidade dos dados pessoais. O protótipo desenvolvido demonstrou tratar-se de um produto low-cost e de baixo poder computacional. Este utiliza técnicas de IA e de otimização, que demonstraram exigir um baixo consumo energético sem comprometer a performance da contagem. Quanto à eficiência da contagem, utilizou-se um modelo de Deep Learning (DL) juntamente com um algoritmo de tracking, que apresentam resultados prometedores perante cenários com diferentes condições atmosféricas.Due to the population’s density increase in the urban areas and in order to decarbonize smart cities, traffic congestion problems are being identified alongside the control of pollution’s levels. Considering the quickly growing field of Artificial Intelligence (AI), particularly in computer vision, the studies focus on the strengths regarding its use compared to traditional methodologies. Therefore, a low-cost system based on computer vision and AI focusing on counting people and vehicles is proposed. The acquired information will assist the mobility field with optimizations in public transport network and the decrease of local traffic congestions. Installed in strategic areas of cities, this system processes, locally and in real time (edgecomputing), the video images and, posteriorly, shares the counting data through a wireless communication, ensuring the protection of personal data. The developed prototype proves to be low-cost and has low computing power. It uses optimized AI techniques which have been shown to require low energy consumption without compromising the performance. As for counting efficiency, Deep Learning (DL) models have been used along with a tracking algorithm, demonstrating promising results in scenarios with different weather conditions.porCNNDeep learningDeepstreamEdge-computingLinha de contagemLow-costLow-powerMQTTMultiprocessosGPUIoTNB-IoTNvDCFNVIDIA Jetson NanoPerformanceProtótipoResNetSmart citySSL/TLSTrackingCounting lineMultiprocessingPrototypemaster thesis202936864