🤖 machine learning

Data collection from highways: a geometric, class-agnostic approach to embedded vehicle counting

Este artigo propõe um pipeline de detecção de tráfego puramente geométrico e agnóstico a classes para dispositivos embarcados que alcança contagem de veículos e estimativa de velocidade em tempo real sem modelos de aprendizado profundo, demonstrando precisão e eficiência superiores em relação aos baselines de rastreamento em implantações de campo, ao mesmo tempo em que destaca restrições geométricas críticas para aplicações de borda.

Autores originais: Lucas Gouveia Omena Lopes, William W. M. Lira, Alexandre M. Lima, Thales M. A. Vieira

Publicado 2026-08-11

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Lucas Gouveia Omena Lopes, William W. M. Lira, Alexandre M. Lima, Thales M. A. Vieira

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está parado em uma rodovia movimentada, tentando contar quantos carros passam a cada minuto. No mundo da engenharia de tráfego, saber esse número é como conhecer o batimento cardíaco de uma cidade; isso ajuda os planejadores a decidir onde construir novas estradas ou como sincronizar os semáforos. Por décadas, a maneira mais inteligente de fazer isso era usar computadores de "aprendizado profundo" (deep learning) — cérebros digitais treinados para reconhecer formas específicas como "carro", "ônibus" ou "caminhão". Esses sistemas são como guardas de segurança superobservadores que podem identificar um veículo, rastrear seu caminho e contá-lo. No entanto, esses cérebros digitais têm um grande problema: eles só sabem o que foram ensinados. Se um trator de fazenda estranho, uma pilha de carga caída ou uma carroça puxada por um burro passar, o computador pode ficar confuso porque não foi treinado para ver essas coisas. Além disso, esses computadores inteligentes são ávidos por eletricidade e precisam de hardware poderoso e caro para funcionar, tornando difícil instalá-los em postes simples ao longo da estrada.

Este artigo explora uma abordagem diferente, muito mais simples: em vez de tentar reconhecer o que é o objeto, o sistema apenas percebe que algo está se movendo. Ele trata a estrada como um gigante e invisível fio de tropeço. Se uma sombra ou um borrão de movimento cruzar uma linha específica, conta-se como um veículo. Os autores chamam isso de uma abordagem "agnóstica à classe", o que significa que não se importa com a classe ou o tipo do objeto; apenas se importa com o movimento. A grande questão que eles abordam é: Podemos construir um sistema de contagem que seja tão simples que rode em um computador minúsculo e barato (como um Raspberry Pi), funcione sem dados de treinamento e ainda assim faça o trabalho? Eles argumentam que, às vezes, o truque geométrico mais simples é melhor do que uma IA complexa e voraz, especialmente quando você precisa contar coisas que nem sequer viu antes.

O Fio de Tropeço Invisível: Contando Carros Sem Saber o Que Eles São

Os autores deste artigo decidiram dar um passo atrás do método de alta tecnologia e "inteligente" de contagem de carros. Em vez de construir um cérebro digital que aprende a reconhecer um carro, eles construíram um sistema que age como um guarda muito simples e muito rápido parado em uma ponte. Este guarda não se importa se o que está passando é um carro, um caminhão ou um robô gigante; ele só se importa se algo se move através de uma linha específica.

A "Magia" da Linha Invisível
Imagine que você está jogando um videogame onde tem que pegar objetos que caem. Normalmente, você tentaria identificar cada objeto primeiro. Mas este artigo sugere um truque mais simples: apenas desenhe uma linha através da tela. Se qualquer coisa cruzar essa linha, você clica em um botão. No mundo real, esta "linha" é um software chamado "loop virtual". É como os antigos loops metálicos enterrados na estrada que acionam os semáforos, mas, em vez de estarem enterrados no asfalto, a linha é desenhada na tela da câmera.

O sistema funciona em três etapas simples:

O Plano de Fundo: A câmera aprende como é a estrada vazia.
A Diferença: Ela compara a imagem atual com a estrada vazia. Se houver uma diferença (um carro em movimento), ela destaca o objeto como um "borrão" branco em uma tela preta.
A Contagem: Ela verifica se esse borrão branco toca a linha invisível. Se tocar, conta um.

A genialidade aqui é que o sistema nunca pergunta: "Isso é um carro?". Ele apenas pergunta: "Algo se moveu através da linha?". Isso significa que ele pode contar um carro, uma vaca ou uma pilha de lixo sem precisar ser ensinado como qualquer uma dessas coisas se parece.

As Duas Regras da Estrada
Os pesquisadores testaram duas maneiras diferentes de tornar essa contagem precisa.

Regra nº 1: O Palpite de Velocidade. O primeiro método assume que todos os carros se movem aproximadamente na mesma velocidade. Eles definem a largura da linha invisível para corresponder à distância que um carro espera percorrer em um quadro (frame) de vídeo. Se um carro se mover mais devagar do que o esperado, ele pode permanecer na linha por dois quadros, e o sistema pode acidentalmente contá-lo duas vezes. A matemática mostra que este método deve ter cerca de 86% de precisão se os carros dirigirem em uma velocidade normal. É um bom palpite, mas não é perfeito.
Regra nº 2: O Mapa Autocorreto. O segundo método é mais inteligente. Ele observa os borrões dos carros em movimento e descobre onde as faixas estão por conta própria. Em seguida, desenha uma linha invisível separada para cada faixa. Quando um carro entra na linha de sua respectiva faixa, o sistema espera até que o carro saia da linha antes de contar. Isso evita o erro de "contagem dupla". Este método também ganha um bônus gratuito: ao cronometrar quanto tempo um carro leva para cruzar a linha, o sistema pode estimar a velocidade em que o carro estava indo.

O Teste do Mundo Real: Computadores Minúsculos, Grandes Resultados
A equipe testou essas ideias em pequenos e baratos computadores chamados Single Board Computers (SBCs), como o Raspberry Pi. Estes têm o tamanho de um cartão de crédito e custam muito pouco, mas não são muito potentes.

Eles compararam seu método simples de "fio de tropeço" com um método mais complexo que tenta rastrear o caminho de cada carro (como um personagem de videogame). Os resultados foram surpreendentes:

Em um computador desktop padrão, o método de rastreamento complexo foi lento e frequentemente ficou confuso.
No pequeno Raspberry Pi, o método complexo falhou miseravelmente, contando corretamente apenas 37,5% dos carros. Ele era muito lento e precisou reduzir tanto a qualidade do vídeo que não conseguia mais enxergar os carros.
O método simples de "fio de tropeço", no entanto, rodou mais rápido que o tempo real e contou 91% dos carros corretamente.

A Armadilha: O "Joelho da Resolução" e o "Piso da Taxa de Quadros"
O artigo também descobriu limites rígidos, como as regras da física para câmeras digitais.

O Joelho da Resolução: Se a imagem do vídeo for muito pequena (abaixo de cerca de 200 pixels de largura), o sistema para de funcionar. Os carros em movimento tornam-se tão minúsculos que o computador não consegue distingui-los do ruído. Mas uma vez que a imagem é grande o suficiente, torná-la maior não ajuda muito; apenas desperdiça o poder de processamento.
O Piso da Taxa de Quadros: Se a câmera tirar poucas fotos por segundo (abaixo de 5 quadros por segundo), os carros "pulam" sobre a linha invisível. Imagine um carro movendo-se tão rápido entre duas fotos que ele estava de um lado da linha na primeira foto e do outro lado na segunda, nunca tocando a linha no intervalo. O sistema o perde completamente. Nenhum software inteligente pode corrigir isso se a câmera não estiver tirando fotos com rapidez suficiente.

Por Que Isso Importa
Os autores concluem que, embora os detectores de IA "inteligentes" sejam ótimos quando você tem muito dinheiro e energia, eles nem sempre são a ferramenta certa. Se você precisa contar objetos estranhos (como equipamentos agrícolas), se não tem dados para treinar um computador, ou se precisa operar um sensor com uma pequena bateria solar, este método geométrico simples é o vencedor. Não se trata de ser o mais preciso em todas as situações; trata-se de ser confiável, barato e capaz de rodar em qualquer lugar sem precisar de um supercomputador.

No fim, o artigo mostra que, às vezes, a melhor maneira de resolver um problema complexo não é construir um cérebro mais inteligente, mas sim construir uma armadilha mais simples e honesta.

Resumo Técnico: Coleta de Dados em Rodovias: Uma Abordagem Geométrica e Isenta de Classe para Contagem de Veículos Embarcados

Definição do Problema
A engenharia de tráfego depende fortemente de contagens volumétricas de veículos para estimar matrizes de demanda de origem-destino. Embora detectores modernos de aprendizado profundo (ex: YOLO, Faster R-CNN) seguidos por rastreamento por detecção ofereçam alta precisão, eles exigem modelos treinados para classes de objetos específicas e recursos computacionais significativos. Isso cria uma lacuna em cenários envolvendo:

Classes de conjunto aberto (open-set): Objetos fora dos vocabulários padrão (ex: gado, detritos, maquinário agrícola, transporte informal).
Restrições de recursos: Implementações em Computadores de Placa Única (SBCs) de baixa potência e resfriamento passivo, onde a inferência de aprendizado profundo é termicamente ou energeticamente inviável.
Inícios a frio (cold starts): Situações onde não existem dados anotados para treinar um detector.

O artigo aborda a necessidade de um pipeline de contagem que execute em tempo real em hardware embarcado sem exigir identidade de objeto, modelos de classe ou conjuntos de treinamento.

Metodologia
O sistema proposto substitui o pipeline padrão de "detectar-então-rastrear" por uma abordagem puramente geométrica e isenta de classe. O pipeline consiste em duas fases distintas:

Front-end Isento de Classe:
- Pré-processamento: Os quadros de vídeo são redimensionados (para reduzir a contagem de pixels), convertidos para tons de cinza e submetidos a um desfoque Gaussiano para remover o ruído do sensor.
- Extração de Primeiro Plano: Um modelo de subtração de fundo por média móvel estima a cena estática. A diferença entre o quadro atual e o fundo é submetida a um limiar (threshold) para criar uma máscara binária de objetos em movimento.
- Processamento Morfológico: A dilatação reconecta pixels fragmentados de objetos e a extração de contornos isola os blocos (blobs). Estes são filtrados por restrições geométricas simples (área, razão de aspecto) para remover ruídos. Crucialmente, nenhuma classe ou modelo de aparência é atribuído; qualquer bloco em movimento que satisfaça as restrições de forma é um candidato.
Regras de Contagem Geométrica (Laço Virtual):
Em vez de rastrear blocos individuais através dos quadros, o sistema anexa a decisão de contagem a uma linha imaginária fixa (um "laço indutivo de software") desenhada através da estrada. Duas regras são propostas:
- Regra 1: Velocidade Média Constante: Assume uma velocidade média uniforme para todos os veículos. Uma faixa é desenhada através da estrada com uma espessura ( $w$ ) correspondente ao deslocamento inter-quadro esperado ( $v$ ) de um veículo. Um veículo é contado se seu centro se mover de dentro da faixa para fora (ou vice-versa) entre os quadros. O artigo deriva uma precisão esperada analítica de $\approx 86\%$ sob uma distribuição de velocidade Gaussiana, observando que ocorrem erros quando a velocidade do veículo desvia significativamente da velocidade de projeto (causando contagens duplas ou omissões).
- Regra 2: Pré-calibração (Ocupação de Faixa): Esta regra infere as delimitações das faixas automaticamente ao analisar as estatísticas dos centros dos blocos (assumindo que o centro médio dos veículos em uma faixa coincide com o centro da faixa). Ela conta as "bordas de queda" (falling edges) dos sinais de ocupação da faixa (transição de ocupado para desocupado). Isso remove a ambiguidade de amostragem da Regra 1 e fornece estimativas de velocidade média por veículo como um subproduto.

Principais Contribuições

Formulação Sem Rastreamento: Um método de contagem que desloca a decisão geométrica do objeto para uma linha fixa, reduzindo a complexidade computacional por quadro de $O(\text{objetos} \times \text{histórico})$ para testes de $O(1)$ .
Modelagem Analítica de Erro: Uma derivação explícita das condições de amostragem necessárias para a regra de velocidade média constante, identificando a relação entre espessura da faixa, taxa de quadros e escala pixel-metro.
Variante Autocalibrável: Um método para recuperar a geometria da faixa sem calibração manual, enquanto simultaneamente estima a velocidade média dos veículos.
Caracterização Empírica: Uma análise detalhada dos modos de falha em quatro conjuntos de dados de vídeo e uma implementação de campo, destacando limiares específicos para resolução e taxa de quadros.
Posicionamento Retrospectivo: Um framework para entender onde a detecção baseada em movimento e isenta de classe permanece como a ferramenta ideal na era do aprendizado profundo.

Resultos

Desempenho em SBCs: O algoritmo roda mais rápido que o tempo real em hardware da classe Raspberry Pi (Orange Pi e Raspberry Pi 3), enquanto um baseline de rastreamento de blocos falhou em atender aos requisitos de tempo real mesmo em uma CPU de desktop sob restrições de resolução semelhantes.
Precisão:
- Em quatro clipes de vídeo, a regra de pré-calibração alcançou 83,3%–100% de precisão.
- Em uma implementação de campo em uma avenida real, a regra de pré-calibração alcançou 91% de precisão, comparado a 37,5% para o baseline de rastreamento de blocos sob o mesmo orçamento computacional.
Limiares de Resolução e Taxa de Quadros:
- Joelho de Resolução: A precisão colapsa bruscamente abaixo de uma largura de imagem de ~200 pixels, independentemente da taxa de quadros. Acima deste limiar, a precisão é estável.
- Piso de Taxa de Quadros: A 5 fps, o erro satura em ~40% devido ao aliasing (veículos saltando sobre a linha de contagem entre os quadros). O artigo fornece uma fórmula (Eq. 7) para calcular a taxa de quadros mínima necessária com base na velocidade máxima do veículo e na espessura da faixa.
Modos de Falha: As principais fontes de erro em filmagens longas e não controladas são blocos fundidos (tráfego denso), sombras/deriva de iluminação e vibração da câmera.

Significância e Alegações
O artigo argumenta que, embora os detectores de aprendizado profundo dominem quando existem modelos treinados, a subtração de fundo continua sendo a ferramenta correta para casos de borda específicos e comuns:

Detecção de conjunto aberto (open-set): Quando a classe do objeto é desconhecida ou está fora dos vocabulários padrão.
Inícios a frio (cold starts): Como um mecanismo de bootstrap para gerar recortes de treinamento para futuros detectores aprendidos.
Orçamentos rigorosos de energia/térmicos: Onde redes neurais são inviáveis.
Privacidade: Onde o sistema deve evitar armazenar ou transmitir dados identificáveis (a saída é uma máscara binária e caixas delimitadoras, não identidades).

Os autores concluem que o valor duradouro do método não reside em seu pipeline específico, mas nas restrições que ele expôs: a existência de um joelho de resolução, um piso de taxa de quadros rígido ditado pela geometria de amostragem e o acoplamento térmico entre a saturação da CPU e a precisão da contagem. Essas restrições aplicam-se a qualquer sistema de visão de borda de câmera fixa, independentemente de usar detectores geométricos ou aprendidos. O artigo posiciona a subtração de fundo não como um competidor do aprendizado profundo, mas como um "mecanismo de atenção" necessário e um motor de dados para cenários de conjunto aberto e com restrição de recursos.

O Fio de Tropeço Invisível: Contando Carros Sem Saber o Que Eles São

Mais como este