Busca avançada
Ano de início
Entree

Análise de viabilidade técnica e econômica da implantação de um sistema de câmera com processamento embarcado para aplicar métodos de visão computacional e centralizar informações em computação em nuvem

Processo: 19/20069-1
Linha de fomento:Bolsas no Brasil - Pesquisa Inovativa em Pequenas Empresas - PIPE  
Vigência (Início): 01 de setembro de 2019
Vigência (Término): 31 de maio de 2020
Área do conhecimento:Engenharias - Engenharia Elétrica - Eletrônica Industrial, Sistemas e Controles Eletrônicos
Pesquisador responsável:Paulo Henrique da Silveira
Beneficiário:Paulo Henrique da Silveira
Empresa:Retina Serviços de Tecnologia em Monitoramento Ltda
CNAE: Serviços de engenharia
Vinculado ao auxílio:17/22802-2 - Análise de viabilidade técnica e econômica da implantação de um sistema de câmera com processamento embarcado para aplicar métodos de visão computacional e centralizar informações em computação em nuvem, AP.PIPE
Assunto(s):Visão computacional   Internet das coisas   Eletrônica embarcada

Resumo

O objetivo deste projeto é viabilizar a solução que integra hardware com câmera para aquisição de imagens, processamento embarcado para aplicação de métodos e algoritmos de machine learning e redes neurais com foco no software, para com isso identificar veículos automotores e placas com as letras e números do padrão brasileiro de identificação veicular nas imagens e por fim centralizar as informações numa infraestrutura de computação em nuvem com auto escalabilidade e disponibilidade. Focando em ser um serviço para identificação e recuperação de veículos roubados, controle de acessos, monitoramento e rastreamento para segurança. Com isso é possível centralizar para reduzir os danos que os altos índices de criminalidade causam aos cidadãos, órgãos públicos e seguradoras de automóveis. Oferecendo uma solução de alto desempenho e escalabilidade para colaborar com o desenvolvimento da segurança pública em nossa sociedade. A taxa de roubos/furtos de carros por ano no Brasil é da ordem de um por minuto, totalizando 500 mil por ano. Já o valor médio do prejuízo de seguradoras de automóvel é de aproximadamente R$ 40 mil por veículo roubado, levando-se em consideração que a frota de veículos segurados no país é de cerca de 150 mil, é possível estimar um prejuízo anual de R$ 6 bilhões por ano para as seguradoras com roubo de carros. Já existe uma série de soluções de rastreamento no mercado, a mais difundida é o rastreador veícular, além dele, seguradoras também já tentam resolver o problema por conta própria, alocando funcionários e utilizando sua inteligência para fazer busca manual de veículos. Uma terceira opção no mercado é a de utilização de monitoramento por imagem que é o que se propõe neste projeto. A solução é composta pela instalação de câmeras em locais estratégicos em que há grande fluxo de veículos roubados, com inteligência de empresas parceiras, as câmeras são responsáveis por identificar e enviar as placas dos automóveis que circulam na via em que for instalada, caso um veículo roubado seja identificado, um alerta em tempo real é emitido para a seguradora parceira e para as autoridades realizarem a recuperação do veículo. O diferencial principal deste projeto é o desenvolvimento de uma solução 100% dedicada à recuperação de veículos, enquanto os concorrentes optam por soluções abrangentes para várias aplicações, sem grande profundidade. Tanto relevância do problema como a solução foram validadas pela equipe junto a funcionários de seguradora parceira. O estágio em que se encontra o projeto é o de desenvolvimento de um produto a nível de mercado. Para isso, três desafios técnicos devem ser superados: 1)Desenvolvimento e implementação de software com métodos e algoritmo de Visão Computacional de autoria da equipe (atualmente códigos Open Source são utilizados) para elevar o desempenho da nossa solução de 87% de acerto atualmente para, pelo menos, 95% - número este competitivo no mercado. 2) Definição da utilização de hardware com câmeras presentes no mercado ou a produção de hardware próprio. Por um lado, câmeras de mercado podem reduzir gargalos de logística e produção de equipamentos, mas podem acrescentar um maior custo à solução por não serem componentes dedicados aos requisitos do projeto, podendo extrapolar tais necessidades. O desafio técnico nesse caso deve ser o benchmark e teste de câmeras de mercado paralelamente à modelagem de recursos necessários para a produção de hardware próprio. 3) Implementação de uma arquitetura de infraestrutura robusta em nuvem para centralizar as informações e tem o desafio de ser auto escalável e disponível para o alto volume de informação em tempo real. A solução presume a geração de alto volume de dados (Big Data) e deve estar preparada receber esse contingente de informação. Para isso, toda a solução já é desenvolvida em serviços de nuvem, como na plataforma AWS.