Resumo

Palavras-chave

BARBOSA, J. F. Fundamentos teóricos. Disponível em: <https://sites.google.com/site/rfaceemotion/home/apresentacao-do-projeto>. Acesso em: 2 jun. 2018.

BERTOCHE, U. DOS S. P. Sistema de Apoio à Mobilidade Urbana com Dados Abertos. UNIVERSIDADE FEDERAL DO ESTADO DO RIO DE JANEIRO CENTRO DE CIÊNCIAS EXATAS E TECNOLOGIA ESCOLA DE INFORMÃTICA APLICADA, 2016.

CAVALCA, D. Uma breve introdução sobre visão computacional. 2015.

COELHO, G. V. V. Seleção de características usando algoritmos genéticos para classificação de imagens de textos em manuscritos e impressos. Universidade Federal de Pernambuco, 2013.

DENATRAN, D. N. DE T. Frota de Veículos - 2016. Disponível em: <http://www.denatran.gov.br/estatistica/261-frota-2016>. Acesso em: 14 abr. 2018.

FANK, E. A.; DUARTE, D. para analisar o ambiente, recebendo um. Jornada de Iniciação Científica e Tecnológica da UFSS, p. 2–5, 2016.

FLECK, L. et al. Redes Neurais Artificiais: Princípios Básicos. Revista Eletrônica Científica Inovação e Tecnologia, v. 1, n. 13, p. 47–57, 2016.

GAZETA DO POVO. Conheça tecnologias que podem por fim a congestionamento e reduzir multas. Disponível em: <http://www.gazetadopovo.com.br/automoveis/conheca-tecnologias-que-podem-por-fim-a-congestionamento-e-reduzir-multas-adq1gny1x438pei7061hhmy84>. Acesso em: 21 abr. 2018.

GONÇALVES, J. C. Reconhecimento de dígitos em imagens de medidores de consumo de gás natural utilizando técnicas de visão computacional. 2016.

IG CARROS. Engarrafamento: As cidades com o pior trânsito do Brasil. Disponível em: <http://carros.ig.com.br/2016-07-08/engarrafamento-piores-cidades-brasil.html>. Acesso em: 12 abr. 2018.

KERVALT, M. Frota de veículos no RS aumentou 14 vezes mais do que a população em 10 anos. Disponível em: <https://gauchazh.clicrbs.com.br/geral/noticia/2018/01/frota-de-veiculos-no-rs-aumentou-14-vezes-mais-do-que-a-populacao-em-10-anos-cjbwmc87q04s701p99q3tujzw.html>. Acesso em: 14 abr. 2018.

KRUG, Ã. B. et al. Análise e reconhecimento de padrões usando processamento de imagens e inteligência artificial. n. January, p. 145–154, 2008.

LIRA, G. R. A computer vision approach to drone-based traffic analysis of road intersections. 2015.

NIEBLES, J. C.; LI, F.-F. Introduction ’ to ’“ Computer ’ Vision â€. Disponível em: <http://vision.stanford.edu/teaching/cs131_fall1617/lectures/lecture1_introduction_cs131_2016.pdf>. Acesso em: 8 jul. 2018.

PERSECHINO, A.; ALBUQUERQUE, M. P. DE. Processamento digital de imagens: conceitos fundamentais. Centro Brasileiro de Pesquisas Físicas, n. October, p. 1–41, 2015.

PIASSAROLO, A. C. Mobilidade urbana: as dificuldades enfrentadas pela sociedade com o aumento da frota de veículos na cidade de cacoal/RO. Repositório Institucional da Universidade Federal de Rondônia, p. 5–37, 2014.

REIS, M. D. S. Monitoramento Automático de Trânsito Através de Técnicas de Visão Computacional com o OpenCV Monitoramento Automático de Trânsito Através de Técnicas de Visão Computacional com o OpenCV. FACULDADE DE CIÊNCIAS EMPRESARIAIS - FACE MESTRADO PROFISSIONAL EM SISTEMAS DE INFORMAÇÃO E GESTÃO DO CONHECIMENTO, 2014.

RODRIGUES, B. U. Reconhecimento do tipo de cachaça utilizando visão computacional e reconhecimento de padrões. UNIVERSIDADE FEDERAL DE GOIÃS INSTITUTO DE INFORMÃTICA, 2015.

SOUSA, R. S. DE. Protocolo de Sinalização de Congestionamento para Redes Veiculares. Dissertação (Mestrado) - Universidade Federal do Piauí, Teresina, Piauí, Brasil, 2016.

SOUZA, W. B. S. DE. Detecção e Reconhecimento Automáticos de Sinais de Transito. Universidade de Brasilia - UnB, 2015.

TAKANO JUNIOR, J. BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO Monitoramento veicular utilizando câmeras de segurança convencionais e visão computacional Jorge Takano Junior BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO Monitoramento veicular utilizando câmeras de segurança convencionais e. CENTRO UNIVERSITÃRIO EURÃPIDES DE MARÃLIA FUNDAÇÃO DE ENSINO “EURÃPIDES SOARES DA ROCHAâ€, 2016.

TRINDADE, C. et al. Usando o FIWARE para Desenvolvimento de Aplicações de Cidades Inteligentes. 2016.