@MASTERSTHESIS{ 2026:1474387173,
 	title = {Rastreamento de veículos em cidades inteligentes por meio de sensoriamento móvel participativo},
 	year = {2026},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/6919",
 	abstract = "No contexto das Cidades Inteligentes, o rastreamento veicular desempenha papel
 fundamental em aplicações como a otimização da mobilidade urbana, a gestão do tráfego
 e, especialmente, o fortalecimento da segurança pública. Nesse cenário, a identificação e
 o acompanhamento de veículos roubados ou furtados constituem um desafio relevante,
 sobretudo em ambientes urbanos dinâmicos e com cobertura limitada de infraestrutura
 fixa. Este trabalho propõe um modelo de rastreamento veicular de baixo custo baseado
 em Sensoriamento Móvel Participativo, no qual vídeos do ambiente viário são capturados
 por smartphones posicionados em veículos ou em pontos estratégicos de fiscalização. O
 modelo integra técnicas de visão computacional e aprendizado profundo, abrangendo
 a detecção e o rastreamento de veículos, a extração das regiões de placas veiculares
 por meio do modelo YOLO e o reconhecimento dos caracteres utilizando o PaddleOCR.
 Para aumentar a confiabilidade da leitura, o sistema diferencia automaticamente entre
 o padrão Mercosul e o formato brasileiro descontinuado, aplicando regras específicas
 de validação para cada caso. Diferentes estratégias de processamento foram avaliadas
 experimentalmente, considerando tanto abordagens baseadas em processamento remoto
 quanto a execução local diretamente nos dispositivos móveis. Os resultados indicam que o
 processamento local apresenta desempenho mais consistente para a tarefa de rastreamento
 veicular, alcançando revocação média de 81,56% (recall, isto é, a taxa de identificação
 correta dos veículos efetivamente presentes no vídeo), além de maior estabilidade estatística
 quando comparado às abordagens dependentes de envio de dados. Como principal achado
 da pesquisa, observou-se que o processamento local se mostrou a estratégia mais adequada
 ao contexto avaliado, por apresentar maior estabilidade operacional, menor dependência
 de conectividade e viabilidade para uso contínuo em campo. Em contraste, as abordagens
 remotas mostraram-se mais sensíveis às condições da rede. Adicionalmente, essa estratégia
 operou dentro de limites aceitáveis de consumo de recursos computacionais, reforçando
 sua aplicabilidade prática. Os resultados evidenciam que o modelo proposto constitui
 uma alternativa robusta e escalável para aplicações de rastreamento veicular em Cidades
 Inteligentes, especialmente no apoio às ações de segurança pública, mesmo em cenários
 desafiadores de dupla mobilidade.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}