Visão Computacional aplicada : avaliando interesse e dinâmicas de pessoas em eventos

Abstract

Este trabalho apresenta o desenvolvimento e a aplicação de um sistema de visão computacional para monitoramento e análise de eventos, com o objetivo de identificar padrões de comportamento e movimento de pessoas em tempo real, a fim de otimizar a gestão e a experiência dos participantes. O sistema utiliza o modelo de detecção de pessoas YOLO v8 em conjunto com técnicas e ferramentas de programação para realizar a contagem de pessoas e a criação de mapas de calor, que destacam as áreas de maior interesse e movimentação no evento. A metodologia incluiu a integração de ferramentas como Redis para armazenamento temporário de dados, PostgreSQL para armazenamento dos dados e Grafana para visualização em tempo real por meio de dashboards dinâmicos. A pesquisa foi dividida em duas etapas: na primeira, foram realizados testes preliminares utilizando vídeos disponíveis na internet e de autoria do grupo para validar o código e ajustar o algoritmo; na segunda, a solução foi aplicada durante o a feira de apresentação de Trabalho de Conclusão de Curso do Instituto Mauá de Tecnologia a Eureka, com coleta e visualização de dados em tempo real. Os principais resultados mostraram a eficácia do sistema em gerar análises precisas, permitindo o monitoramento contínuo do fluxo de pessoas e proporcionando insights sobre o comportamento do público. Além disso, o trabalho demonstrou a aplicabilidade da visão computacional na gestão de eventos, facilitando a tomada de decisões estratégicas para otimização de recursos e espaços. Conclui-se que a tecnologia pode ser amplamente utilizada em diferentes contextos de eventos, proporcionando melhorias significativas na organização e na experiência dos participantes.

This paper presents the development and application of a computer vision system for event monitoring and analysis, aiming to identify behavior and movement patterns of people in real-time, to optimize event management and participants' experience. The system uses the YOLO v8 algorithm for people counting and heatmap creation, highlighting areas of highest interest and movement at the event. The methodology involved integrating tools such as Redis for temporary data storage, PostgreSQL for data persistence, and Grafana for real-time visualization through dynamic dashboards. The research was divided into two stages: the first involved preliminary tests using videos from the internet to validate the code and adjust the algorithm; the second stage applied the solution during the event, collecting real-time data. The main results showed the effectiveness of the system in generating accurate analyses, enabling continuous monitoring of people's flow and providing insights into audience behavior. Furthermore, this study demonstrated the applicability of computer vision in event management, aiding strategic decision-making for optimizing resources and spaces. The study concludes that this technology can be widely used in various event contexts, providing significant improvements in organization and participants' experience.