Devido ao grande crescimento de motocicletas na frota urbana e o crescimento do estudo sobre seu comportamento e de como este veículo afeta o fluxo de tráfego torna-se necessário o desenvolvimento de ferramentas e técnicas diferentes das convencionais para identificar sua presença no trânsito e ser capaz de extrair suas informações. O trabalho em questão tenta contribuir para o estudo sobre este tipo de veículo, gerando um banco de imagens de motocicletas, desenvolvendo e calibrando um classificador de motocicleta e analisando o comportamento destes condutores através da utilização conjunta de um sistema de detecção automática de veículos em imagens de vídeos com o classificador desenvolvido. O classificador desenvolvido combina as técnicas de LBP para criar os vetores de características e a técnica de classificação LinearSVC para realizar as previsões. Desta forma o classificador de veículos do tipo motocicleta desenvolvido nesta pesquisa pode classificar as imagens de veículos extraídos de vídeos de monitoramento entre duas classes de motocicletas e não-motocicletas com uma precisão e uma exatidão superior a 0,9. A análise exploratória realizada nos dados obtidos da utilização conjunta de um sistema de detecção automática de veículos em imagens de vídeos como classificador desenvolvido evidenciou uma preferência por parte das motocicletas em trafegarem na faixa da direita, mais precisamente no seu 1/3 de faixa mais próxima ao acostamento. O conjunto de dados obtidos permitiu observar algumas situações muito interessantes como as manobras de mudanças de faixa e manobras de ultrapassagem.

Due to the great movement of the camera, the performance control model and the current transmission mechanism is necessary and can be used for the selection of tools. extract your information. The evaluation exercise to evaluate the movement of a motorcycle image bank to develop and calibrate a driver analysis and evaluation system through the joint use of an automatic image monitoring system in video images with the developed classifier. The classifier generated combinations as LBP techniques to create the characteristic and a LinearSVC classification technique to perform as predictions. In this way the media wallpaper sorter shot two classes of motorcycles and non-motorcycles with an accuracy and accuracy greater than 0.9. An exploratory analysis performed on the joint use data of an automatic video image detection system with the developed classifier evidences a preference for motorcycling in the right lane, more precisely its range of 1/3 scale near the shoulder. The data set of a course of monitoring of some occurrences is much more interesting as maneuvers of group changes and maneuvers of overtaking.