Sistema de monitoreo y clasificación de tráfico urbano en tiempo real a través de procesamiento digital de imágenes
Este documento presenta el proceso de diseño de un algoritmo de análisis de tráfico a través de procesamiento digital de imágenes, enfocado a la detección, seguimiento y clasificación de vehículos en vías urbanas, para realizar la medición de volumen de tráfico. Se realizó un estado del arte, a part...
- Autores:
-
Camacho Poveda, Edgar Camilo
- Tipo de recurso:
- Fecha de publicación:
- 2018
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/62959
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/62959
http://bdigital.unal.edu.co/62317/
- Palabra clave:
- 0 Generalidades / Computer science, information and general works
02 Bibliotecología y ciencias de la información / Library and information sciences
62 Ingeniería y operaciones afines / Engineering
Sistemas inteligentes de transporte
Procesamiento de imágenes
Detección de objetos
Clasificación de imágenes
Sistemas embebidos
Intelligent transportation systems
Image processing
Object detection
Image classification
Embedded systems
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
Summary: | Este documento presenta el proceso de diseño de un algoritmo de análisis de tráfico a través de procesamiento digital de imágenes, enfocado a la detección, seguimiento y clasificación de vehículos en vías urbanas, para realizar la medición de volumen de tráfico. Se realizó un estado del arte, a partir del cual se seleccionó un conjunto de algoritmos a probar para cada una de las secciones descritas. A partir de éstas pruebas se seleccionó un clasificador en cascada con características HAAR para la detección de carros y motocicletas de forma independiente, un filtro de Kalman para el seguimiento, y clasificación por color para taxis y una red neuronal convolucional (CNN) para clasificar los demás vehículos en bus, microbus, minivan, sedan, SUV y camión. La detección y conteo de carros de forma general y motocicletas presentó una precisión de alrededor del 95% en un condiciones climáticas promedio, y disminuyó alrededor del 75% con sol excesivo o al acercarse la noche. La detección de taxis entregó precisiones cercanas al 90% con la luz del día, disminuyendo al 66% al acercarse la noche. La clasificación detallada realizada por la CNN presentó precisiones promedio entre el 70% y el 80%, cambiando de igual manera por las condiciones de clima y luz. El costo computacional del algoritmo es lo suficientemente bajo como para ser implementado en un sistema embebido de bajo costo, permitiendo realizar procesamiento de forma local. |
---|