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...

Full description

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
Description
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.