Resumen

El uso de sistemas de visión nocturna en vehículos es cada vez más común. En la literatura se han propuesto varios enfoques que utilizan sensores infrarrojos para detectar vehículos en imágenes de infrarrojo lejano (FIR). Sin embargo, estos sistemas siguen presentando bajos índices de detección de vehículos y su rendimiento podría mejorarse. Este artículo presenta un método novedoso para detectar vehículos utilizando un sensor de infrarrojos lejanos para automóviles. En primer lugar, se generan candidatos a vehículo utilizando un umbral constante a partir del fotograma infrarrojo. A continuación, se generan contornos utilizando un umbral adaptativo local basado en la distancia máxima, lo que disminuye el número de regiones de procesamiento para la clasificación y reduce la tasa de falsos positivos. Por último, los vehículos candidatos se verifican mediante un clasificador basado en una red de creencia profunda (DBN). La tasa de detección es del 93,9% y se consigue en una base de datos de 5000 imágenes y secuencias de vídeo. Este resultado supone aproximadamente una mejora del 2,5 % respecto a los métodos descritos anteriormente y la tasa de falsos positivos es también la más baja de todos ellos.

• Materias:Biotecnología Nanotecnología Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Nanotechnology Sensor networks Sensor system Sensor technology
• Palabras claves:vehículos, candidatos a vehículos, bajas tasas de detección de vehículos, red de creencia profunda, tasa de falsos detectores, tasa de falsos positivos, sensor de infrarrojos para automóviles, umbral adaptativo local, sistemas de visión nocturna, imágenes
• Keywords:vehicles, vehicle candidates, low vehicle detection rates, deep belief network, false detection rate, false positive rate, infrared automotive sensor, local adaptive threshold, night vision systems, images