Resumen

El seguimiento de vehículos en tiempo real en autopistas, carreteras y calles puede proporcionar datos útiles tanto para la planificación de infraestructuras como para la gestión del tráfico en general. Aunque se trata de un área de investigación clásica en visión por computador, los avances en redes neuronales para la detección y clasificación de objetos, especialmente en los últimos años, hicieron que esta área fuera aún más atractiva debido a la eficacia de estos métodos. Este estudio presenta TrafficSensor, un sistema que emplea técnicas de aprendizaje profundo para el seguimiento y la clasificación automática de vehículos en autopistas utilizando una cámara calibrada y fija. Se creó un nuevo conjunto de datos de imágenes de tráfico para entrenar los modelos, que incluye imágenes de tráfico reales en condiciones de iluminación o meteorológicas deficientes e imágenes de baja resolución. El sistema propuesto consta principalmente de dos módulos, el primero responsable de la detección y clasificación de vehículos y el segundo para el seguimiento de los mismos. Para el primer módulo, se probaron y compararon objetivamente varios modelos neuronales y, finalmente, se seleccionó la red basada en YOLOv3 y YOLOv4 entrenada en el nuevo conjunto de datos de tráfico. El segundo módulo combina un sencillo algoritmo de asociación espacial con un rastreador KLT (Kanade-Lucas-Tomasi) más sofisticado para seguir a los vehículos en la carretera. Se han llevado a cabo varios experimentos con vídeos de tráfico difíciles para validar el sistema con datos reales. Los resultados experimentales muestran que el sistema propuesto es capaz de detectar, seguir y clasificar con éxito los vehículos que circulan por una carretera en tiempo real.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:sistema propuesto, área de investigación clásica, clasificación, conjunto de datos de imágenes de tráfico, nuevo conjunto de datos de tráfico, algoritmo de asociación espacial, seguimiento automático de vehículos, varios modelos neuronales, autopista, seguimiento temporal de vehículos
• Keywords:proposed system, classic research area, classification, traffic image dataset, new traffic dataset, spatial association algorithm, automatic vehicle tracking, several neural model, highway, time vehicle monitoring