Documente Academic
Documente Profesional
Documente Cultură
RESUMEN
Palabras clave
ABSTRACT
1
Intelligent system. Artificial vision.
INTRODUCCIÓN
La investigación esta con el fin de tecnología a los sistemas de
contribuir a la búsqueda de transporte para solucionar problemas
alternativas destinadas a mitigar los y lograr un óptimo funcionamiento.
efectos de congestionamientos del
El sistema establece un margen de
tránsito de vehículos en las
tiempo según al número de vehículos
intersecciones con sistemas de control
que fueron detectados mediante el
inteligente mediante la visión artificial
tratamiento digital de imágenes para el
para el control del tráfico vehicular.
cambio de funciones del semáforo,
Los sistemas de regulación inteligente como también dar prioridad de tiempo
para el transporte, están actualmente a vehículos de emergencias a través
en desarrollo, con el objetivo de de señales de radiofrecuencia,
solucionar los embotellamientos del mejorando así una acción cotidiana
tráfico vehicular en las ciudades, con del tránsito vehicular actual. Esta
mayor afluencia vehicular, acción es la de tener que cruzar una
remplazando e instalando así con intersección en el menor tiempo
semáforos inteligentes de lámparas posible.
con LED’s para la señal luminosa en
lugar de lámparas incandescentes, METODOLOGÍA Y MATERIALES
como también señalizadores y
contadores de tiempos para la El desarrollo de este proceso define al
sincronización de cambio de funciones reconocimiento y la ejecución de la
de los semáforos de una intersección, cámara web en función del módulo de
“The Road Traffic Microwave Sensor adquisición de imágenes que muestra
(RTMS)”. la siguiente Figura: 1.1. Esta etapa es
el responsable de visualizar las
Los estudios que se realizan donde el imágenes grabadas, permitiendo ver
tráfico vehicular experimenta un en cualquier momento las imágenes
crecimiento tecnológico muy sobre las que se está trabajando, con
avanzado, teniendo distintos sistemas el objetivo de poder comprobar
que se encuentran instalados en visualmente que el algoritmo funciona
distintas ciudades (Gajda. 2009). correctamente.
El fin de manejar las redes de Fig: 1.1. Diagrama de bloques para la
transporte de manera eficiente, la Adquisición de imágenes.
operación de las mismas se ha
convertido en foco de atención
primordial, por lo que se han venido
utilizando los Sistemas Inteligentes de
Transporte con Visión Artificial cómo
herramientas que hacen posible dicha
eficacia. Los sistemas ITSVA aplican
2
CONFIGURACIÓN DE LA CÁMARA imagen digital como se ve en la
siguiente formula.
ADQUISICIONES DE FRAMES 𝑓(𝑥, 𝑦)
𝑓(0,0) 𝑓(0,1) … 𝑓(0, 𝑁 − 1)
𝑓(1,0) 𝑓(1,1) ⋯ 𝑓(1, 𝑁 − 1)
CONVERSIÓN DE FRAMES A IMÁGENES =
⋮ 𝑓(0,0) ⋱ ⋮
[𝑓(𝑀 − 1,0) 𝑓(𝑀 − 1,1) … 𝑓(𝑀 − 1, 𝑁 − 1)]
ALMACENAMIENTO
3
se va pintando con el recorrido del
movimiento. La imagen acumulativa
presenta un nivel de intensidad igual al
número de veces que la imagen nueva
ha sido diferente a la de referencia en
esa posición en concreto. Existen tres
Fig: 1.2. Imagen con su representación tipos de ADIs:
matricial de RGB y la escala gris.
ADI absoluta: capta tanto los niveles
El objetivo no es solamente reducir el de intensidad mayores y menores al
tamaño, también hay que tener en color de fondo a partir de un umbral
cuenta que podríamos perder que se muestra en la función.
información vital para el procesado.
Con escala de grises se consigue 𝐴𝑘 (𝑥, 𝑦) {
𝐴𝑘−1 (𝑥, 𝑦) + 1 → 𝑖𝑓|𝑅(𝑥, 𝑦) − 𝑓(𝑥, 𝑦, 𝑘)| > 𝑇
𝐴𝑘−1 (𝑥, 𝑦) 𝑜𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒
eliminar el color sin perder
prácticamente información, pudiendo
distinguir claramente todas las formas Donde A (x, y) k = ADI y k = número de
de la imagen así como sus contornos
frame; R(x, y) = imagen de referencia; f (x,
y diferentes tonalidades que aún
siguen variando entre 0 y 255, y, k) = frame actual a comparar y T =
umbral.
4
mismo tanto para los valores positivos combo lución que permite multiplica
como para los negativos, por tanto dos imágenes de diferente tamaño
este caso no se adaptaba para generar una imagen del mismo
exactamente a las necesidades del tamaño, regularmente la combo lución
proyecto, así que se utilizará a la vez genera pixeles de salida en una
tanto la positiva como la negativa, combinación lineal de los pixeles de
utilizando dos umbrales diferentes entrada como se determina en la
Tlight y Tdark. En la ilustración de la función.
Figura: 1.4. se puede ver los
resultados de esta función.
El procesamiento de imágenes
también se basa en el filtrado de
ecuaciones diferenciales de tipo de
combolución, esto para desvanecer
imágenes removiendo detalles y
ruidos. Este filtro es un operador de
5
Fig: 1.6. Diagrama de bloques del sistema
de control inteligente de visión artificial
6
La implantación e instalación de un
sistema de regulación inteligente,
mejora el rendimiento de regulación
tradicional.
Con la disminución de arranques de
los vehículos, las emisiones de gases
contaminantes se redujeron ya que los
vehículos esperan un menor tiempo
en la intersección.
BIBLIOGRAFÍA
Adreone, L., Antonello, P.C., Bertozzi, M.,
Broggi, A., Fascioli, A., Ranzato, D., (2012)
“Vehicle detection and localization in infra-red
images”, The IEEE 5th International
Conference on Intelligent Transportation
Systems. Peru.
Kastrinaki, V. (2011). Zervakis, M.,
Kalaitzakis, K., “A survey of video processing
techniques for traffic applications”, Image and
Vision Computing, vol. 21, pp. 257-261.
[1]:
http://www.unicrom.com/Tut_diodo_led.asp.
[2]: Dirección General de Infraestructura vial
del transporte y Obras Públicas [en línea]:
http://www4.ElAlto.gov.ec/spirales/9_mapas_t
ematicos/9_10_movilidad/mapas/mapa_10_2
_2.jpg. [Consulta: 25 de octubre del 2013].
[3]
http://digital.ni.com/public.nsf/allkb/03900125
8CEF8FB686256E0F005888D1#Serial.