Visión artificial para el reconocimiento del tráfico vehicular

Abstract

En los últimos años, con el rápido crecimiento en el número de vehículos de transporte, la regulación del tráfico enfrenta enormes desafíos, debido a eso, la detección del tipo de vehículo juega un papel importante en la escena del tráfico. La detección de tipo de vehículo es una parte importante de los sistemas de transporte inteligentes. Su función es detectar el tipo de vehículo y proporcionar información para el monitoreo de carreteras y la planificación del tráfico. La detección de objetivos es una rama importante del procesamiento de imágenes y la visión por computadora. Este documento se centra principalmente en el algoritmo de detección basado en la información de la característica aparente del objetivo del vehículo, es decir, detecta y clasifica el objetivo del vehículo en el vídeo o la imagen de tráfico real, llevando a cabo un conteo, cuyo algoritmo más reciente para cuya tarea es a través del aprendizaje profundo, debido que se ha utilizado ampliamente en el campo de la detección de objetos en los últimos años, por consiguiente fue tomado a través de un análisis de modelos basados en antecedentes y métodos basados en información de características aparentes. El sistema está diseñado, usando las herramientas disponibles en repositorios de código abierto, el algoritmo usado esta sobre la base de YoloV3 y la interface gráfica usando el repositorio de OpenDataCam funcionando sobre el hardware Jetson TX2, el archivo de pesos base es yolov2-voc que ofrece para el hardware ~5-6 FPS en el hardware Jetson TX2 y resultados experimentales en yolov3-custom se estiman que superen ~8-12 FPS en el hardware Jetson TX2

Los resultados experimentales demuestran la efectividad y la alta eficiencia del método de aprendizaje profundo en la detección, clasificación y conteo del tipo de vehículo.