Sistema inteligente de visión artificial aplicado a la detección de señales de tráfico para su aplicación en vehículos
- Autores: Miguel Angel García Garrido
- Directores de la Tesis: Miguel Angel Sotelo Vázquez (dir. tes.)
- Lectura: En la Universidad de Alcalá ( España ) en 2010
- Idioma: español
- Tribunal Calificador de la Tesis: Luis M. Bergasa Pascual (presid.), David Fernández Llorca (secret.), Jose Eugenio Naranjo Hernández (voc.), Arturo de la Escalera Hueso (voc.), José María Cañas Plaza (voc.)
- Materias:
- Enlaces
- Tesis en acceso abierto en: TESEO
- Resumen
- español
En el presente trabajo de tesis se aborda el problema de diseño y desarrollo de un sistema de reconocimiento de las señales de tráfico vérticales más importantes, tanto circulares de prohibición y obligación como triangulares de advertencia de peligro, además de la señal de ceda el paso. El trabajo está basado en un sistema de visión monocular con una cámara monocromática, que embarcada en un vehículo, sea capaz de funcionar tanto de día como de noche y ante diferentes condiciones metereológicas.
Un sistema de reconocimiento de señales completo se divide en tres etapas: detección, seguimiento y clasificación. En este trabajo se propone una etapa de detección basada en el análisis de formas. A partir de la codificación de los contornos obtenidos al aplicar en cada imagen el operador de Canny con umbrales adaptativos a la magnitud del gradiente, se aplica una técnica novedosa de selección de figuras circulares y triangulares mediante la búsqueda de secuencias características de direcciones del gradiente, que permite salvar en gran medida la oclusión parcial o la unión de contornos. La detección se realiza finalmente al aplicar la transformada de Hough a los contornos seleccionados, para círculos si son señales circulares y para rectas si son señales triangulares. Al aplicar la transformada se estiman los parámetros de búsqueda de las figuras, lo que reduce considerablemente el tiempo de proceso.
Para la realización de la etapa de clasificación se ha propuesto el uso de dos máquinas de vector soporte para clasificar señales circulares y triangulares respectivamente. La base de datos de entrenamiento se ha generado a partir de señales patrón artificiales a las que se han aplicado distintas transformaciones: rotaciones, traslaciones, cambios de escala, etc, además de añadir distintos tipos de ruidos para simular todo el abanico de posibilidades que se pueden presentar en una situación real de circulación. Mediante el uso de curvas ROC, habitualmente empleadas para la visualización y comparación de resultados, se ha determinado tanto el mejor modelo de entrenamiento como el kernel y la función de coste óptima.
Para diseñar la etapa de seguimiento se han utilizado filtros recursivos, similares al filtro de Kalman, asociados a cada candidato a señal, que facilita la validación espacial. Por último se propone un módulo de validación temporal a partir de un enfoque probabilístico.
Finalmente, el sistema se ha probado en condiciones de circulación real en diferentes condiciones de iluminación, obteniéndose buenos resultados. Además este trabajo se ha utilizado como base en un sistema comercial de auscultación de señales de tráfico durante miles de kilómetros con excelentes resultados.
- English
This thesis addresses the problem of the design and development of a traffic sign recognition system. The signs to be detected are the circular ones, either prohibition and obligation ones, the triangular hazard-warning sign, and the give way sign. The work is based on a monocular vision system with a monochrome camera onboard the vehicle, capable of operating both day and night and in different weather conditions.
A sign-recognition full system is divided in three stages: detection, tracking and classification. In this work, a detection stage based on shape-analysis is proposed. A novel technique for circular and triangular sign selection is applied from the codification of the contours obtained by applying Canny-operator to every contour, with adaptive threshold level depending on the gradient magnitude. This technique enables overcoming, to a great extent, undesired partial occlusion or contour merging. Finally, detection is carried out by applying the Hough transform (HT) to selected contours; HT for circles is used if working with a circular sign, while HT for straight lines is applied to triangular signs. The HT is performed estimating the search-parameters of the figures, so that processing time is considerably reduced.
In order to implement the classification stage the use of two support vector machines (SVM) have been proposed, for circular and triangular classification respectively. The training data base has been built by performing different transformations on some artificialsample signs, such as rotations, translations, scale changes, etc. Besides, different kind of noises were added so that any possible effect in a traffic actual situation is considered in simulations. Using ROC curves, commonly used for viewing and comparison of results, it has been determined as the best model of training as the kernel and the optimal cost function.
Once the best classification strategy is chosen, the tracking stage has been designed making use recursive filters, similar to kalman filter, associated to each sign-candidate; this makes spatial validation easier. Finally, a time-validation module is proposed, based on a probabilistic approach.
Finally, the system has been tested in real traffic conditions, with different lighting conditions, with good results. Furthermore, this work has been used as a commercial system based on inspection of traffic signs for thousands of miles with excellent results.
- español
