Sistema de detección y reconocimiento de señalización en carretera mediante técnicas de procesado digital de imagen e inteligencia artificial
- Autores: Sergio Lafuente Arroyo
- Directores de la Tesis: Saturnino Maldonado Bascón (dir. tes.)
- Lectura: En la Universidad de Alcalá ( España ) en 2014
- Idioma: español
- Tribunal Calificador de la Tesis: Francisco López Ferreras (presid.), Francisco Javier Acevedo Rodríguez (secret.), Francisco Jesús Cañadas Quesada (voc.), Antonio Fernández Caballero (voc.), Mariano Rincón Zamorano (voc.)
- Materias:
- Enlaces
- Resumen
- español
Esta tesis doctoral se enmarca dentro de los Sistemas Inteligentes de Transporte con el objetivo de desarrollar un sistema preciso y eficiente para el reconocimiento de señales de tráfico, basándose en técnicas de procesado digital de imagen e inteligencia artificial. Desde hace más de una década, son numerosos los grupos de investigación en el ámbito internacional que han trabajado en este campo intentando resolver los problemas derivados de la detección de objetos en entornos exteriores. En cualquier caso, la mayoría de los trabajos de investigación se han ocupado de etapas concretas del sistema y han trabajado sobre conjuntos de señales reducidos. Por ello, la primera línea de trabajo de esta tesis centra la atención en el estudio de técnicas para un sistema completo de detección e identificación de señalización que puede ser utilizado tanto para el inventariado automático de carreteras como para el desarrollo de vehículos inteligentes. El sistema se basa en una estructura modular correspondiente a las etapas de segmentación, clasificación de forma, reconocimiento del pictograma y seguimiento. Aunque en esta tesis se ha trabajado principalmente con la señalización vial de España, el sistema es fácilmente configurable para la señalización de otro país. La buena capacidad de generalización de las SVMs ha llevado a introducir esta herramienta estadística en el campo del reconocimiento de señales de tráfico y en esta tesis se incorpora su uso a las etapas de clasificación de forma y de reconocimiento. Los buenos resultados conseguidos implican, no obstante, un elevado coste computacional que supone un "cuello de botella", que viene dado por el alto número de categorías presentes en el problema de multiclasificación. Esta línea de trabajo conlleva un estudio comparativo de diferentes técnicas paramétricas desde el compromiso de la precisión y la optimización de carga computacional para las tareas de preprocesado, extracción del descriptor y clasificación. Asimismo, se han comparado las principales arquitecturas de multiclasificación para la tarea de reconocimiento. Con el objetivo de reducir la complejidad y lograr que el módulo de reconocimiento basado en SVMs opere en tiempo real, se propone un algoritmo de búsqueda de regiones de información con el doble objetivo de agrupar las señales con similar distribución espacial del pictograma y definir en cada agrupamiento un descriptor adaptativo diferente. De esta manera, es posible controlar el coste computacional en la etapa de reconocimiento sin que ello suponga una pérdida apreciable de las prestaciones del sistema. Las propuestas que se describen en esta tesis doctoral requieren disponer de una base de datos para el desarrollo de la fase experimental del trabajo. Debido a que no existe un conjunto estándar de señalización público, se ha creado una base de datos que incluye la totalidad de señales verticales existentes en España. Los resultados obtenidos avalan la viabilidad y competencia de los métodos propuestos en esta tesis doctoral en el campo del reconocimiento automático de señales de tráfico.
- English
This Ph.D. thesis nds itself in the context of Intelligent Transportation Systems and its main objective is to carry out a study about dierent techniques in the eld of digital image processing and computer vision applied to automatic traffic sign recognition. Even when multiple number research groups dedicated to traffic sign detection had arisen in the last decade, most of them have been concerned with an only stage and their experiments have been developed with reduced sets. The rst research line of the thesis focuses on the study and development of a complete traffic sign detection and recognition system, which can be used for road maintenances and for intelligent vehicles. The system is based on a modular structure with four stages that correspond to segmentation, shape classication, idegram recognition and tracking. Although the dataset we built in this thesis contains all Spanish categories, the system is easily adaptable to the signs of another countries. The good properties of generalization exhibited by SVMs lead us to introduce them as a statistic alternative, specically in the shape classication and ideogram recognition stages. However, the process of recognition with SVMs is slow since the system must manage many classes and requires a lot of training data with different image conditions. It demands a high computational complexity and supposes a bottleneck in the complete system. The ideogram recognition task is structured in three steps: preprocessing, descriptor extraction and classication. The second research line in this thesis focuses on the optimization of the ideogram recognition by making a comparative study between existing parametric algorithms. Thus, we search the best architectures and descriptors from the points of view of computational cost and overall performance. With the aim of reducing the complexity at the recognition stage, we have proposed a novel technique based on the search of spatial distribution of ideograms by finding common similarities that can be shared across the classes. The procedure employed in this work allows us to cluster categories with similar spatial distribution. In this way, the number of potential classes is reduced in the sense that classification process only takes into account the classes grouped within the selected cluster. In addition, an adaptive descriptor is extracted independently in each cluster, where the number of features of each region depends on the information measurement. Thus, it is possible to control the computational cost at the recognition stage while keeping the overall performance of the system. Our experimental results show substantial time reduction with respect to the conventional procedure when all classes are considered in the multi-classication problem. The proposals described in this Ph.D. thesis have been assessed for a Spanish traffic sign dataset. This has facilitated the development of the experimental stage, while achieving signicant results that support the viability of the use of the methods presented. As there does not exist a public standard dataset, we have created one with all the Spanish traffic signs. In order to include scenes and samples under critical situations, the sequences have been acquired by varying the configuration of cameras in different scenarios.
- español
