Resumen:
Este proyecto desarrolla un algoritmo para la detección de peatones parcialmente ocluidos, usando visión por computador e inteligencia artificial, el mismo que se divide en dos etapas: primero la generación de regiones de interés (ROIs) con alto potencial de contener un peatón, y segundo el diseño de un clasificador para discriminar entre peatones y el fondo. La generación de ROIs se ha construido utilizando tres técnicas: variación del método SWP (Sliding Window Pyramid) generando ventanas aleatorias, segmentación de las zonas de búsqueda en función de la carretera y el pre-procesamiento de las ventanas generadas. Para comprobar que el candidato es un posible peatón se parte de dos hipótesis: la componente vertical es mayor que la horizontal y la figura humana presenta fuerte simetría vertical. Para la clasificación se usa el descriptor HOG (Histogram of Oriented Gradients), algoritmo SVM (Support Vector Machine) e Inferencia Lógica (IL). Particularmente se ha dividido la imagen en doce regiones representando partes del cuerpo humano; sobre cada región se han extraído vectores de características y construido clasificadores SVM. Posteriormente, se han unido estos clasificadores usando IL, para tener un clasificador final que es capaz de reconocer peatones. Los resultados experimentales se han diseñado para medir cada etapa: generación de ROIs, clasificación y detección; la generación de ROIs tiene una tasa de 1.48% de ventanas válidas con respecto al total generadas, la clasificación alcanza una precisión de 90% y la detección presenta una tasa de error de 0.9 en 10^(-1) FPPI (Falsos positivos por imagen).
