Reconocimiento de señales de tránsito de velocidad en condiciones extremas de iluminación en el espectro visible

Abstract

En el presente proyecto se desarrolla un algoritmo de reconocimiento de señales de tránsito de velocidad en condiciones extremas de iluminación en el espectro visible, utilizando visión por computadora e inteligencia artificial, al ingresar la imagen de la señal de tránsito, inicialmente se realiza un preprocesamiento de la imagen para mejorar la calidad de la misma y evitar la variación de iluminación, para luego utilizar el método de extracción de características HOG y utilizar su resultado en el algoritmo de multiclasificación ELM. El algoritmo se entrenó y evaluó sobre una base de datos de señales de tránsito regulatorias (pare, ceda el paso y velocidad) del Ecuador con 17.437 muestras positivas y 30.000 muestras negativas, obteniendo una exactitud de 99,85%, sensibilidad de 99,78% y tiempo de procesamiento de 1,0574 ms, para la clasificación de señales de límite de velocidad se utilizó 15.694 muestras positivas y se obtuvo una exactitud de 96,71%, sensibilidad de 94,16% y tiempo de procesamiento de 6,8223 ms, en total el tiempo de procesamiento de todo el algoritmo alcanzo 8,2087 ms y se comparó con otros algoritmos de aprendizaje de máquina como SVM y Kd-tree utilizando curvas ROC, con su parámetro AUC y tiempos de procesamiento para determinar cuál de los algoritmos tienen mejor desempeño en aplicaciones ADAS en tiempo real.