Resumen:
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.
