Abstract:
Los accidentes de tránsito son una de las principales causas de muerte tanto en Ecuador como en el mundo, siendo los usuarios viales más vulnerables los peatones, ciclistas y motociclistas; con la finalidad de mejorar la seguridad de todos los usuarios y evitar posibles accidentes se encuentran en desarrollo nuevas tecnologías mediante los Sistemas Avanzados de Asistencia a la Conducción (ADAS). La siguiente investigación presenta el desarrollo de un sistema automático de detección de señales de tránsito preventivas y reglamentarias, dividida en dos etapas, la primera etapa consiste en la generación de regiones de interés (ROIs) las cuales contienen posibles candidatos a una señal de tránsito, para ello se utilizó el espacio de color RGB normalizado y el algoritmo de clasificación K-NN, para realizar la segmentación de los colores de interés rojo y amarillo; la segunda etapa consiste en la clasificación y reconocimiento de la señal de tránsito, utilizando una Red Neuronal Convolucional Rápida (Fast-RCNN en inglés), con 3 capas de convolución, 3 capas de agrupamiento (max-pooling) y 3 capas totalmente conectadas (Full Connection-FC). Para evaluar el funcionamiento del sistema, se utilizaron las curvas de Característica Operativa del Receptor (ROC), para medir la capacidad de detección se usó la curva tasa de error versus Falsos Positivos Por Imagen (FPPI) y la Media de la Precisión Promedio (mAP). Los resultados son 97.6% para clasificación de color, un mAP del 75% para clasificación de señales de tráfico y una tasa de error de 0.33 en 10-1 FPPI para la detección.
