Sistema de Visión Artificial para la Detección y el

Reconocimiento de Señales de Tráfico basado en Redes

Neuronales

• INTEGRANTES:

JAISON CELIS GUERRERO

OSNEIDER CARREÑO HERRERA

GIRO CAMARGO VARGAS

ELECTIVA PROFECIONAL VISION ARTIFICAL

UNIMAG 2012 I• Referencia: Eighth LACCEI Latin American and Caribbean Conference for

Engineering and Technology (LACCEI’2010)“Innovation and Development for the

Americas”, June 1-4, 2010, Arequipa, Perú

En este proyecto se pretende orientar alhombre en su actividad de conducción por medio de visiónartificial. La visión artificial ha venido trabajando enmuchas disciplinas como Biomedicina, Reconocimiento derostros, Reconocimiento de huellas dactilares, etc.Para este proyecto se ha diseñado un sistema de detecciónbasado en redes neuronales y momentos invariantescapaz de adaptarse y entrenarse con ciertas señales detránsito con la meta de asistir al conductor de no cometeruna infracción o en el peor de los casos un accidente, la redneuronal será capaz de reconocer una señal de transitoa cierta distancia para que así el conductor a priori tenga elconocimiento de esta.

INTRODUCCION

MARCO TEÓRICO

• 2.1 SEÑALES DE TRÁNSITO

Las señales de tráfico, son los signos usados en posteso pintadas en la calle ubicadas en el lado decaminos usadas para impartir la informaciónnecesaria a los usuarios que transitan por un caminoo carretera, en especial los conductores de vehículos.Puesto que las diferencias de idioma pueden crearbarreras, las muestras internacionales usan símbolosen lugar de palabras. Se han desarrolladoprincipalmente en Europa y se han adoptado en lamayoría de los países. La convención de Viena sobremuestras del camino y las señales del 8 de noviembrede 1968 define ocho categorías de muestras:

Categorías de muestras:

• A. Señales de peligro

• B. Muestras de la prioridad

• C. Muestras prohibitorias o restrictivas

• D. Muestras obligatorias

• E. Muestras de regla especiales

• F. Información, instalaciones, o muestras del servicio

• G. Dirección, posición, o muestras de la indicación

• H. Paneles adicionales

PRUEBAS DEL SISTEMA

Se ha seguido una metodología basada en iteracionescontroladas. Básicamente, consiste en realizar cuatrofases: inicio, elaboración, construcción y transición. Cadauna de estas fases se subdivide en iteraciones queincluyen los pasos de diseño cumpliendo con el diagramade bloques Transformación, subsegmentación,segmentación y normalización y reconocimiento de lasseñales de tránsito. Es decir, las necesidades yrequerimientos se van refinando y corrigiendo en cadaiteración, y no están completamente definidos desde elprincipio del proyecto. No obstante, cada paso en laiteración tendrá un peso distinto dependiendo de la faseen que se encuentre el proyecto. A continuación sedescribe cada una de las etapas para llevar a cabo elpresente

trabajo.

PRUEBAS DEL SISTEMA

Transformación de la imagen:

Para esta etapa lo que se pretende es convertir las imágenesdigitales en datos que se pueden procesar y comprender. Paraesto se utiliza la herramienta de simulación de MATLAB quetienen en su Toolbox de procesamiento de imágenes, quepermite convertir una imagen en una matriz de datos de RGB(Rojo, verde y azul), aún así es posible convertir en otros formatoscomo por ejemplo el HSI o el HSV que son formatos los cualespermiten separar las características de color de las imágenesseparando la intensidad que puede existir. Este formato esventajoso para la detección de señales de tránsito ya que estaspueden variar su intensidad fácilmente, esto debido a que lasseñales de tránsito en Colombia se encuentran revestidas dematerial reflectivo, esto con el objetivo de poder observar lasimágenes en la oscuridad. El inconveniente de estos formatos deconversión es que ninguno es lineal y los colores de la señalquedan en el mismo rango.

Segmentación de la subimagen:

Después de transformar la imagen, se obtiene la subi

magen que contenga la señal de tránsito para realizar lasegmentación a partir de los bordes característicos de laimagen. Esto se realiza por dos razones: la primera porqueal reducir el tamaño de la imagen las fuentes de ruidotambién se pueden reducir como se observa en la Figura4. Este ruido proviene de varias fuentes, para entre ellos sepueden considerar el color de las placas vehiculares delos carros particulares que se maneja en Colombia,estasson exactamente del mismo color que las señalespreventivas. Lo cual reducirá la efectividad del

sistema propuesto. También taxis y obreros demantenimiento público pueden ser fuentes de ruido.

Transformación de la imagen:

Para esta etapa lo que se pretende es convertir las imágenes digitalesen datos que se pueden procesar y comprender. Para esto se utiliza laherramienta de simulación de MATLAB que tienen en su Toolbox deprocesamiento de imágenes, que permite convertir una imagen en unamatriz de datos de RGB (Rojo, verde y azul), aún así es posibleconvertir en otros formatos como por ejemplo el HSI o el HSV que sonformatos los cuales permiten separar las características de color de lasimágenes separando la intensidad que puede existir. Este formato esventajoso para la detección de señales de tránsito ya que estas puedenvariar su intensidad fácilmente, esto debido a que las señales detránsito en Colombia se encuentran revestidas de material reflectivo,esto con el objetivo de poder observar las imágenes en la oscuridad. Elinconveniente de estos formatos de conversión es que ninguno eslineal y los colores de la señal quedan en el mismo rango.

Segmentación de la subimagen

Después de transformar la imagen, se obtiene lasubimagen que contenga la señal de tránsito para realizarla segmentación a partir de los bordes característicos dela imagen.

Esto se realiza por dos razones: la primera porque al reducirel tamaño de la imagen las fuentes de ruido también sepueden reducir como se observa en la Figura 4. Este ruidoproviene de varias fuentes, para entre ellos se puedenconsiderar el color de las placas vehiculares de los carrosparticulares que se maneja en Colombia, estas sonexactamente del mismo color que las señales preventivas.Lo cual reducirá la efectividad del

sistema propuesto. También taxis y obreros demantenimiento público pueden ser fuentes de ruido.

Segmentación de la subimagen

Segmentación de la señal de tránsito

Después de la segmentación primaria, se realiza una

segunda segmentación de la cual se obtendrán las

características internas de la imagen como lo es la

señal de pare, cruce, etc. Esto se realiza de dos

formas: la primera determinando los rangos RGB o

HSV donde se deben encontrar las señales de

tránsito. La segunda es utilizando redes neuronales

que procesen las entradas RGB

o HSV de tal forma que clasifique solo los colores que

se asemejen bastante a los de las señales de tránsito.

Normalización de la información de la señal de

tránsitoDebido a que la señal de transito puede ser tomada

a distancias diferentes se debe obtener una

dimensión de referencia que permita la comparación

y el análisis con respecto a la imagen de referencia.

Reconocimiento de las señales de tránsito

Por ultimo con la red neuronal entrenada, se obtiene

que señal de tránsito es la que se está observando.

Para entrenar la red neuronal se toman los momentos

invariantes básicos, los momentos invariantes difusos y

los momentos invariantes afines de cada una de las

imágenes de prueba. El tipo de red neuronal

diseñada será de tipo Backpropagation, ya que

reduce el error correlacionándolo con los campos a

clasificar. El número de entradas y salidas serán los

mismos (tres) ya que lo que se busca es segmentar la

imagen dejando solo los colores deseados

RESULTADOSLa idea de esto es el de obtener a partir de prueba y

error que red escogida tiene el mejor rendimiento y

permita obtener la mejor segmentación. Para medir

el rendimiento de cada red neuronal se analiza el

porcentaje de señal de tránsito segmentada

RESULTADOS

RESULTADOS