Sistema de control óptico de vehículos basado en cascadas de Haar

Abstract

Este trabajo describe un sistema de detección de coches en entornos del mundo real basado en visión artificial, campo que actualmente está en auge. El sistema usa las cascadas de Haar, método inicialmente introducido por Paul Viola y Michael Jones, que es conocido por su rápido procesamiento y buenas tasas de detección; sobre las librerías de programación OpenCV, las cuales son las más utilizadas en el campo de la visión artificial. El proceso requiere un conjunto de datos representativos a usar para el entrenamiento y la validación, incluyendo conjuntos positivos (presencia del objeto a detectar) y negativos (ausencia de dicho objeto) de imágenes. Por lo tanto, varias imágenes ejemplo de coches fueron etiquetadas a mano para el entrenamiento y con el propósito de realizar cálculos de rendimiento. Los resultados preliminares muestran que el método puede ser muy eficaz para detectar automóviles a altas tasas y mostrar capacidades de generalización. A pesar de algunas faltas de detección, debido a que este método es bastante rápido, puede servir para propósitos como el de este proyecto. Dicho propósito es el estudio del flujo de coches en un punto de una autopista, de tal manera que se pueda conocer el uso que se le da a la misma, así como prevenir retenciones y, por lo tanto, evitar posibles accidentes de tráfico y mejorar la circulación.

This paper describes a system designed for detection of cars in real-world environments. It is based on computer vision, a field that is currently booming. The system uses the Haar cascades method firstly introduced by Paul Viola and Michael Jones, which is known for its fast processing and good detection rates; under the OpenCV programming libraries, which are the most used in the field of computer vision. The process requires representative data sets to be used for training and validation, including positive (presence of the object to detect) and negative (absence of the object to detect) image samples. Therefore, several example images of cars were hand labelled for training and performance calculation purposes. Preliminary results show that the method can be very effective to detect cars at fast rates and show generalization capabilities. In spite of some lack of detection, because this method is quite fast, it can serve for purposes like the one of this project. This purpose is the study of the flow of cars at a point on a highway, so that it can be known the use that is given to it, as well as prevent retentions and, therefore, avoid possible traffic accidents and improve the circulation.

Lan honek, ikusmen-artifizialean oinarritutako eta mundu errealean kokatutako autoen detekzioa gauzatzen du. Sistemak Haar Urjauziak erabiltzen ditu, hasiera batean Paul Viola eta Michael Jones-ek ikasitako arloa, bere prozesamendu azkar eta detekzio tasa altuengatik. OpenCV liburutegi ezagunak erabiliko dira metodo honen aplikaziorako. Prozesuak datu-multzo esanguratsu baten beharra du entrenamendua eta ondorengo balidazio prozesua osatzeko, datu-multzo positibo bat eta negatibo bat behar dituelarik. Horregatik, autoen irudi batzuk eskuz etiketatuta izan ziren ondorengo entrenamendurako eta errendimendu kalkuluak egiteko finarekin. Lehenengo emaitzek adierazten duten moduan, metodo honek autoak detektatzeko tasa altuak eta orokortze kapazitateak eskaintzen ditu. Detekzio falta batzuk ditu bere prozesamendu azkarraren ondorioz, baina proiektu honen antzeko lanetarako erabilgarria da. Lan honen helburua, autobide baten puntu bateko autoen fluxuaren ikasketa da. Horrela auto-ilarak eta hauen ondorioz gertatu daitezkeen istripuak galarazteko helburuarekin.