Algoritmos de lenguaje máquina para la detección de vehículos mediante cámaras infrarrojas

Abstract

Este trabajo de final de grado consiste en la detección de vehículos gracias a algoritmos de lenguaje máquina, los cuales a su vez, gracias a la visión artificial, han podido conseguir, generalmente, la detección de turismos aunque, también son capaces de reconocer autobuses, camiones o furgonetas. El trabajo ha consistido en la generación de varios clasificadores que cumpliesen con la condición de detectar vehículos bajo ciertos criterios, como la distancia de separación entre ellos o el tiempo de cómputo, los cuales serán explicados posteriormente. Este estudio podría clasificarse dentro de lo que se denomina Sistemas Avanzados de Ayuda a la Conducción (SAAC), los cuales, gracias a las nuevas tecnologías, pueden ser calificados como los nuevos sistemas de seguridad que ayudarán a una mejor conducción, tanto en un vehículo pilotado como no pilotado. Es por ello, que ha sido realizado junto con el departamento de Sistemas y Automática de la Escuela Politécnica de la Universidad Carlos III de Madrid. La idea surge a partir del desarrollo del coche autónomo gracias al Laboratorio de Sistemas Inteligentes [1], de esta misma universidad, la cual tiene entre sus investigaciones este proyecto. Se han realizado numerosas aplicaciones para mejorar el sistema de conducción asistida que posee este vehículo, y este trabajo podría llegar a ser una más, ampliando así el rango de objetos que el coche es capaz de reconocer y detectar. Gracias a los dispositivos que ya tiene incorporado este, tales como sensores y cámaras, se ha podido desarrollar esta investigación, ya que han sido la base del trabajo realizado. Se ha hecho uso de las secuencias obtenidas por la cámara infrarroja incorporada y cabe mencionar que no ha sido necesario el uso de iluminación externa, puesto que el sistema de infrarrojos es invariable a los cambios de iluminación. Con el fin de encontrar el mejor detector que se amolde a nuestros requisitos, se han utilizados distintos métodos para los entrenamientos, haciendo uso así de las librerías OpenCV o SVMLight para aplicar el método de Viola Jones [2], Haar Cascade, o el de la combinación de Histogramas de Gradientes Orientados junto con las máquinas de vector soporte, según queda recogido en la investigación de Dalas y Triggs [3].