Detección y reconocimiento automatizado de señales preventivas en inventarios viales

• Autor: Ramos Zuñiga, Marzia Valeria
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Nacional de Ingeniería
• Repositorio: UNI-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.uni.edu.pe:20.500.14076/22061
• Enlace del recurso: http://hdl.handle.net/20.500.14076/22061
• Nivel de acceso: acceso abierto
• Materia: Inventario vial; Señales del tránsito; Algoritmos de procesamiento de imágenes; https://purl.org/pe-repo/ocde/ford#2.01.01

La presente investigación tiene por objetivo principal proponer herramientas que permitan automatizar el proceso del inventario vial. Para ello, se desarrolló un algoritmo para detectar y reconocer las señales de tránsito peruanas del tipo preventivas en la Av. Eduardo Habich ubicada en Lima Metropolitana en el distrito de San Martín de Porres. El tramo seleccionado para el estudio se encuentra entre la Av. Túpac Amaru y vía Panamericana Norte y posee una longitud aproximada de 1km. La investigación está basada en el uso de algoritmos de procesamiento de imágenes. Se propuso una metodología que se divide en dos partes: la primera parte consiste en la recolección de datos en campo para la base de datos; y la segunda parte consiste en el procesamiento de la información en gabinete. Para la primera parte se realizó la recolección de 2026 imágenes de señales preventivas de vías de la ciudad de Lima. Estas imágenes fueron capturadas con cámaras de distintas resoluciones. A partir de la consolidación de la base de datos, en la segunda parte se plantea el algoritmo de detección y reconocimiento. La etapa de detección consiste en el uso de filtros de color y forma. Para ello se realizó una comparación entre dos filtros de color: HSV y RGB normalizado que permitió distinguir cual tenía mejor performance frente al algoritmo planteado. La etapa de reconocimiento consiste en el uso de herramientas de clasificación supervisada con el algoritmo llamado máquinas de vectores de soporte. Finalmente, con el desarrollo de esta investigación se logró obtener un algoritmo que permite la detección de las señales de tránsito con un porcentaje de reconocimiento de 62.5% y una base de datos sólida que puede ser retroalimentada y dar pie a futuras investigaciones en la materia de estudio.