Clasificación y conteo vehicular mediante análisis de imágenes
Fecha
2022
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Católica de Cuenca
Resumen
Descripción
Este trabajo propone un algoritmo capaz de analizar una muestra de video (grabación) o video en tiempo real del tránsito vehicular, el modelo final es capaz de diferenciar, clasificar y contar 3 tipos de vehículos utilizando conceptos fundamentales de inteligencia artificial y visión por computadora, con bibliotecas de código abierto; TensorFlow para la inteligencia artificial y OpenCV para la visión artificial. La metodología utilizada puede dividirse fundamentalmente en tres pasos; adquisición de datos (creando una base de datos propia con modelos de vehículos que transitan en los puntos de la ciudad utilizados para este proyecto), el desarrollo de la red (basado en un modelo de red conocido como AlexNet, una red neuronal convolucional muy utilizada en proyectos de imagen clasificación con resultados probados y confiables) y finalmente el procesamiento de la información (con una subrutina final, a través de la cual se extraen las imágenes de objetos en movimiento detectados en el video para luego contarlos y clasificarlos según su tipo). Los resultados obtenidos superan el noventa por ciento de efectividad si se contrastan con metodologías manuales, estos resultados han sido analizados en diferentes casos separados por horarios: por la mañana, por la tarde y por la noche; donde a pesar de que cambia la luminosidad y el flujo vehicular, se concluye que el modelo es robusto y puede ser llevado a producción en la industria privada o pública.
Palabras clave
Conteo Vehicular,, Tráfico Vehicular,, Inteligencia Artificial,, Visión por Computadora., Reconocimiento de Objetos
Citación
Segarra López, J. F., & Cobos Torres, J. C. (2022). Clasificación y conteo vehícular mediante análisis de imágenes. MQRInvestigar, 6(4), 313–334.
