Inteligencia computacional para el análisis de datos de tráfico y aprendizaje de estimadores

Abstract

Este trabajo presenta el diseño e implementación de un sistema de recolección y análisis de datos a partir de grabaciones de cámaras de tráfico. El principal objetivo de este sistema es proveer un medio para la obtención de datos Y para asistir o automatizar tareas visuales de monitorización de situaciones relevantes de tráfico como infracciones, manejo imprudente o embotellamientos. El sistema propuesto se basa en técnicas de inteligencia computacional y visión por computadora, incluyendo redes neuronales convolucionales Y algoritmos de seguimiento de objetos múltiples. Como resultado del análisis del estado del arte realizado, se optó por utilizar la biblioteca Detectron2 para resolver la detección de objetos y la biblioteca Node-Moving-Things-Tracker para el seguimiento de objetos. La arquitectura del sistema propuesto consiste en un pipeline modular de procesamiento de video, donde cada paso es un módulo funcional independiente, configurable y débilmente acoplado a los demás. La validación del sistema fue realizada utilizando grabaciones de tráfico de la ciudad de Montevideo, procesando diferentes escenarios, en diferentes condiciones de iluminación y con distintas calidades de video. Los resultados muestran, por un lado, la efectividad del sistema en los escenarios que se presentan durante el día, mostrando una exactitud media del 70% en la detección, el 85% en la evaluación de la clasificación de detecciones y una puntuación media del 85% en la métrica MOTA para la evaluación del seguimiento. La evaluación de los módulos de análisis de datos mostraron resultados de similar precisión media con respecto a la detección y el seguimiento. Por otro lado, existe la necesidad de continuar el trabajo para aquellos escenarios que presentan condiciones de poca iluminación.