Detección de patrones de conducción no prudente y mediciones de tránsito

Abstract

Este documento presenta el proyecto Detección de Patrones de Conducción no Prudente y Mediciones de Tránsito, desarrollado en el Instituto de Computación de la Facultad de Ingeniería de la Universidad de la República. La evaluación y fiscalización del tránsito a través de cámaras de video está ganando terreno en el mundo. En particular, desde hace algunos años en Uruguay, existe interés por parte de algunas intendencias en instalar sistemas que se encarguen de monitorear el tránsito. Para implementar un sistema de este tipo, es necesario recurrir a técnicas de visión por computadora y computación paralela. Para este proyecto, se construyó un sistema sumamente flexible basado en configuración por escena, capaz de analizar escenas con diferentes infraestructuras viales, soportando cambios de luminosidad, sombras, superposiciones de vehículos y altas resoluciones de video. El sistema es capaz de realizar el seguimiento y conteo de vehículos, clasificar vehículos por porte, medir sus velocidades y detectar infracciones como exceso de velocidad, semáforos no respetados y circulación en sentido contrario, entre otros. Permitiendo siempre la posibilidad de adaptarse a los requerimientos de la infraestructura, como cantidad de carriles, existencia de semáforos o carriles restringidos, etc. Los datos recolectados se almacenan en una base de datos, donde pueden ser consultados por una aplicación de escritorio que también permite visualizar los videos en tiempo real mientras son analizados. A través del paradigma de computación en la nube, alojando el sistema en un ambiente de ato rendimiento, se podrá escalar lo suficiente como para brindar servicio a una ciudad completa. Los resultados de las pruebas realizadas, sugieren que el sistema es apto para funcionar en un ambiente de este tipo, como Google Compute Engine. Por otro lado, las pruebas efectuadas sobre varias escenas, con diferente luminosidad, puntos de vista e infraestructuras determinaron que el sistema es muy fiable, con un promedio de aciertos de alrededor de 93,61% para la detección y el seguimiento de los vehículos. En cuanto a la clasificación de vehículos, se obtuvo un 92,21% de aciertos. El resto de las características resultaron aún más fiables, la mayoría alcanzando el 100% de aciertos, siempre que el vehículo haya sido detectado correctamente.