Diseño e implementación de una aplicación para la detección y reconocimiento de señales de limitación de velocidad
DOI:
https://doi.org/10.59540/tech.vi5.115Palabras clave:
Tratamiento de imagen y video, Señal velocidad, OpenCV, Visión Artificial, CImgResumen
Se realizó un análisis a la aplicación diseñada para brindar una solución a nivel de asistencia en la conducción, respecto a la detección oportuna de señales de tránsito, específicamente a las señales de velocidad, que permitan una respuesta oportuna por parte del conductor. El objetivo del artículo es presentar el diseño, la implementación y la validación de una aplicación funcional capaz de detectar y reconocer señales de limitación de velocidad a partir archivos de imagen, de video o por medio de un flujo de video en tiempo real. La metodología utilizada consiste en 4 procesos que establecen la adquisición de la imagen, procesamiento de la imagen y video, detección y control de la señal y velocidad, y visualización de resultados. El desarrollo de la aplicación se lo realizó en Eclipse en código C++, utilizando librerías para el tratamiento de imágenes y video de OpenCV. Con base a los resultados obtenidos de la aplicación implementada, se ha logrado óptimas prestaciones, es decir, se tiene una certeza de casi el 90% y un error alrededor del 1%. Además, se ha analizado dificultades y errores de detección, así como también se estableció estadísticas de tiempo de procesamiento en relación a las características del hardware utilizado.
Descargas
Citas
World Health Organization, Global status report on road safety 2018. Geneva, Switzerland: WHO, 2018.
A. Ziebinski, R. Cupek, D. Grzejszczak, and M. Podpora, "A Survey of Advanced Driver-Assistance Systems (ADAS)," 2016 International Conference on Signals and Electronic Systems (ICSES), Krakow, Poland, 2016, pp. 1-6. doi: 10.1109/ICSES.2016.7594341.
G. Bradski and A. Kaehler, Learning OpenCV: Computer Vision with the OpenCV Library. Sebastopol, CA, USA: O'Reilly Media, 2008.
J. A. H. R. Putra, D. A. D. Dewantara, and T. H. N. T. Putri, "Real-time traffic sign recognition system using OpenCV," 2017 International Conference on Sustainable Information Engineering and Technology (SIET), Malang, Indonesia, 2017, pp. 199-203. doi: 10.1109/SIET.2017.8304126.
A. Mogelmose, M. M. Trivedi, and T. B. Moeslund, "Vision-based traffic sign detection and analysis for intelligent driver assistance systems: A survey," IEEE Transactions on Intelligent Transportation Systems, vol. 13, no. 4, pp. 1484-1497, Dec. 2012. doi: 10.1109/TITS.2012.2209421.
F. Zaklouta and B. Stanciulescu, "Real-time traffic sign recognition in three stages," Robotics and Autonomous Systems, vol. 62, no. 1, pp. 16-24, Jan. 2014.
J. Stallkamp, M. Schlipsing, J. Salmen, and C. Igel, "The German Traffic Sign Recognition Benchmark: A multi-class classification competition," The 2011 International Joint Conference on Neural Networks, San Jose, CA, USA, 2011, pp. 1453-1460. doi: 10.1109/IJCNN.2011.6033389.
D. Cireşan, U. Meier, J. Masci, and J. Schmidhuber, "Multi-column deep neural network for traffic sign classification," Neural Networks, vol. 32, pp. 333-338, Aug. 2012.
Y. Li, S. Liu, and H. Wang, "Traffic Sign Recognition Based on Convolutional Neural Network," 2019 IEEE 4th International Conference on Signal and Image Processing (ICSIP), Wuxi, China, 2019, pp. 496-500. doi: 10.1109/SIPROCESS.2019.8868623.
S. S. Ardiansyah, E. A. Suprayitno, and D. P. H. Saptomo, "A real-time speed limit sign recognition on embedded system," 2017 4th International Conference on Electrical Engineering, Computer Science and Informatics (EECSI), Yogyakarta, Indonesia, 2017, pp. 1-6. doi: 10.1109/EECSI.2017.8239129.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Roberto Alejandro Larrea Luzuriaga, Cristina Alejandra Orozco Cazco
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
El modelo de publicación adoptado por esta revista se fundamenta en el compromiso con la difusión del conocimiento científico bajo estándares de integridad y acceso abierto. En este sentido, todos los artículos y contenidos se distribuyen bajo una licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0). Esta normativa legal permite que las obras sean compartidas, descargadas y difundidas libremente, siempre que se cumplan de manera estricta las condiciones de uso establecidas por la organización internacional Creative Commons.
La implementación de esta licencia implica tres pilares fundamentales para la protección y el uso de la producción académica. En primer lugar, la Atribución exige que se otorgue el crédito correspondiente a los autores originales y se proporcione un enlace a la licencia, indicando si se han realizado menciones de la fuente de manera adecuada. En segundo lugar, el carácter No Comercial restringe el uso de los contenidos para fines que busquen un beneficio económico o una contraprestación comercial. Finalmente, la cláusula Sin Derivadas prohíbe la distribución de material modificado, remezclado o transformado; los artículos deben circular en su forma original para preservar la fidelidad de los datos y los argumentos presentados por los investigadores.
Este marco jurídico busca equilibrar la máxima visibilidad de los hallazgos científicos con la salvaguarda de la autoría, asegurando que la información técnica y académica no sea alterada ni explotada comercialmente por terceros. Al publicar bajo estos términos, la revista garantiza que el conocimiento permanezca accesible para la comunidad global, fomentando un ecosistema de aprendizaje basado en la evidencia y el respeto a la propiedad intelectual.
