DISEÑO E IMPLEMENTACIÓN DE UNA APLICACIÓN PARA LA DETECCIÓN Y RECONOCIEMINTO 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.








