RT info:eu-repo/semantics/doctoralThesis
T1 Sistema de detección y reconocimiento de señalización en carretera mediante técnicas de procesado digital de imagen e inteligencia artificial
A1 Lafuente Arroyo, Sergio
K1 Señales de tráfico
K1 Sistemas Inteligentes de Automóviles y Autopistas
K1 Telecomunicaciones
K1 Telecommunication
AB Esta tesis doctoral se enmarca dentro de los Sistemas Inteligentes de Transporte con el objetivo de desarrollar un sistema preciso y eficiente para el reconocimiento de señales de tráfico, basándose en técnicas de procesado digital de imagen e inteligencia artificial. Desde hace más de una década, son numerosos los grupos de investigación en el ámbito internacional que han trabajado en este campo intentando resolver los problemas derivados de la detección de objetos en entornos exteriores. En cualquier caso, la mayoría de los trabajos de investigación se han ocupado de etapas concretas del sistema y han trabajado sobre conjuntos de señales reducidos. Por ello, la primera línea de trabajo de esta tesis centra la atención en el estudio de técnicas para un sistema completo de detección e identificación de señalización que puede ser utilizado tanto para el inventariado automático de carreteras como para el desarrollo de vehículos inteligentes. El sistema se basa en una estructura modular correspondiente a las etapas de segmentación, clasificación de forma, reconocimiento del pictograma y seguimiento. Aunque en esta tesis se ha trabajado principalmente con la  señalización vial de España, el sistema es fácilmente configurable para la señalización de otro país.  La buena capacidad de generalización de las SVMs ha llevado a introducir esta herramienta estadística en el campo del reconocimiento de señales de tráfico y en esta tesis se incorpora su uso a las etapas de clasificación de forma y de reconocimiento. Los buenos resultados conseguidos implican, no obstante, un elevado coste computacional que supone un "cuello de botella", que viene dado por el alto número de categorías presentes en el problema de multiclasificación. Esta línea de trabajo conlleva un estudio comparativo de diferentes técnicas paramétricas desde el compromiso de la precisión y la optimización de carga computacional para las tareas de preprocesado, extracción del descriptor y clasificación. Asimismo, se han comparado las principales arquitecturas de multiclasificación para la tarea de reconocimiento. Con el objetivo de reducir la complejidad y lograr que el módulo de reconocimiento basado en SVMs opere en tiempo real, se propone un algoritmo de búsqueda de regiones de información con el doble objetivo de agrupar las señales con similar distribución espacial del pictograma y definir en cada agrupamiento un descriptor adaptativo diferente. De esta manera, es posible controlar el coste computacional en la etapa de reconocimiento sin que ello suponga una pérdida apreciable de las prestaciones del sistema. Las propuestas que se describen en esta tesis doctoral requieren disponer de una base de datos para el desarrollo de la fase experimental del trabajo. Debido a que no existe un conjunto estándar de señalización público, se ha creado una base de datos que incluye la totalidad de señales verticales existentes en España. Los resultados obtenidos avalan la viabilidad y competencia de los métodos propuestos en esta tesis doctoral en el campo del reconocimiento automático de señales de tráfico.
YR 2014
FD 2014
LK http://hdl.handle.net/10017/22797
UL http://hdl.handle.net/10017/22797
LA spa
DS MINDS@UW
RD 20-abr-2024