Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Chavez Cordova Alex Algoritmo Ingreso Vehículos
Chavez Cordova Alex Algoritmo Ingreso Vehículos
Presentado por:
Alex Santos Chvez Crdova
Lima Per
2007
RESUMEN
Los resultados obtenidos son muy acertados, tanto para la determinacin del
nmero, y ubicacin de vehculos, como en la determinacin de la orientacin. La
eficiencia alcanzada por el algoritmo trabajado en esta tesis, es de 94.5%. Por otra
parte, la velocidad de ejecucin de todo el algoritmo vara entre 85 y 92
milisegundos, lo que permite trabajar con secuencias de imgenes de 10 cuadros
por segundo. La velocidad de muestreo de imgenes es apropiada, considerando
las bajas velocidades de los vehculos al ingresar a la zona de estudio.
NDICE
INTRODUCCIN
1.1
1.2
1.3
2.1
Introduccin
11
2.2
Tratamiento de imgenes
12
2.3
14
2.4
18
2.5
Conceptualizaciones generales
19
2.6
Modelo terico
21
3.1
Objetivo
24
3.2
Requerimientos
24
3.3
Consideraciones
25
3.4
Desarrollo
26
28
29
34
4.1
Pruebas de simulacin
44
4.2
Evaluacin de resultados
64
67
CONCLUSIONES
69
RECOMENDACIONES
72
FUENTES
73
INTRODUCCIN
Los malestares que causan estos problemas suelen ser, la larga espera de los
conductores y pasajeros, ante un congestionamiento originado en una va de alto
trfico, o la imprudencia de algunos conductores, que suelen terminar en
accidentes automovilsticos. Este trabajo de tesis centra su anlisis en las
intersecciones tipo T, entre una va preferencial y una secundaria (donde la va
preferencial es de doble sentido), donde no se cuenta con dispositivos de control
de trfico debido al bajo flujo vehicular en la va secundaria. Esta tesis analiza
especficamente la interseccin entre la salida vehicular de la Universidad Catlica
y la avenida Riva Agero.
Para el desarrollo de este algoritmo y la simulacin del mismo, se cuenta con una
maqueta a escala (1:50) de la zona de anlisis. La cual ser bastante til para la
CAPTULO 1
EL CONTROL DE FLUJO VEHICULAR EN LA CIUDAD DE LIMA Y LA
PROBLEMTICA ACTUAL EN LA UNIVERSIDAD CATLICA
(a)
(b)
(c)
Figura 1.1. (a) Imagen correspondiente a la interseccin entre la salida del Hospital Naval y la avenida Venezuela. (b) Imagen
correspondiente a la interseccin entre la salida de la Universidad Catlica y la avenida Riva Agero. (c) Imagen correspondiente
a la interseccin entre la avenida Simn Bolvar y la calle Abraham Lincoln. Imgenes obtenidas con el software Google Earth.
Zona de estudio
Figura 1.3. Interseccin entre la avenida Riva Agero y la salida vehicular de la Universidad
Catlica. El punto A es la zona de congestionamiento para los vehculos que salen de la
universidad. El punto B es la zona de riesgo para los conductores de ambas vas.
1.2.1
Salida de la universidad
Inicio
Se congestiona la
salida de la
universidad
Es el caso ms
crtico.
Vehculo en
interseccin
Si
Vehculo espera el
pase
No
Vehculo tomar va norte sur (Av.
La Marina). Vehculo debe esperar el
pase de va sur-norte y de va nortesur
Va sur-norte
libre
No
Congestionamiento
Si
Vehculo toma la
va
Va sur-norte
libre
No
Si la espera es
mucha,
interviene la
polica.
No
Vehculo espera el
pase
No
Vehculo espera el
pase
Si
Va norte-sur
libre
Si
Va sur-norte
sigue libre
Al ser el caso
ms complicado,
es cuando se
necesita la
intervencin de
la polica
Si
Vehculo toma va
norte-sur
Dentro de todo el
proceso siempre esta el
peligro de que ocurra un
accidente, debido a la
imprudencia de algunos
conductores.
Fin
CAPTULO 2
SISTEMAS DE CONTROL Y MONITOREO DE TRNSITO VEHICULAR
MEDIANTE LA CAPTURA DE IMGENES
2.1 Introduccin
Desde hace dcadas, se est viendo un gran incremento en el flujo vehicular, y por
lo tanto se incrementa la necesidad de poder controlar esta situacin. Por ejemplo
en la ciudad de Lima se pude percibir sto de una manera muy fcil. Todos han
sufrido un malestar cuando se viaja en el sistema de transporte urbano, sea con
transporte pblico o con transporte privado, y casi siempre se termina fastidiado
con la situacin del trfico vehicular.
Todos los parmetros que se pueden capturar, van a una central de control de
trfico, donde personas encargadas y conocedoras, manejan y controlan los
semforos con el fin de mejorar la circulacin del flujo vehicular. Este interesante
mtodo se est dando en varios pases como Espaa, Estados Unidos, y sin ir tan
lejos, Chile, Brasil, Argentina y otros [25] [26] [27] [32].
Hasta hace relativamente poco, los sistemas de visin artificial slo trabajaban con
imgenes estticas, trabajaban con velocidades bajas y una cantidad de
enfoca al control, y mejoramiento del flujo de trnsito vehicular. Este sistema tiene
como objetivos, reducir la congestin vehicular, poder proponer diferentes
alternativas de rutas, salvar vidas y ahorrar tiempo y dinero. La ITS cuenta con
todas las herramientas necesarias para que el personal especializado en control de
trfico, pueda colectar, analizar, y archivar datos del desarrollo del trfico en
diferentes horas, como por ejemplo en la hora punta. Y con esta informacin poder
responder mejor ante diferentes incidentes que se puedan suscitar en el campo
[27].
Para citar otro ejemplo, se tiene el centro de control de trfico de Jerez (Espaa),
similar a los sistemas existentes en los Estados Unidos. Jerez cuenta con una red
de cmaras en toda la ciudad, para poder visualizar y controlar el trfico vehicular.
Su tecnologa es muy avanzada respecto a otras ciudades, ellos cuentan con fibra
ptica para la regulacin de los semforos en tiempo real, lo que con otro tipo de
lneas de transmisin se demoraran casi 2 minutos. Toda esta informacin llega a
un centro de control, donde personal especializado, recibe todos los datos para
Para todos estos sistemas, se cuenta con sistemas cerrados de televisin, para
poder visualizar los cruces ms conflictivos de las ciudades. La misin es poder
detectar congestiones y desde el centro de control poder programar los diferentes
semforos para tratar de solucionar estos problemas. Adems se cuenta con
letreros que tambin son controlados desde los centros de operacin. Los datos de
los que dependen estos letreros tambin son tomados de la red de cmaras, y su
funcin es poder guiar a los conductores a tomar mejores decisiones en sus rutas,
y no congestionar ms las vas que ya lo estn.
(a)
(b)
(c)
Figura 2.1. (a) Centro de monitoreo y control de trfico vehicular. (b) Imagen correspondiente
a una va de alto flujo vehicular. (c) Imagen nocturna de una avenida con poco flujo vehicular.
Imgenes tomadas de las pginas Web: <www.itsa.org> y <www.uoct.cl/uoct/inicio.jsp>
Un ejemplo que la tecnologa nos puede brindar en este tema, es lo que est
sucediendo en la actualidad en la universidad de Utrecht (Pases Bajos), donde se
trabaja en un proyecto de semforos inteligentes. La idea de este proyecto es tener
la capacidad de reducir el tiempo de espera que los vehculos tienen que hacer
cuando se encuentran ante la luz roja. Esto se puede hacer con la ayuda de
muchas variedades de sensores electrnicos, una de ellas puede ser la visin
computarizada. Trabajando en nuevos algoritmos para la programacin de estos
semforos, la idea es que en un cruce en forma de cruz, el semforo tenga la
capacidad de tomar promedios de tiempos de espera de las 4 vas, y no dejar que
Pases como Brasil, Chile, Espaa, Estados Unidos, y otros, cuentan con centrales
de control de trfico vehicular, donde se puede visualizar las diversas zonas
crticas de las diferentes ciudades donde se cuenta con estos sistemas, y la
finalidad es descongestionar el flujo de vehculos. Y mejor an prevenir a los
dems conductores sobre problemas que estn ocurriendo, y poder guiarlos por
rutas alternas para llegar sin problemas a sus destinos.
Estos sistemas son el futuro en el control del trfico vehicular, y los avances vienen
creciendo y mejorando para su consolidacin. Se busca no solo el poder manejar
problemas en tiempo real sino tambin poder prevenir y ayudar a los conductores a
tomar mejores rutas para su destino final. La visin artificial es una gran
herramienta para estos fines.
Imagen digital: Una imagen digital es una matriz de nmeros que representan
valores de iluminacin en puntos regularmente espaciados de la imagen de
una escena.
HAR system: Sistema de radio para conductores en las vas rpidas, que es
usado frecuentemente por la polica de los Estados Unidos, para avisar a los
conductores sobre congestiones vehiculares.
de los mismos. Con estos datos, podemos anticipar las intenciones de los
conductores al tomar uno de los 2 sentidos de la avenida; y as, agilizar el acceso
de los vehculos a sta, minimizando los malestares ya explicados. A parte se
podra llevar un conteo de los vehculos que salen de la universidad a diferentes
horas del da, con un fin estadstico.
Conteo de
vehculos
Cmara
Interseccin Salida
de universidad y
Av. Riva Agero
Visin
artificial
Algoritmo
Procesamiento
de imgenes
Ubicacin
Dimensiones
De vehculos
Orientacin
Sistema inteligente
CAPTULO 3
DESCRIPCIN DEL ALGORITMO
3.1 Objetivo
Vehculos a escala.
Se utiliza el sistema operativo Linux, ya que es un software libre, muy popular entre
muchos programadores y desarrolladores, incorpora una gama de sistemas de
interfaz grfica (ventanas), de igual o mejor calidad que otras ofrecidas en muchos
otros paquetes comerciales. Utiliza varios formatos de imagen que son compatibles
con casi todos los sistemas operacionales utilizados en la actualidad (JPG, BMP,
GIF). Se usa el programa VIP4L versin 1.0, un programa diseado para el
procesamiento y anlisis de imgenes y video, elaborado por el grupo GPDSI de la
Universidad Catlica. Este software cuenta con varias herramientas que ayudarn
al desarrollo del algoritmo en estudio. El programa est desarrollado en lenguaje C,
lo cual permite con facilidad la modificacin, y creacin de nuevas funciones, para
alcanzar con xito los objetivos trazados.
3.3 Consideraciones
0.35 m
85
3.4 Desarrollo
Para poder tener acceso de una manera cmoda y econmica a la zona de estudio
(interseccin entre avenida Riva Agero y la Universidad Catlica), se decidi
construir una maqueta de la zona de anlisis en una escala de 1:50. Esta maqueta
ser una herramienta fundamental en el desarrollo de este trabajo de tesis.
Norte
Sur
Figura 3.2. Se muestra la maqueta en escala 1:50 de la zona de estudio. El sentido hacia el
norte es hacia la avenida Venezuela, y el sentido hacia el sur es hacia la avenida La Marina.
Figura 3.3. Se muestra la zona especfica de anlisis, interseccin de la avenida Riva Agero
con la salida de la universidad Catlica. As mismo esta ser disposicin de la cmara que
capturar las imgenes.
Figura 3.4. Se muestra la disposicin de los vehculos en la zona de anlisis, esta es la forma
convencional de dos vehculos en la interseccin, el de arriba con orientacin hacia la avenida
La Marina y el de abajo con orientacin a la avenida Venezuela.
El desarrollo del algoritmo est dividido en tres etapas las cuales se irn
desarrollando en este captulo. La primera etapa es la de pre-procesamiento, en la
cual se convierte la imagen de colores a escala de grises, y tambin se ajusta la
resolucin de la imagen. La segunda etapa es la de procesamiento, en la cual se
aplica todas las herramientas propias del procesamiento de imgenes, como
operaciones morfolgicas, umbralizacin, etc. Y la ltima etapa es la de anlisis,
en la cual se analiza las imgenes para determinar ubicacin, dimensin, y
orientacin.
En esta etapa, se extrae el plano rojo a la imagen de colores (la imagen a colores
est comprendida por los planos rojo, azul, y verde), para luego convertirla a
escala de grises. La finalidad de este primer paso es resaltar la diferencia entre los
niveles de grises de los vehculos, y los de la pista. Esta diferencia es importante
para la umbralizacin en la etapa de procesamiento (se escogi eliminar el plano
rojo despus de varias pruebas con diferentes imgenes). El siguiente paso es
ajustar la resolucin de la imagen con la que se trabajar, que es de 320 pxeles
de ancho por 240 pxeles de alto (La cmara de video captura imgenes con una
resolucin de 640 por 480 pxeles). Esto es muy importante, ya que para la etapa
de anlisis, la determinacin de la ubicacin como de las dimensiones del
vehculo, se ve afectada directamente por este factor.
El primer paso en esta etapa es eliminar, o en su defecto, opacar todo aquello que
est presente en la imagen, que no sea de inters. Para este fin, se calcula el valor
absoluto de la resta entre la imagen base (imagen almacenada en memoria de la
zona de anlisis sin ningn vehculo); y la imagen en tiempo real que se captura
con la cmara. Al ser imgenes en escala de grises, se tienen valores que van
desde 0 a 255 en la matriz de pxeles, donde 0 se refiere al color negro, y 255 al
color blanco. En las zonas en que las imgenes tengan los mismos valores de
iluminacin, el resultado de la resta de matrices ser 0, y se mostrarn las zonas
(a). Matriz A
(b). Matriz B
De la zona de anlisis, solo una parte es la que interesa, la parte donde los
vehculos esperan el pase hacia la avenida. Todo lo dems se elimina con una
mscara que se aplica a la imagen, para facilitar el trabajo (Figura 3.9). Por esta
razn, en el paso anterior, se aplica el histograma slo a la seccin sealada en la
Figura 3.7. Para eliminar el ruido que aparece despus de la umbralizacin, se
aplica un filtro mediana (Figura 3.10). El ms mnimo movimiento de la cmara,
hace que la resta de imgenes genere este ruido (viento, vibraciones, etc.).
La funcin del filtro mediana, es hacer un barrido sobre toda la imagen, y a cada
pxel, con sus vecinos (matriz de 3 x 3) los ordena en un vector de 9 elementos en
forma ascendente, escogiendo el elemento central del vector, y colocndolo en la
posicin del pxel donde se inici el proceso.
(a)
Nmero de
regin
Nmero de
pxeles
Centro de
masa
Posicin mnima y
mxima de la regin
en el eje x
Posicin mnima y
mxima de la regin
en el eje y
(b)
Figura 3.14. (a) Imagen final de la etapa de procesamiento. (b) Resultado de la segmentacin en
la etapa de anlisis.
Figura 3.15. Se muestra la zona donde deben estar ubicados los centros de masa de las regiones
encontradas, para poder continuar con el siguiente paso. De no ser as, el algoritmo arroja como
resultado, que no hay vehculos.
Se contina con los siguientes pasos, solo si se encuentra que los centros de
masa de las regiones encontradas, estn en la zona indicada.
Figura 3.16. Se muestra en la figura los primeros resultados del algoritmo, como se puede
observar el nmero de regiones es 2, y se reconoce dos vehculos. Observe los datos
correspondientes al centro de masa y el nmero de pxeles.
= mi ri 2
(3.1)
i =1
: Momento de inercia
mi: Masa del punto i
ri: Radio vector del punto i con
respecto al eje considerado.
p ,q = ( x X m ) p ( y Yn )q g ( x, y ) dxdy
(3.2)
La integracin incluye el rea del objeto, esta expresin tiene como eje de
referencia al centro de masa de la regin (Xm, Yn), estos momentos son
frecuentemente llamados momentos centrales. Para el dominio discreto, el clculo
de momentos de orden pq se reduce a la frmula:
p , q = (x X m ) p ( y Yn )q ; (m, n ) Forma
(3.3)
y
x
.
D
(x, y)
x
Centro de
masa
Figura 3.17. Se muestra una regin cualquiera ubicada en el plano xy, y el eje para el cual el
momento de inercia es mnimo.
= D 2 ( )
x
(3.4)
D 2 ( ) = [( y Yn ) cos ( x X m )sin ]
(3.5)
= D 2 ( ) = 0
x
y
2
2
2
D ( ) = ( x X m ) ( y Yn ) sin 2 2( x X m )( y Yn ) cos 2 = 0
1
2
= arctan
2 (x X m )( y Yn )
(x X ) ( y Y )
2
1
2
= arctan
2 1,1
2,0 0, 2
(3.6)
>0
<0
Norte
y
y
x
(a)
(b)
(c)
Figura 3.20. (a) y (b) Se muestran las regiones correspondientes a los vehculos, y los ejes de
referencia, as se puede apreciar la orientacin de los vehculos. (c) Se muestra el resultado final
de todo el algoritmo, se puede apreciar el resultado de la funcin segmentacin y la funcin
orientacin.
tomar el sentido norte sur; para mejorar esta probabilidad, se utilizara el dato de
la orientacin. Si un vehculo esta ubicado en la mitad inferior de la zona especfica
de estudio (ver Figura 3.19), no se puede afirmar nada, hasta interpretar el dato de
orientacin. En este trabajo de tesis, despus de muchas pruebas, se considera
que el vehculo tomar el sentido sur norte, si el ngulo de orientacin es menor
a -16 grados, de lo contrario se considera que el vehculo tomar el sentido norte
sur. La visin general que se tiene, es contar con un sistema inteligente, que
controle uno o dos semforos, ubicados estratgicamente en la zona de estudio,
que facilite el proceso que se viene tratando en esta tesis. Este sistema tendra
como elemento principal el algoritmo trabajado.
Procesamiento
Anlisis
Resta de imgenes
Umbralizacin
Enmascaramiento
Filtro mediana
Dilatacin
Fill holes
Segmentacin
Pre-procesamiento
Seal proveniente
de la cmara.
Se ajusta la imagen a
escala de grises, y la
resolucin de la imagen
con la que se trabajar,
que es de 320 x 240
pxeles.
Se aplica diferentes
operaciones
morfolgicas, y otras
rutinas propias del
procesamiento de
imgenes, con el fin de
obtener una imagen
simple, sobre la cual
se puede aplicar la
etapa de anlisis.
Figura 3.21
Orientacin
Se determina el nmero
de vehculos presentes
en la imagen, su
posicin y la orientacin
de los mismos.
CAPTULO 4
SIMULACIN Y EVALUACIN DE RESULTADOS
Para todos los casos mostrados, la imagen base con la que se realiza la resta de
imgenes, es la misma, y se encuentra almacenada en la memoria del
computador.
PRUEBA N 1
(a)
(d)
(b)
(e)
(c)
(f)
(g)
Figura 4.2. (a) Imagen original. (b) Resultado del valor absoluto de la resta de imgenes. (c) Histograma aplicado a la zona sealada
en (b). (d) Imagen umbralizada. (e) Imagen enmascarada (f) Imagen despus de aplicar el filtro mediana. (g) Imagen final de la etapa
de procesamiento.
(h)
color 255 0 0
xmin 143 xmax 202
newcolor 254
ymin 79 ymax 122
color 255 0 0
xmin 130 xmax 144
newcolor 253
ymin 127 ymax 136
color 255 0 0
xmin 199 xmax 212
newcolor 252
ymin 163 ymax 171
Numero de regiones: 3
HAY VEHICULO ARRIBA
Angulo de inclinacin: -15.565467 grados
(i)
Figura 4.2. (h) Se puede apreciar la inclinacin del vehculo y compararlo con el resultado
final. (i) Resultado final del algoritmo.
PRUEBA N 2
(a)
(d)
(b)
(e)
(c)
(f)
(g)
Figura 4.3. (a) Imagen original. (b) Resultado del valor absoluto de la resta de imgenes. (c) Histograma aplicado a la zona sealada
en (b). (d) Imagen umbralizada. (e) Imagen enmascarada (f) Imagen despus de aplicar el filtro mediana. (g) Imagen final de la etapa
de procesamiento.
(h)
color 255 0 0
xmin 143 xmax 209
newcolor 254
ymin 81 ymax 118
color 255 0 0
xmin 123 xmax 145
newcolor 253
ymin 127 ymax 136
Numero de regiones: 2
HAY VEHICULO ARRIBA
Angulo de inclinacin: -2.729684 grados
(i)
Figura 4.3. (h) Se puede apreciar la inclinacin del vehculo y compararlo con el resultado
final. (i) Resultado final del algoritmo.
PRUEBA N 3
(a)
(d)
(b)
(e)
(c)
(f)
(g)
Figura 4.4. (a) Imagen original. (b) Resultado del valor absoluto de la resta de imgenes. (c) Histograma aplicado a la zona sealada
en (b). (d) Imagen umbralizada. (e) Imagen enmascarada (f) Imagen despus de aplicar el filtro mediana. (g) Imagen final de la etapa
de procesamiento.
(h)
color 255 0 0
xmin 120 xmax 196
newcolor 254
ymin 106 ymax 182
Numero de regiones: 1
HAY VEHICULO ABAJO
Angulo de inclinacin: -47.455365 grados
(i)
Figura 4.4. (h) Se puede apreciar la inclinacin del vehculo y compararlo con el resultado
final. (i) Resultado final del algoritmo.
PRUEBA N 4
(a)
(d)
(b)
(e)
(c)
(f)
(g)
Figura 4.5. (a) Imagen original. (b) Resultado del valor absoluto de la resta de imgenes. (c) Histograma aplicado a la zona sealada
en (b). (d) Imagen umbralizada. (e) Imagen enmascarada (f) Imagen despus de aplicar el filtro mediana. (g) Imagen final de la etapa
de procesamiento.
(h)
color 255 0 0
xmin 143 xmax 221
newcolor 254
ymin 77 ymax 116
color 255 0 0
xmin 120 xmax 144
newcolor 253
ymin 128 ymax 139
Numero de regiones: 2
HAY VEHICULO ARRIBA
Angulo de inclinacin: 0.878473 grados
(i)
Figura 4.5. (h) Se puede apreciar la inclinacin del vehculo y compararlo con el resultado
final. (i) Resultado final del algoritmo.
PRUEBA N 5
(a)
(d)
(b)
(e)
(c)
(f)
(g)
Figura 4.6. (a) Imagen original. (b) Resultado del valor absoluto de la resta de imgenes. (c) Histograma aplicado a la zona sealada
en (b). (d) Imagen umbralizada. (e) Imagen enmascarada (f) Imagen despus de aplicar el filtro mediana. (g) Imagen final de la etapa
de procesamiento.
(h)
color 255 0 0
xmin 120 xmax 215
newcolor 254
ymin 103 ymax 191
Numero de regiones: 1
HAY VEHICULO ABAJO
Angulo de inclinacin: -46.399397 grados
(i)
Figura 4.6. (h) Se puede apreciar la inclinacin del vehculo y compararlo con el resultado
final. (i) Resultado final del algoritmo.
PRUEBA N 6
(a)
(d)
(b)
(e)
(c)
(f)
(g)
Figura 4.7. (a) Imagen original. (b) Resultado del valor absoluto de la resta de imgenes. (c) Histograma aplicado a la zona sealada
en (b). (d) Imagen umbralizada. (e) Imagen enmascarada (f) Imagen despus de aplicar el filtro mediana. (g) Imagen final de la etapa
de procesamiento.
(h)
color 255 0 0
xmin 143 xmax 222
newcolor 254
ymin 77 ymax 115
color 255 0 0
xmin 120 xmax 217
newcolor 253
ymin 122 ymax 201
Numero de regiones: 2
HAY VEHICULO ARRIBA Y ABAJO
VEHICULO ARRIBA:
Angulo de inclinacin: 0.194862 grados
VEHICULO ABAJO:
Angulo de inclinacin: -36.160441 grados
(i)
Figura 4.7. (h) Se puede apreciar la inclinacin del vehculo y compararlo con el resultado
final. (i) Resultado final del algoritmo.
PRUEBA N 7
(a)
(d)
(b)
(e)
(c)
(f)
(g)
Figura 4.8. (a) Imagen original. (b) Resultado del valor absoluto de la resta de imgenes. (c) Histograma aplicado a la zona sealada
en (b). (d) Imagen umbralizada. (e) Imagen enmascarada (f) Imagen despus de aplicar el filtro mediana. (g) Imagen final de la etapa
de procesamiento.
(h)
color 255 0 0
xmin 143 xmax 215
newcolor 254
ymin 77 ymax 113
color 255 0 0
xmin 123 xmax 218
newcolor 253
ymin 116 ymax 157
color 255 0 0
xmin 164 xmax 171
newcolor 252
ymin 166 ymax 173
Numero de regiones: 3
HAY VEHICULO ARRIBA Y ABAJO
VEHICULO ARRIBA:
Angulo de inclinacin: 1.557424 grados
VEHICULO ABAJO:
Angulo de inclinacin: 4.682660 grados
(i)
Figura 4.8. (h) Se puede apreciar la inclinacin del vehculo y compararlo con el resultado
final. (i) Resultado final del algoritmo.
PRUEBA N 8
(a)
(d)
(b)
(e)
(c)
(f)
(g)
Figura 4.9. (a) Imagen original. (b) Resultado del valor absoluto de la resta de imgenes. (c) Histograma aplicado a la zona sealada
en (b). (d) Imagen umbralizada. (e) Imagen enmascarada (f) Imagen despus de aplicar el filtro mediana. (g) Imagen final de la etapa
de procesamiento.
(h)
color 255 0 0
xmin 143 xmax 218
newcolor 254
ymin 77 ymax 115
color 255 0 0
xmin 126 xmax 217
newcolor 253
ymin 119 ymax 158
Numero de regiones: 2
HAY VEHICULO ARRIBA Y ABAJO
VEHICULO ARRIBA:
Angulo de inclinacin: 1.892455 grados
VEHICULO ABAJO:
Angulo de inclinacin: 4.154851 grados
(i)
Figura 4.9. (h) Se puede apreciar la inclinacin del vehculo y compararlo con el resultado
final. (i) Resultado final del algoritmo.
PRUEBA N 9
(a)
(c)
(b)
(d)
(e)
Figura 4.10. (a) Imagen original. (b) Resultado del valor absoluto de la resta de imgenes. (c) Imagen umbralizada. (d) Imagen
enmascarada (f) Imagen despus de aplicar el filtro mediana.
(f)
color 255 0 0
xmin 176 xmax 182
newcolor 254
ymin 181 ymax 188
Numero de regiones: 1
NO HAY VEHICULOS
(g)
Figura 4.10. (f) Imagen final de la etapa de procesamiento. (g) Resultado final del algoritmo.
PRUEBA N 10
(a)
(b)
color 255 0 0
xmin 116 xmax 124
newcolor 253
ymin 126 ymax 134
color 255 0 0
xmin 126 xmax 155
newcolor 254
ymin 112 ymax 143
color 255 0 0
xmin 130 xmax 139
newcolor 252
ymin 145 ymax 154
Numero de regiones: 3
NO HAY VEHICULOS
(c)
Figura 4.11. (a) Imagen original. (b) Imagen final de la etapa de procesamiento. (c) Resultado
final del algoritmo.
Como se puede apreciar en las pruebas anteriores, los resultados son muy
acertados. El algoritmo determina correctamente la ubicacin de los vehculos, y
determina la orientacin de los mismos. El algoritmo tiene una eficiencia de 94.5%,
es muy acertado. En la mayora de las pruebas, el ruido generado por la resta de
imgenes es eliminado completamente. En los pocos casos en que no fue as, se
aprecia en la imagen final, regiones pequeas que son descartadas del anlisis por
sus dimensiones y ubicacin. Por la misma razn que se genera el ruido despus
de la umbralizacin, queda en la imagen trazos del cruce peatonal presente en la
zona de estudio. Como estos trazos no afectan directamente a la zona especfica
de anlisis, el enmascaramiento busca eliminarlos.
(a)
(b)
(c)
Figura 4.12. (a) Imagen base de la zona de estudio. (b) Imagen capturada con la cmara de
video, despus de la umbralizacin. (c) Imagen enmascarada.
Los vehculos presentan partes de color oscuro en sus superficies, esto provoca un
agujero negro en el resultado previo a la dilatacin y llenado de agujeros, esto es
un problema que el programa subsana en el siguiente paso. El problema radica
cuando los vehculos son de color entero y oscuro, estos casos no son
considerados en este trabajo de tesis (ver seccin 3.3).
En la figura 4.15, se muestra una tabla con los ngulos de inclinacin de los
vehculos hallados por el programa, y los ngulos de inclinacin hallados con la
ayuda de un transportador (el transportador se usa en la imagen original de cada
prueba, para hallar la inclinacin del vehculo con respecto a la horizontal).
Figura 4.14. Izquierda.- El algoritmo arroja como resultado que el vehculo superior est
inclinado 1.8 grados, mientras el inferior lo est 4.1 grados. Derecha.- El algoritmo arroja
como resultado que el vehculo superior est inclinado 1.5 grados, mientras el inferior lo est
4.6 grados.
Angulo
Angulo
Prueba
Programa
transportador
Error
Prueba N1
-16
-11
Prueba N2
-3
Prueba N3
-47
-49
Prueba N4
Prueba N5
-46
-45
-36
-39
-1
-1
Prueba N6
Prueba N7
Prueba N8
Resta de imgenes
[0.92 1.15]
Umbralizacin
[0.66 0.83]
Enmascaramiento
[ 2.00 2.18]
Filtro mediana
[41.6 43.12]
Dilatacin
[2.13 2.38]
Fill holes
[20.36 22.24]
* 90 = 5
100
x = 5 .5
Para hallar la eficiencia total de todo el algoritmo, se toma el caso ms crtico; as,
la eficiencia queda definida como: 94.5 %
CONCLUSIONES
Los resultados arrojados por el programa son muy acertados, como se puede
apreciar en el captulo 4, la eficiencia alcanzada por el algoritmo trabajado en
esta tesis es 94.5%. La velocidad de ejecucin del programa vara entre 85 y
92 milisegundos aproximadamente, lo que indica que se puede trabajar sin
problemas con secuencias de imgenes de 10 cuadros por segundo. Para las
velocidades de los vehculos presentes en la zona de estudio (menores a 40
Km/seg cuando ingresan a la zona especfica de anlisis), resulta ser una
velocidad de muestreo apropiada para esta aplicacin. La etapa que toma ms
tiempo de ejecucin es la de procesamiento, con un tiempo que vara entre 67
y 71 milisegundos. La etapa con menos tiempo de ejecucin es la de anlisis,
con un tiempo promedio de 8 milisegundos.
los
vehculos,
distorsionados.
Ambos
filtros
son
RECOMENDACIONES
1. Hacer pruebas durante la noche, con luz artificial. Tanto con luz blanca como
amarilla, y comparar resultados.
2. En escala natural, la altura de la cmara con respecto al suelo es de 17.5
metros. Esto puede mejorarse, pues una altura menor reducira costos de
instalacin.
3. Trabajar con ms profundidad la etapa de pre-procesamiento, con el objetivo
de ampliar la gama de colores de los vehculos con los que trabaja el algoritmo.
4. Trabajar diferentes herramientas para eliminar el ruido que se presenta en la
resta de imgenes. Usar otros tipos de filtros, como el gaussiano, o
implementar otras rutinas que mejoren el resultado obtenido con el filtro
mediana, y/o reducir el tiempo de ejecucin de ste.
5. Mejorar la rutina de umbralizacin, de manera que el valor umbral se modifique
automticamente dependiendo de los niveles de iluminacin de la imagen.
Trabajar con un valor umbral variable, facilitara las pruebas con luz artificial.
6. Aplicar el algoritmo a secuencias de imgenes (video), y tomar en cuenta los
resultados para mejorar el programa.
FUENTES
[14] PARKER, J.
1996 Algorithms for image processing and computer vision
New York: Willey
[26] JEREZ
Centro de control de trfico [En lnea] Jerez (Espaa).
[Consultado 10/09/06]
<http://www.webjerez.com/index.php?id=609>
[28] MTC
[Consultado 15/09/06]
<http://www.mtc.gob.pe>