Robust vehicle detection under different weather conditions

Resumen

Resumen La introducción de nuevas técnicas para mejorar la solidez y la precisión de la detección de vehículos es de evidente importancia para los Sistemas Inteligentes de Transporte (conocidos como ITS por sus siglas en inglés), ya que les permite afrontar diferentes problemas y desafíos. La variabilidad de entornos de conducción como urbanos y áreas interurbanas, las diferentes y cambiantes condiciones climáticas y de iluminación tienen una alta incidencia en el rendimiento de la detección del vehículo y procesos posteriores. Esta tesis propone una serie de métodos mejorados respecto al estado del arte que ofrecen una alta precisión que permita hacer frente con éxito a los desafíos existentes. Con el fin de ofrecer resultados fiables y validar el procesamiento rápido y robusto de la solución, el rendimiento de los métodos propuestos se ha evaluado a partir de una base de datos propia construida con vídeos grabados en España e Irán bajo diferentes condiciones climáticas, de iluminación y contextuales; a partir de los cuales se ha llevado a cabo una validación completa. Del estudio del estado del arte presentado en la tesis se concluye que los métodos basados en imágenes para la detección de vehículos tienen dificultades para la adquisición de imágenes buenas debido al efecto de perspectiva y el ruido de fondo. Por lo tanto, se propone un esquema de detección de vehículos de alta precisión mediante el uso de una versión modificada del mapeo de perspectiva inversa (MIPM) dentro de un primer método, que integra un marco cooperativo que se adapta sobre la base de dos análisis complementarios. Las características espectrales asociadas a una característica espacial están integradas en el análisis a nivel de píxel. Posteriormente, en el análisis a nivel de región se extraen las características geométricas de los vehículos con el objetivo de reducir la tasa de falsos positivos. El análisis posterior se realiza en la imagen original basada en un operador de diferencias discreto que obtiene información precisa de los vehículos. A continuación, se proponen estrategias basadas en reglas para reducir la tasa de falsos negativos y proporcionar los resultados finales de detección. Como se muestra en los resultados experimentales, se logra una mayor precisión mediante la imagen transformada del MIPM, lo que lleva a un incremento en el rendimiento de detección del vehículo en todas las condiciones climáticas. Experimentalmente, se ha verificado que las pequeñas diferencias cualitativas que proporcionan los métodos de transformación se manifiestan de importancia crucial en el resultado final de los sistemas de supervisión del tráfico. En comparación con los métodos publicados con anterioridad se demuestra que integrando MIPM, no sólo es más simple y directo, sino también que es más preciso. De esta forma, se puede concluir que el método propuesto es válido para extraer y recoger información de tráfico real. La tesis propone un segundo método con el fin de hacer frente a una vibración de la cámara debido al viento o de la infraestructura en condiciones climáticas adversas y permitir un sistema de detección de vehículos preciso. Este se ha desarrollado a través de tres unidades principales que están estrechamente integradas. En particular, la unidad basada en movimiento es capaz de detectar vehículos mediante características espectrales y temporales basadas en las características estadísticas de los píxeles de la imagen y una combinación de varios procesamientos adicionales. Además, la precisión del sistema se incrementa mediante la incorporación efectiva de los datos adquiridos en las diferentes partes del método propuesto. En cuanto a la unidad basada en el conocimiento, se ha desarrollado un marco de trabajo con un filtro de partículas adaptable alimentado con múltiples mediciones y un modelo de ruido realista que requiere la información de la unidad anterior en las diferentes etapas. Sobre esa base, se puede que justificar que la segunda unidad es beneficiosa ya que permite refinar los resultados gruesos obtenidos por el primer método debidos a las condiciones desfavorables. Por último, la unidad de toma de decisiones aumenta la precisión de la estimación al considerar las diversas situaciones desde dos puntos de vista diferentes. La evaluación de este segundo método se divide en dos partes, con el fin de probar el mayor rendimiento del método propuesto frente a otros. A diferencia de la literatura anterior, el método propuesto logró un resultado más preciso en condiciones climáticas adversas mediante la integración efectiva de los diversos datos de las unidades propuestas. En resumen, los resultados experimentales muestran que los métodos propuestos ofrecen grandes mejoras en términos de precisión, robustez y estabilidad en la vigilancia del tráfico. PALABRAS CLAVE: ITS, MIPM, Detección de vehículos, Precisión de la detección, Filtro de Partículas, cámara con vibraciones, condiciones climáticas adversas.