Algoritmo de programación estructurada, enfocado a la detección y conteo vehicular de manera inteligente en una intersección.

Contenido principal del artículo

Edwin Fernando Mejía Peñafiel

Resumen

Introducción. Se aborda el uso de Matlab a través de la creación de un algoritmo con programación estructurada, implementando un software que determine la presencia y clasificación de vehículos que pasan por una vía a través de una cámara, considerándose un problema de tráfico en las horas pico. Objetivo. Plantear un algoritmo codificado en Matlab que permita reconocer a través de un video los diferentes autos en una vía de acuerdo a sus dimensiones. Metodología. La metodología implementada es una híbrida entre desarrollo de software y desarrollo de sistemas inteligentes. Se realizaron 8 pruebas para poder establecer si el algoritmo nos presenta los resultados esperados en el reconocimiento de diferentes autos, utilizando herramientas y funciones que vienen con Matlab. Resultados. El algoritmo aplicado da un margen de error de más menos 8%, pero para llegar a esto se tuvo que ir de un error en la primera prueba del 80% hasta llegar al 7,5% del mismo, ya que todavía toca hacer algunos ajustes en el desempeño del algoritmo respecto a dimensiones de los vehículos, especialmente cuando tenemos mayor cantidad de ellos y de diferente tipo. Conclusión. La importancia radica que basado en esta aplicación inteligente, se puede processar vídeos que se captan de una cámara en la intersección de las vías, con esto se puede obtener flujo vehicular con hasta un 92% de efectividad, clasificación de vehículos diariamente y en horas pico. Considero que es una herramienta muy útil para que el problema del flujo vehicular tenga solución.

Descargas

La descarga de datos todavía no está disponible.

Detalles del artículo

Cómo citar
Mejía Peñafiel, E. F. (2021). Algoritmo de programación estructurada, enfocado a la detección y conteo vehicular de manera inteligente en una intersección. ConcienciaDigital, 4(3), 141-155. https://doi.org/10.33262/concienciadigital.v4i3.1776
Sección
Artículos

Citas

Branch, J. & Olague, G. (2001). La visión por computador: Una aproximación al estado del arte. Revista Dyna, 133.
Gualdron, O., Duque, M. and Chacón, A. (2013). Diseño de un sistema de reconocimiento de rostros mediante la hibridación de técnicas de reconocimiento de patrones, visión artificial e IA, enfocado a la seguridad de interacción robótica social. Revista Dialnet edición 6, pág. 16-28.
López, G. (2016). Sistema inteligente de reconocimiento de patrones con visión artificial para la alerta automática de intrusos en las áreas de almacenamiento de las pymes. Ambato: Universidad Técnica de Ambato.
Mejia, F., Jaramillo, K. and Gutiérrez, J. (2019). Matlab básico para Ingenierías. CIDEPRO Editorial. Ecuador.
Meza, D. (2020). Esta inteligencia artificial puede detectar si las personas están guardando “la sana distancia”. Consultado el 20 de enero de 2021 en: https://nmas1.org/news/2020/04/22/vision-ia-distancia
Pajares Martinsanz, G. and Santos Peñas, M. (2006). Inteligencia artificial e ingeniería del conocimiento. México: Alfaomega Grupo Editor
Salazar, M. and Manzano Herrera, D. A. (2012). Sistema de visión artificial para conteo de objetos en movimiento. El Hombre y la Máquina - Facultad de Ingeniería, Universidad Autónoma de Occidente, 87-101.
Sisalima, F. (2018). Sistema para la detección y conteo vehicular aplicando técnicas de visión artificial. Tesis previa la obtención del título de ingeniero en sistemas. Loja: Universidad Nacional de Loja. Consultado el 15 de febrero del 2021 de: http://192.188.49.17/jspui/bitstream/123456789/20892/1/Sisalima%20Ortega%2C%20Fabricio%20Roberto.pdf
TIOBE. (2017) Historia a largo plazo de los mejores lenguajes de programación. http://www.tiobe.com/tiobe-index//?6671423=1
Toledano, L. (2019). Desarrollo de App en Matlab para rehabilitación de espasticidad con ayuda del robot colaborativo Kuka LBR IIWA. Universidad Carlos III. Madrid – España.

Artículos más leídos del mismo autor/a