SMIT Sistema monitorización infracciones tráfico
•Transferir como PPT, PDF•
0 gostou•364 visualizações
Este documento presenta un proyecto de fin de carrera sobre el diseño e implementación de un sistema de monitorización de infracciones de tráfico (SMIT) que consta de tres subsistemas: reconocimiento óptico de señales, una aplicación móvil y un sistema experto. El objetivo principal es reducir el número de víctimas en la carretera mediante la detección y gestión de excesos de velocidad. Se describen los componentes técnicos del sistema y cómo funcionan, incluyendo el reconocimiento de señales mediante redes neuronales,
![[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],Contenido Proyecto fin de carrera: SMIT 5 min 5 min](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Recomendados
Recomendados
Mais conteúdo relacionado
Semelhante a SMIT Sistema monitorización infracciones tráfico
Semelhante a SMIT Sistema monitorización infracciones tráfico (20)
Último
Último (9)
SMIT Sistema monitorización infracciones tráfico
- 1. 5º Ingeniería Informática 17 de Septiembre de 2008 SMIT Diseño e implementación de sistema de monitorización de infracciones de tráfico Iván Pretel García Eduardo Castillejo Gil
- 6. Proyecto fin de carrera: SMIT
- 13. Proyecto fin de carrera: SMIT
- 14. Proyecto fin de carrera: SMIT 80
- 15. Proyecto fin de carrera: SMIT Proceso de reconocimiento Captura Identificación de patrones Digitalización Reconocimiento 90
- 20. Proyecto fin de carrera: SMIT Demostración
- 22. Proyecto fin de carrera: SMIT
- 26. Proyecto fin de carrera: SMIT Base de datos
- 28. Proyecto fin de carrera: SMIT Demostración
- 30. Proyecto fin de carrera: SMIT
- 31. Proyecto fin de carrera: SMIT
- 32. Proyecto fin de carrera: SMIT
- 35. Proyecto fin de carrera: SMIT Diseño y desarrollo: Árbol de decisión
- 37. Proyecto fin de carrera: SMIT rule "COMPROBAR_EDAD_LEVE_MR_MAYOR" when conductor : Conductor( edad >= 18 ) and decisionLog : DecisionLog (tarea == "COMPROBAR_EDAD_LEVE_MR") then decisionLog.setTarea (" OK_COMPROBAR_EDAD_LEVE_MR_MAYOR "); decisionLog.setPorcentaje_Plus(100); retract(decisionLog); end Regla de decisión final Diseño y desarrollo: Reglas (2/2)
- 39. Proyecto fin de carrera: SMIT Evaluación: Red de Inferencia (2/2)
- 42. Proyecto fin de carrera: SMIT Demostración Cliente del WS Servicio Web
Notas do Editor
- Muy buenos días a todos, somos Iván y Eduardo y vamos a presentar nuestro proyecto fin de carrera. Su nombre es el siguiente: “SMIT: Diseño e implementación de sistema de monitorización de infracciones de tráfico ”. Este proyecto aborda, como iremos viendo a lo largo de la presentación y como se puede consultar en la documentación, el diseño y la implementación de un sistema capaz de registrar y almacenar excesos de velocidad en la carretera, procesarlos, y dar como salida las sanciones oportunas. Para ello se han desarrollado 3 subsistemas que en conjunto aportan la funcionalidad final del proyecto. El primero de ellos es una aplicación capaz de reconocer señales de tráfico de limitación de velocidad y de avisar al conductor si dicho límite está siendo excedido. Para este subsistema se hacen uso, como veremos durante la presentación, de redes neuronales. El siguiente elemento importante es una aplicación móvil y muy ligera, de forma que su cometido es visualizar los datos referentes al conductor, su vehículo y los excesos cometidos por el mismo. Esta aplicación hará de puente entre los otros 2 subsistemas, logrando así su comunicación. Por último, resta por nombrar el sistema experto desarrollado. Se trata de una aplicación que mediante el procesamiento de reglas de inferencia es capaz de devolver la sanción aplicable a una entrada determinada, que en este caso serán los excesos del vehículo. A continuación mostramos el índice de contenidos de la presentación.
- En primer lugar vamos a explicar a grandes rasgos el funcionamiento del sistema en general, a pesar de que la mayor parte de la funcionalidad la acabo de comentar en la diapositiva anterior. A continuación seguiremos con los objetivos y motivaciones que nos han llevado a desarrollar este proyecto. Intentaré ser breve y apuntar lo más destacable para no sobrepasar los 5 minutos aproximadamente. Siguiendo con la presentación, concluiré la primera parte de la misma explicando más en detalle el primero de los 3 subsistemas, el de reconocimiento de señales de tráfico, incluyendo una pequeña demo de su funcionamiento, para que a continuación mi compañero Iván tome la palabra y continúe con los otros 2 subsistemas. Os comentará también algunas aplicaciones futuras que consideramos importantes, y por último las conclusiones que hemos sacado de todos estos meses de trabajo en el proyecto. Si en algún momento tenéis alguna duda os pedimos que las apuntéis si es necesario, y las intentaremos resolverlas al final de la presentación. Introducción
- Bueno pues como acabo de indicar, para comenzar vamos a empezar con la descripción general del sistema. Introducción
- Como ya he comentado al principio de la presentación, el proyecto final consta de 3 subsistemas que se comunican entre sí buscando la funcionalidad final. El primero de ellos, y del que luego hablaré más en detalle, es el sistema de reconocimiento de señales. Éste quedará instalado en el vehículo y su objetivo será el de recoger los excesos de velocidad cometidos por el conductor mediante la captura de imágenes de la vía y procesando aquellas que contengan señales de limitación de velocidad. Aquellas señales que contengan fondo blanco y numeración en color negro, serán procesadas por la red neuronal diseñada. El segundo subsistema no es más que una aplicación móvil cuyo único objetivo es el de conectarse al vehículo y visualizar la información del mismo, tanto del propio vehículo como la de su titular y los excesos que hayan sido registrados por el subsistema anterior. Estos excesos serán enviados al sistema experto el cual los procesará y obtendrá como salida las sanciones necesarias para ese conductor, teniendo no sólo en cuenta el exceso de velocidad cometido, como ya detallará mi compañero Iván. Introducción
- Un punto importante del proceso radica en el proceso de comunicación de los excesos por parte de la aplicación móvil al sistema experto. Podemos decir que el sistema experto trabaja off-line, es decir, el agente envía los excesos del vehículo mediante el dispositivo móvil y se olvida del tratamiento de los mismos. Pero existe un paso anterior. Previamente los excesos pasan por un servicio web que comprueba si los excesos cometidos por el conductor requieren la intervención inmediata del vehículo, por ejemplo para ponerle un cepo. Este servicio web compara los datos XML enviados desde la aplicación móvil con una tabla XML codificada que contiene las velocidades límites y los importes base de rebasarlas, así como los puntos a restar. Si el conductor quedara sin puntos, el servicio web notificaría al agente de inmediato que el vehículo deberá ser inmovilizado. A continuación y de forma off-line el servicio web enviará los excesos al sistema experto para su proceso. La justificación de esta tabla en formato XML sobre velocidades reside en que las infracciones e importes bases por rebasar los límites, así como los puntos a restar, están siempre sujetos a cambios, por lo que únicamente modificando dicha tabla el sistema seguiría siendo viable y estaría actualizado. Introducción
- En este diagrama podemos observar cual es el funcionamiento esquemático de los subsistemas, y su comunicación. Como podéis ver, la aplicación móvil envía la información al servicio web, que la compara con un tabla y envía los excesos en formato XML al sistema experto. Existe un componente adicional que no he mencionado hasta ahora, y se trata de la aplicación cliente del sistema experto, cuya función es sencillamente la de utilizar el sistema experto. Iván os enseñará en una pequeña demostración su funcionamiento. Introducción
- El siguiente punto es el de objetivos, en el que comentaremos algunos de los que nos llevaron a implementar esta solución Introducción
- Por supuesto, el más importante, el de reducir el número de víctimas. ¿Cómo? Pues ajustando las velocidades a lo que dicta la norma. Es cierto que desde la implantación del carnet por puntos la siniestralidad en las carreteras ha descendido, basta con observar las cifras de los primeros meses de los últimos 5 años, pero creemos que el sistema actual, aunque eficiente, sigue siendo incompleto. Creemos que con la ayuda del sistema propuesto se podrían reducir aún más el número de víctimas. Lo que vamos a lograr con este sistema es una vigilancia total, por el hecho de que el subsistema que se encarga de analizar las señales entrará en funcionamiento en el mismo momento en el que el vehículo es arrancado. De este modo radares y controles de velocidad serían innecesarios. Introducción
- Como acabo de comentar, al reducir la inversión en radares, controladores de velocidad, vigilancia de agentes, etc, se conseguiría una reducción de los costes proporcional al gasto que supondría implantar el sistema final. Quizás incluso logrando beneficios. Otro objetivo es el de ayudar a la gestión de las sanciones a las distintas infracciones cometidas. Es común que a un exceso de velocidad le siga una multa a los 3 meses de haber cometido la infracción. Con esta solución se pretende reducir drásticamente esos tiempos. Introducción
- Bueno, para concluir con esta introducción vamos a explicaros brevemente las motivaciones para el desarrollo del proyecto Introducción
- Que no son más que las siguientes: El uso de nuevas tecnologías La investigación en el campo de la inteligencia artificial Por supuesto el deseo de aprender cosas nuevas Y además conseguir resolver un problema real Introducción
- Y ahora sí, vamos a comenzar a detallar uno a uno los subsistemas desarrollados. El primero de ellos, el subsistema de reconocimiento de señales de tráfico. Introducción
- En este esquema podemos observar cual es el papel de este subsistema dentro del proyecto en general. Introducción
- El funcionamiento es muy sencillo. Una cámara instalada dentro del vehículo registra las imágenes tomadas de la carretera. Si se identifica una señal circular de limitación, es procesada por la red neuronal. En este momento se produce la comparación de velocidades, de modo que si la actual resulta mayor que el límite establecido por norma, se emite una señal al conductor para que la reduzca. Si éste no hace caso a la alarma emitida, se almacena el exceso. Introducción
- El proceso para el reconocimiento de las señales es el siguiente: Primero se capturan imágenes cada 2 segundos. Esto es así por las limitaciones de la propia red neuronal. A continuación se procede a la identificación de un patrón circular en la muestra. Si se obtiene uno, se pasa al siguiente paso. En caso negativo se desecha la muestra y se vuelve al paso anterior. La identificación de patrones la hemos implementado haciendo uso de la librería de visión artificial OpenCV, y haciendo uso de C++ por su rapidez de ejecución. En el siguiente paso lo que hacemos es generar un array binario bidimensional de 30x30 posiciones, de forma que el 0 se corresponde con el negro y el 1 con el blanco. Este array es el que le pasamos a la red neuronal, que intentará identificar la limitación correspondiente. Introducción
- Para identificar los patrones circulares lo que hacemos es utilizar una función de OpenCV que nos devuelve las coordenadas del centro del círculo y su radio, de forma que podemos calcular fácilmente el cuadrado circunscrito en la circunferencia. Esto queda almacenado en memoria en el array bidimensional. Introducción
- Para obtener el array binario a partir de la imagen ya capturada tenemos que discretizar ciertos valores de forma que el negro y el blanco sean inconfundibles. Para ello lo que hacemos es comparar el valor RGB por separado de cada píxel con el límite de tolerancia establecido en 171,24, de forma que todo píxel con valor superior equivaldrá a blanco, y los inferiores al negro. Como podemos observar en la figura se debe encontrar un equilibrio para ajustar este límite. Para ello se obtuvieron 24 imágenes de señales de tráfico y manualmente se estableció el límite aproximado de tolerancia para cada una. El valor 171,24 no es más que la media aritmética de los límites de estas muestras. Al final del proceso, el array de 900 entradas (30x30) queda como el de la imagen, espero que se aprecie bien… Debería ser un 50 pero bueno, aquí se nos ha escapado Introducción
- Hasta este momento la red neuronal no ha tomado las riendas del proceso. Es ahora cuando entra en acción, una vez obtenido el array bidimensional obtenido de la imagen procesada que será su entrada. Las salidas de la red serán los límites de velocidad existentes (son 11, de 10 a 120 exceptuando el 110 que no existe) Las entradas van siendo multiplicadas por los pesos de las neuronas capa por capa hasta generar los valores de salida. Éstos son tratados como porcentajes de acierto, estableciendo nosotros un valor límite del 80% para deducir que el valor de entrada se corresponde con esa salida. Las demás salidas son descartadas. En caso de varias salidas positivas, queda como salida definitiva la más restrictiva. Esto lo realiza una función que procesa las salidas de forma secuencial desde la más restrictiva (10 km/h) hasta la menos restrictiva (120 km/h) Introducción
- El entrenamiento al que hemos sometido a la red es el siguiente. Se han digitalizado manualmente 22 muestras de señales de limitación de velocidad, 11 claras y otras 11 con ruido aleatorio. De este modo hacemos que ante posibles objetos extraños delante de las señales podamos procesar sus valores. Además, para el entrenamiento de la red se ha hecho uso del algoritmo de propagación hacia atrás (o backpropagation). El algoritmo consiste en minimizar un error (comúnmente cuadrático) por medio de gradiente descendiente, el cual reduce el mencionado error cuadrático entre los valores de salida de la red y los valores meta para esas salidas. Introducción
- Y ahora os voy a hacer una pequeña demostración de su funcionamiento. Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción
- Introducción