REVISTA DE INGENIERIA DYNA

Palabras clave:

localización de vehículos, autocorrelación local, bordes horizontales, método olvido exponencial, Vehicle tracking, Local autocorrelation, Horizontal edges, Exponential forgetting method

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

Se propone un nuevo método para el seguimiento de vehículos en movimiento basado en la identificación por autocorrelación local (LAC) y en el perfil horizontal (HE) con objeto de mejorar su identificación. Las imágenes de autocorrelación local se generaron como pre-tratamiento para la identificación de perfil horizontal, de forma que las características de dicho perfil horizontal pudieran ser reforzadas en caso de verse reducidas por la influencia de las condiciones climáticas. Un modelo de antecedentes robusto basado en el método de olvido exponencial (EFM) puede ser obtenido, detectando las zonas del vehículo en movimiento a través de la eliminación de antecedentes. Se detectó el perfil horizontal estable del vehiculo a través del seguimiento del mismo, la cual fue normalizada posteriormente en la secuencia de imágenes para mejorar la tasa de detección. Se utilizó la distancia de la coordenada del baricentro de los perfiles horizontales para seguir los vehículos en las secuencias de vídeos de tráfico. Las coordenadas del baricentro se modificaron utilizando un coeficiente de corrección para asegurar el efecto de la etapa de seguimiento. Las zonas donde se localizan el vehículo se marcaron utilizando cajas rectangulares en los fotogramas durante la etapa de seguimiento del vehículo. Se emplearon vídeos de tráfico en diferentes condiciones complejas (tiempo neblinoso, fuerte luz solar, mañana y tarde) así como imágenes de prueba para verificar la eficacia del método propuesto. Los resultados experimentales muestran que una mayor tasa de identificación de vehículos en movimiento es obtenido a través del método propuesto. El novedoso método propuesto puede usarse para mejorar los resultados de los sistemas inteligentes de transporte.
Palabras clave: Seguimiento de vehículos, Autocorrelación local, Perfiles horizontales, Método de olvido exponencial.