EVALUATION AND SELECTION PROCESS
CONTRACT FOR SERVICES
Daniela Giraldo Jiménez 16[autor]
Simón Calderón Ramírez 16[autor]
Sebastián Felipe Pinzón Orozco 16[autor]
Camilo Andrés Flórez Velásquez 16[autor]
Resumen
Las últimas investigaciones en el desarrollo de aplicaciones de Visión Artificial para el conteo de objetos de interés presentes en una imagen, se fundamentan en el empleo de algoritmos de inteligencia artificial para la detección de conectividad entre imágenes, usando por ejemplo redes Neuronales (Maldonado, 2006), o algoritmos de segmentación sofisticados como la segmentación por Morfología Matemática y substracción de las escenas a partir de un marco de referencia – Diferenciación de Frames – Flujo Óptico – Sensado Tridimensional y Modelaje Estadístico (Leal & Branch, 2010).
En particular en Colombia se han desarrollado algunos prototipos de programas de visión artificial para el diseño e implementación de Sistemas de Monitoreo de Tránsito Vehicular (SMTV), con el objetivo de medir y controlar de forma automática el flujo vehicular. Hasta la fecha el área de investigación en SMTV está en continua evolución en la medida que se cuentan cada vez con computadores más poderosos, capacitados para soportar la ejecución de algoritmos cada vez más robustos e inteligentes de procesamiento digital de señales (Leal & Branch, 2010).
Los elementos presentados han motivado el proyecto presentado, donde se procederá a diseñar una aplicación para contar objetos o características presentes en una imagen, a partir del uso de algoritmos de segmentación por características morfológicas y detección de conectividad entre objetos, con la finalidad de verificar el grado de éxito del algoritmo en la medición automática de la cantidad de vehículos de transporte público (inicialmente taxis presentes en una intersección de la ciudad de Medellín), y así desarrollar un prototipo funcional de una aplicación de SMTV.
16 Programa de Ingeniería de Telecomunicaciones, Semillero de Investigación Procesamiento Digital de Señales – Ingeniería de Telecomunicaciones, Universidad Santo Tomás, Medellín. Correo electrónico: [email protected]
95
El algoritmo inicialmente diseñado fue puesto bajo prueba bajo condiciones de luz controlada, sobre imágenes que contiene objetos poligonales con la misma forma y color, sobre un fondo homogéneo. El algoritmo de conectividad implementado fue el Recursivo con Vecindades 4 – píxeles, aplicado a una imagen en formato .bmp capturada por una webcam previamente umbralizada y binarizada.
Los resultados obtenidos ilustran que existe un alto porcentaje de éxito en la medición en la cantidad de patrones, enseñando que la técnica propuesta tiene un gran potencial para su aplicación en la medición de conteo de objetos, en particular en el sector del transporte público donde se desea evaluar el número de vehículos de transporte público presente en una intersección de la ciudad.
Introducción
La Alcaldía de Medellín cuenta con un Sistema Inteligente de Movilidad que emplea entre otras componentes una red de cámaras de video CCTV, que monitorean continuamente las principales vías de la ciudad desde el Centro de Control del Transito con la finalidad de detectar incidentes que afecten la movilidad (Secretaría de Movilidad de Medellín, 2015). Esta red de cámaras es controlada por personal humano capacitado que se encarga de medir continuamente todos los eventos que puedan ocurrir a nivel de flujo vehicular y accidentalidad. Estas cámaras no cuentan con la capacidad de ejecutar mediciones de interés para el diseño de los planes de movilidad de la ciudad, como por ejemplo medir el número del parque automotor o el flujo del mismo (parque automotor por unidad de tiempo), ya que no poseen elementos de visión artificial que los capaciten para la tarea mencionada.
Desde esta perspectiva, el Semillero de Investigación en Procesamiento Digital de Señales – Ingeniería de Telecomunicaciones propone una investigación de corte cuantitativo, en la cual se diseñará e implementará una solución fundamentada en algoritmos de visión artificial que sea potencialmente útil para la medida del número de automóviles presentes en una intersección cuando estos se encuentran detenidos por el pare de un semáforo; con la finalidad de apoyar el desarrollo de aplicaciones de alto impacto para la ciudad de Medellín en el área de SMTV, o para el sector privado que requiere de este tipo de soluciones para el control de su parque automotor.
Marco Teórico y Estado del Arte
Los algoritmos de conectividad, pertenecientes al área de visión artificial, están dedicados a separar las imágenes de interés del fondo de la imagen, y se pueden emplear para el conteo de imágenes, tal como lo documentan (Neira, 2010) y (Trespaderne, 2012). Estos algoritmos se fundamentan en el concepto de Vecindad N
96
- Píxel (Vecindad 4, Vecindad 6 y 8), que sirven para establecer la conectividad o la posibilidad de establecer una trayectoria continua entre dos puntos A y B perteneciente a una imagen. Se propone inicialmente aplicar el algoritmo de conectividad para detectar y contar imágenes disjuntas binarias de color blanco, que están sobre un fondo de color negro. Para tal fin se usará un algoritmo recursivo usando una vecindad 4 – píxel. El algoritmo mencionado se modificará para generar etiquetas de enumeración a imágenes que están interconectadas, y finalmente se contarán cuantas etiquetas distintas ha generado el algoritmo a diseñar, que debe ser igual al número de objetos distintos sobre la imagen. El algoritmo de conectividad es bastante sensible al ruido de “salpicadura de sal” (píxeles con valores totalmente diferente al de sus vecinos) (Neira, 2010), lo cual implica que es importante usar un filtro de promediación como por ejemplo un filtro de Gauss, para uniformizar el valor de los píxeles en escalas de grises, y así atenuar el ruido presente en la imagen que puede provocar conteos falsos.
Para aplicar el algoritmo para el conteo de objetos de interés de una imagen, es importante previamente aplicar un algoritmo de segmentación por características morfológicas, como por ejemplo forma – color – textura, fundamentadas en las técnicas de detección de bordes como las técnicas de Canny y Sobel o el empleo de la transformada de Hough para la detección de rectas (Platero, 2005), o el uso de técnicas de segmentación por umbralización de colores (Manzanares, 2011).
Metodología Empleada
El tipo de investigación propuesta es de corte cuantitativo y el método planteado para alcanzar los objetivos propuestos es del tipo “deductivo-inductivo” e “inductivo- deductivo”.
La metodología propuesta para el desarrollo del proyecto de investigación es la siguiente:
A partir del uso de una imagen con objetos (polígonos) con formas de geometría regular y colores homogéneos, tomada bajo condiciones de luz controlada, se procederá a filtrar la imagen con un filtro Gaussiano con la finalidad de atenuar el ruido de “salpicadura de sal”, y luego se convertirá la imagen a escala de grises. La imagen convertida a escala de grises se segmentará inicialmente por la técnica de umbralización, para convertirla en una imagen binaria (fondo con píxeles iguales a cero, y objetos de interés con píxeles iguales a uno).
La imagen binarizada será sometida al algoritmo de conteo diseñado por el grupo de investigación, para etiquetar cada objeto presente en la fotografía, para posteriormente proceder a contar las etiquetas generadas cuyo resultado es consistente con el número de objetos.
97
El algoritmo diseñado se probará con múltiples imágenes con objetos geométricos capturadas bajo condiciones de luz controlada, contaminadas o no con ruido, con la finalidad de medir el número de casos exitosos (conteos exactos); con la finalidad de detectar y corregir las fallas de los algoritmos de segmentación y conectividad empleados.
A partir de las correcciones de los algoritmos se iniciará con el proceso de capturas de imágenes de vehículos de transporte público a una altura de aproximadamente entre 8 a 10 metros sobre el nivel del suelo, bajo diversas condiciones de luz, para luego aplicar el algoritmo de conteo diseñado. Las mediciones que se tomarán será el número de vehículos presentes durante el experimento contra el número de vehículos estimado por el algoritmo diseñado, bajo diversas condiciones de luz; para verificar el número de casos exitosos de conteo contra las condiciones de iluminación.
Por último se plantea ejecutar correcciones de naturaleza algorítmica u ópticas al sistema de medición (Cámara digital), para evitar los conteos anómalos provocados por las condiciones de luminosidad de la escena.
Resultados y Conclusiones
A la fecha se ha diseñado un programa de conteo fundamentado en el algoritmo de conteo de imágenes por etiquetado de píxeles aplicado inicialmente sobre imágenes binarizadas (de color blanco) sobre un fondo negro; capaz de enumerar objetos con diversas formas geométricas segmentadas previamente usando un algoritmo de detección de bordes, y aplicando una técnica de segmentación de color por umbralización.
Las técnicas empleadas de segmentación y conteo de imágenes han mostrado ser eficaces en el proceso de enumeración de imágenes, pero aún se presentan algunas dificultades en el proceso de segmentación debido a la confusión existente entre las fronteras de 2 o más imágenes diferentes, lo que provoca que el algoritmo las cuente como (1) sola imagen.
Se propone mejorar el algoritmo de segmentación, usando la propiedad de forma y color de los objetos presentes en las imágenes, usando por ejemplo la transformación de Rough que sirve para detectar rectas y círculos.
Referencias
Leal, Nallig; Leal Esmeide, Branch, John W. (2010). Sistema de Monitoreo de Tránsito Vehicular Basados en técnicas de segmentación de imágenes. Revista Avances en Sistema e Informática, Vol. 7 Número 3. Medellín , Colombia. ISSN 1657 – 7663
98
Maldonado, Chan Mauro (2006). Sistema automático de conteo y clasificación de flujo vehicular basado en secuencias de video y redes neuronales artificiales. Universidad Autónoma de Nuevo León. México.
Larcher, Ledda I., Biasoni, Enrique M.; Cattaneo, Carlos A.; Ruggeri, Ana I.; Herera, Cecilia (2011). Algoritmo para detección de bordes y ulterior determinación de objetos en imágenes digitales. Asociación Argentina de Mecánica Computacional, Mecánica Computacional Vol. XXX, pag 2841 - 2852. Rosario, Argentina.
Neira Parra, José. Curso de Visión por computador. Universidad de Zaragoza, tomado de la página web
http://webdiis.unizar.es/~neira/12082/12082conectividad.pdf
De la Fuente, Eusebio; Trespaderne, Felix Miguel (2012). Visión Artificial Industrial: Procesamiento de imágenes para inspección automática y robótica. Universidad de Valladolid. ISBN 978- 84-8448-730-2.
Platero, Carlos (2005). Apuntes de Visión Artificial. Escuela Universitaria de Ingeniería Técnica Industrial. Tomado del sitio web
http://www.elai.upm.es/webantigua/spain/Asignaturas/Robotica/InfoRobotica.htm Carcedo y Franco, Ana (2004). Tesis: Programa de Segmentación de regiones en imágenes médicas
en Matlab. Universidad de las Américas de Puebla.
Cuevas Jiménez, Erik Valdemar; Zaldivar Navarro, Daniel; Pérez, Marco. Procesamiento Digital de Imágenes con Matlab y Simulink.
Editorial Alfaomega & Ra - Ma. ISBN 978-607-707-030-6
De Giusti, Marisa R.; Vila, María Marta; Luján Villareal, Gonzalo (2005). Digitalización de documentos manuscritos para la preservación del patrimonio cultural. III Simposio Internacional de Bibliotecas Digitales (San Pablo, Brasil).
Gómez Rodríguez, Francisco; Domínguez Morales, Manuel J. Fundamentos de la visión artificial. Departamento de Arquitectura y Tecnología de Computadores, Universidad de Sevilla. Tomado del sitio web http://rodas.us.es/file/26a3632e-7124-4e72-b045-
d9ae3edd3938/1/Fundamentos%20de%20la%20Vision%20Artifical.pdf
Moreira Quiroz, José; Valencia Delgado, Vladimir; Chávez Burbano, Patricia (2009). Implementación de un algoritmo para la detección y conteo de células en imágenes microscópicas. Red de repositorios de acceso abierto de Ecuador. Tomado del sitio web
http://www.dspace.espol.edu.ec/handle/123456789/16146.
Luzardo M, Gonzalo (2009). Segmentación de imágenes basado en etiquetación de pixeles. Escuela Superior Politécnica del Litoral, Ecuador. Tomado del sitio web
http://blog.espol.edu.ec/gluzardo/files/2009/04/merge_labeling.pdf
Ramírez- Manzanares, Alonso (2011). Reporte de búsqueda, detección y conteo de objetos. Tomado del sitio web http://www.cimat.mx/~alram/VC/ramirez_segmObjDetecc.pdf
99