Aplicación de técnicas de detección de objetos en imágenes mediante Deep Learning para la ayuda en la conducción en situaciones de tráfico complejas

Abstract

El aprendizaje automático es una disciplina de la inteligencia artificial que ha cobrado importancia en los últimos años, resultando una pieza clave en multitud de investigaciones. Entre otros, ha sido el gran posibilitador de la conducción autónoma. Los vehículos autónomos, aún en desarrollo, son aquellos que son capaces de conducirse a sí mismos sin intervención humana. Para ello, se apoyan en los llamados ADAS, sistemas avanzados de ayuda a la conducción, con los que perciben el entorno para tomar decisiones. La hipótesis que ha guiado la presente tesis doctoral ha sido la de emplear técnicas de Deep Learning, para desarrollar nuevos sistemas de ayuda que informen al conductor de situaciones de la vía. Esto se ha realizado sobre dos casos de uso. El primero, un detector de paneles luminosos de mensaje variable o VMS, que toma instantáneas de la carretera, los localiza, y locuta su contenido. Su funcionamiento está basado en un modelo de aprendizaje profundo, y de un pipeline que procesa la imagen, extrayendo el texto mediante el modelo de reconocimiento óptico de caracteres y reproduciendo el contenido mediante el servicio de la nube. El segundo, un analizador de rotondas circulares de España que, mediante imágenes aéreas, reconoce los distintos carriles y vehículos y extrae información acerca de su estado. Para ello, este sistema encadena varios algoritmos de visión por computador para reconocer las circunferencias de los carriles y un modelo de aprendizaje profundo que detecta los distintos tipos de vehículos.