UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN
FACULTAD DE INGENIERÍA MECÁNICA Y
ELÉCTRICA
Modelado y Simulación de Sistema Dinámico
Instructor: M.C. Oralia Zamora Pequeño
EQUIPO # 1
Nombre del Alumno Matricula
Renato Basaldúa Balderas 1680509
Hans Ricardo Dávila Acuña 1909603
Gabriel Alejandro López Gómez 1584853
Emanuel Vázquez Hernández 1942640
José Jaime Herrera González 1938647
Grupo: 003 Hora: J N1-N3
CICLO ESCOLAR AGOSTO – DICIEMBRE 2022.
PEDRO DE ALBA S/N, CIUDAD UNIVERSITARIA, SAN NICOLÁS
DE LOSGARZA, N.L, EL DIA 24 DE NOVIEMBRE DEL 2022.
Objetivo
Optimizar y agilizar el flujo del tráfico en las intersecciones viales de la ciudad,
mediante el control de semáforos utilizando un sistema que determine el tiempo de
circulación en cada vía con la ayuda de una cámara situada junto al semáforo, de la cual
se podrá recopilar la información necesaria para que el sistema mediante una IA
(Inteligencia Artificial) pueda tomar decisiones en tiempo real.
INTRODUCCIÓN
El propósito de este proyecto es el proponer una solución a una problemática
común que afecta a una gran mayoría de usuarios mediante un sistema inteligente el
cual pueda recopilar información en tiempo real y a partir de esta recolección de datos
calcular un tiempo optimo para el translado de los usuarios.
El sistema contaría con una cámara que capturase el tráfico que controla un
semáforo, esta imagen seria procesada por un programa la cual reconocerá la cantidad
de vehículos a través de una IA que puede ser programada y usada en Python con la
librería OpenCV (librería muy usada para el reconocimiento de objetos)
Normalmente los semáforos tienen una pequeña consola en donde se programa
el tiempo de circulación. En este caso el programa estaría cargado ahí y además de
conectarse con el semáforo, este también estaría conectado a la cámara que capturaría
la información vehicular.
El reconocimiento de objetos que se será usado en este sistema será
implementado gracias a la librería OpenCv, la cual es desarrollada por la compañía Intel.
Esta librería ha sido muy usada para el reconocimiento de objetos, ya que
mediante el uso correcto puede detectar una gran cantidad de formas como manos,
personas, animales y vehículos.
FUNCIONAMIENTO
Antes de presentar el funcionamiento tal cual del sistema, primero tenemos que
entender la teoría detrás del procesamiento de la imagen.
Como se menciono anteriormente, en este proyecto se utilizó la librería de
openCV para la captura de imagen y respecto a la detección de los objetos al momento
de procesar la imagen se hace uso de la “umbralización”.
La umbralización es un método básico para diferenciar un objeto del fondo de la
imagen mediante binarización, es decir, que agrupa píxeles o subregiones de la imagen
en regiones mayores basándose en un criterio prefijado.
FIGURA 1 – Ejemplo de valores umbrales
Por ejemplo, en la imagen de arriba se le puede obtener el umbral del fondo de la
imagen el cual es representado con un numero menor si el fondo es mas oscuro y un
numero mayor entre mayor sea el brillo del fondo como se puede apreciar en la figura 1
La forma de aplicar este método para la detección de objetos es primero procesar
la imagen a escala de grises.
FIGURA 2 – Imagen procesada en escala de grises
Ya procesada la imagen se extrae y los valores umbrales y se procede a
diferenciar el fondo al objeto en cuestión.
FIGURA 3 – Objeto identificado mediante diferencia del umbral
Para este proyecto se aplicó este método con la utilización de un “haarcascade”.
Un “haarcascade” es un archivo el cual contiene una red neuronal entrenada con
muchas referencias de algún objeto en especifico el cual mediante prueba y error va
mejorando su reconocimiento a través de los pesos de cada neurona al acertar la
similitud con lo obtenido por referencia.
Nosotros empleamos un haarcascade con referencias de carros el cual
simplemente tendremos que procesarla usando el método de umbralizacion.
1. Primero se obtiene la captura de la imagen
2. Esta captura es procesada en escala de grises
3. Ya procesada se aplica el contraste con el fondo mediante la diferencia umbral la
cual es detectada con la ayuda del haarscade
4. Ya que tiene las referencias de cada objeto dentro de la imagen, esta es rodeada
con un contorno y es contabilizada para poder ser procesada en código.
FIGURA 4 – Detección de vehículos a partir del uso del procesamiento de la imagen
La forma en la cual se va a capturar esta imagen puede ser de las siguiente dos
formas:
Mediante conexión directa: Simplemente se conecta cualquier tipo de cámara
con el programa y este al mandar la captura de video, el programa capturara cada
frame y lo procesara
Mediante transmisión de video en la misma red local: Para poder ofrecer mayor
flexibilidad en la captura de video, se puede optar por transmitir la imagen al
programa siempre y cuando se encuentren en la misma red, así ofreciendo
flexibilidad en la localización y posicionamiento de la cámara.
Ya se hablo sobre lo referente al uso de la inteligencia artificial mediante el
lenguaje de Python, pero esto funcionara en conjunto a un semáforo creado mediante
componentes de Arduino.
CONCLUSION:
Elaborando el Proyecto llegamos a la conclusión que esto no solo lo dejaremos como
proyecto si no también lo podamos implementar en las calles de algún municipio que nos dé la
oportunidad. Tenemos las ganas y la motivación de realizarlo a nivel de estado.
Encontramos varias ideas a implementar y poder innovar y presentar una propuesta
de otro mundo, porque el proyecto es un gran paso al cambio de todo lo que hay ayudando a
simplificar el Trafico a un 100%.
Comprometidos e involucrados están todos los integrantes del proyecto y llegaremos
hasta el final para que este implementado.
