���������������������������������������������������������������������������������

 

Detecci�n y reconocimiento de los ocupantes de un veh�culo para la gesti�n de atenci�n en caso de accidentes de tr�nsito aplicando t�cnicas de visi�n artificial

 

Detection and recognition of the occupants of a vehicle for the management of attention in case of traffic accidents applying artificial vision techniques

 

Detec��o e reconhecimento de ocupantes de um ve�culo para a gest�o da aten��o em caso de acidentes de tr�nsito que aplicam t�cnicas de vis�o artificial

 

Jos� Luis Tinajero-Le�n ^I

joseluis.tinajero@espoch.edu.ec

�https://orcid.org/0000-0002-3389-4077

��������������� �

Esteban Augusto Guevara-Cabezas ^II

esteban.guevara@espoch.edu.ec

https://orcid.org/0000-0001-6652-047X

 

Alonso Washington �lvarez-Olivo ^III

aalvarez@espoch.edu.ec

https://orcid.org/0000-0002-9141-326X

 

Narcisa de Jes�s Salazar-�lvarez

nsalazar@espoch.edu.ec

https://orcid.org/0000-0002-6467-0906

 

Correspondencia: joseluis.tinajero@espoch.edu.ec

 

Ciencias t�cnicas y aplicadas

Art�culo de investigaci�n

����������������������������������������������������������������� ������������������������

*Recibido: 15 de febrero de 2020 *Aceptado: 27 de abril de 2020 * Publicado: 31 de mayo de 2020

 

         I.            Mag�ster en Sistemas de Control y Automatizaci�n Industrial, Ingeniero en Electr�nica Control y Redes Industriales, Docente en la Escuela Superior Polit�cnica de Chimborazo, Riobamba, Ecuador.

       II.            Laurea Magistrale in Ingegneria Elettronica, Laurea in Ingegneria Elettronica, Universit� Della Calabria, Extranjero, Docente en la Escuela Superior Polit�cnica de Chimborazo, Riobamba, Ecuador.

     III.            M�ster en Inform�tica Aplicada, Doctora en Matem�tica, Docente en la Escuela Superior Polit�cnica de Chimborazo, Riobamba, Ecuador.

     IV.            M�ster en Inform�tica Aplicada, Doctor en Matem�tica, Docente en la Escuela Superior Polit�cnica de Chimborazo, Riobamba, Ecuador.

 

 

Resumen

La tecnolog�a automotriz actualmente se encuentra en crecimiento. Debido a esto se ha generado problemas de incremento de tr�fico, que ha sido motivo del aumento de accidentes en las autopistas y ciudades, provocando notables p�rdidas humanas. La principal causa detr�s estas p�rdidas es debido al retardo y la falta de facilidades que se pueden brindar a los sistemas de emergencia que deben asistir a las v�ctimas, tomando en cuenta estos factores, este art�culo propone solucionarlos identificando el n�mero de ocupantes del autom�vil y realiza el reconocimiento de todos y cada uno de los individuos, de tal manera que los sistemas de emergencia gestionen de manera efectiva los recursos hacia el punto del accidente. El sistema propuesto utiliza un sistema embebido de bajo costo que permite controlar y gestionar los sensores de detecci�n de colisi�n, dispositivos de capturas de im�genes que permite detectar los rostros de los ocupantes del veh�culo, adem�s permite la comunicaci�n hacia el punto de inter�s con la informaci�n que se obtiene mediante la aplicaci�n de t�cnicas de procesamiento digital de im�genes dando soluci�n al problem�tica planteada mediante visi�n artificial, finalmente el sistema propuesto presenta un alto nivel de respuesta frente a las condiciones establecidas.

Palabras Claves: Visi�n artificial; detecci�n de rostro; reconocimiento; accidente.

 

Abstract

Automotive technology is currently growing. Due to this, problems of increased traffic have been generated, which has been the reason for the increase in accidents on motorways and cities, causing notable human losses. The main cause behind these losses is due to the delay and the lack of facilities that can be provided to the emergency systems that must assist victims, taking into account these factors, this article proposes to solve them by identifying the number of occupants of the car and performs the recognition of each and every individual, in such a way that emergency systems effectively manage resources towards the point of the accident. The proposed system uses a low-cost embedded system that allows to control and manage the collision detection sensors, image capture devices that allow detecting the faces of the vehicle occupants, and also allows communication to the point of interest with the information. Obtained through the application of digital image processing techniques, solving the problem posed by artificial vision, finally the proposed system presents a high level of response to the established conditions.

Keywords: Artificial vision; face detection; recognition; accident.

 

Resumo

Atualmente, a tecnologia automotiva est� crescendo. Por esse motivo, foram gerados problemas de aumento de tr�fego, motivo pelo aumento de acidentes nas rodovias e cidades, causando perdas humanas not�veis. A principal causa dessas perdas deve-se ao atraso e � falta de instala��es que possam ser fornecidas aos sistemas de emerg�ncia que devem ajudar as v�timas, levando em considera��o esses fatores, este artigo prop�e solucion�-las identificando o n�mero de ocupantes do ve�culo e realizando o reconhecimento de todo e qualquer indiv�duo, de maneira que os sistemas de emerg�ncia gerenciem efetivamente os recursos at� o ponto do acidente. O sistema proposto usa um sistema embarcado de baixo custo que permite que os sensores de detec��o de colis�o sejam controlados e gerenciados, dispositivos de captura de imagem que permitem a detec��o das faces dos ocupantes do ve�culo e tamb�m permite a comunica��o ao ponto de interesse com as informa��es. Obtido atrav�s da aplica��o de t�cnicas de processamento digital de imagens, resolvendo o problema da vis�o artificial, finalmente o sistema proposto apresenta um alto n�vel de resposta �s condi��es estabelecidas.

Palavras-Chave: Vis�o artificial; detec��o de rosto; reconhecimento acidente.

 

Introducci�n

Actualmente los accidentes de tr�nsito son unas de las primeras causas de muerte en el mundo entero (Chris Thompson,), tomando en cuenta que las consecuencias de los accidentes de tr�nsito dependen fuertemente de los tiempos de repuesta de los servicios de emergencia: El tiempo en el que ocurre el accidente y la llegada de los servicios de emergencia al lugar, adem�s, del nivel de informaci�n con respecto al n�mero y condici�n de la persona herida (Lorena San Vicente,).

Actualmente, la visi�n artificial se utiliza frecuentemente para la observaci�n de objetos y el entorno para obtener informaci�n relevante. A pesar de que la visi�n es una habilidad b�sica y com�n para personas normales, los procesos y principios para la determinaci�n del sistema visual son complejos (J Lemley, 2017).

La visi�n artificial tiene la capacidad de simular la visi�n humana mediante la reconstrucci�n de im�genes por computadora mediante la utilizaci�n de software/hardware para analizar y procesar Informaci�n visual. Dentro del proceso est�n inmersos sistemas de adquisici�n, transmisi�n, procesamiento, selecci�n, almacenamiento, que nos permiten comprender la informaci�n visual de la imagen o secuencia de im�genes, la visi�n artificial nos permite comprender el mundo externo mediante recopilaci�n de informaci�n relevante del objeto o ambiente, se basa en dispositivos electr�nicos y programas inform�ticos que nos permiten adquirir y procesar los datos obtenidos respectivamente (L Gonz�lez, 2016).

El sistema de visi�n artificial orientado para el reconocimiento facial presentado en este art�culo presenta caracter�sticas importantes de alta adaptabilidad y precisi�n, adem�s presenta una respuesta r�pida. Los resultados mostrados en base al algoritmo planteado son vers�tiles.

En este art�culo, proponemos el control los dispositivos de adquisici�n de datos y sensores de colisi�n mediante una tarjeta de desarrollo Raspberry Pi. La computadora Raspberry Pi es un sistema contenido en un chip (SoC, System on chip), posee un dise�o donde una sola placa contiene todos los circuitos esenciales para su funcionamiento, como la Unidad Central de Procesamiento (CPU), los Gr�ficos Unidad de procesamiento (GPU), varias entradas, salidas y circuitos de procesamiento (S Yamanoor, 2017). La disponibilidad de funciones como en los pines de entrada y salida de uso general (GPIO) hacen que la computadora sea apta para programar hardware, as� como para configurar circuitos electr�nicos y recopilar datos a trav�s de diversos medios. Esto hace que la computadora sea capaz de ser utilizada en diferentes aplicaciones (E. Upton, 2016).

Los sensores de colisi�n propuestos en este sistema se encuentran ubicados de manera estrat�gica en el prototipo con el fin de detectar de manera eficiente si se produce una colisi�n entre el veh�culo con un objeto. Por otro lado, la literatura sobre los sensores m�viles de colisi�n es relativamente nueva debido a las nuevas tecnolog�as inal�mbricas y de sensores que surgieron recientemente (C.G Cassandras). Adem�s debemos considerar para la implantaci�n factores como dise�o de redes de sensores est�ticos y din�micos. En sus criterios de dise�o, se consideran cuestiones como la cobertura m�xima, detecci�n de eventos y gasto energ�tico m�nimo de comunicaci�n (A. Ganguli, 2005).

 

 

 

Importancia del Problema

En muchas de las ocasiones durante un accidente de tr�nsito se desconoce el n�mero de ocupantes de un veh�culo y de las personas que se desplazan al interior del mismo, lo cual, representa un problema al momento de gestionar la atenci�n y env�o de los diversos sistemas de emergencia. La investigaci�n identifica de manera eficaz cuales son los diversos ocupantes que se encuentran al interior del autom�vil en el momento en se produce un accidente, permitiendo conocer con precisi�n quienes se encontraban dentro.

 

Metodolog�a

La investigaci�n realizada presenta un enfoque descriptivo, se dise�� un algoritmo para la identificaci�n, reconocimiento y almacenamiento de los rostros de los diversos ocupantes de un veh�culo. De manera adicional se implement� un sistema hardware que posiciona la c�mara Raspberry Pi NoIR en diferentes �ngulos para obtener las capturas de im�genes que permiten realizar el procesamiento digital de im�genes. Las etapas implementadas en el dise�o de software se detallan a continuaci�n:

Creaci�n de Base de Datos

Para realizar la identificaci�n de los ocupantes se crea una base de datos personalizada para cada veh�culo en donde se implementa el prototipo, se considera aproximadamente 10 personas que pueden conformar el grupo de an�lisis. Por cada individuo se realiza tres capturas modificando el �ngulo de posicionamiento del rostro, se utiliza el algoritmo de detecci�n de objetos en cascada para identificar el rostro y realizar un recorte donde se eliminan diversos distractores que pueden alterar al procesamiento digital de im�genes. En la Imagen 1 se evidencia la base de datos.

 

 

 

 

 

 

 

 

 

 

Imagen 1: Base de Datos

Fuente: J Tinajero, E Guevara y A �lvarez, Ecuador, 2019

 

Captura de Im�genes dentro del veh�culo

Mediante sensores instalados en los asientos del veh�culo, se realiza la activaci�n de un servomotor el cual posiciona a la c�mara en diversas posiciones, de modo, que se realizan varias capturas de cada una de las diversas ubicaciones donde se pueden sentar los ocupantes del veh�culo.�

Conversi�n de tipo de im�genes

Para facilitar el procesamiento digital de im�genes, se realiza la conversi�n del formato de im�genes. Las capturas realizadas en el interior del veh�culo son de tipo RGB, por lo tanto poseen aproximadamente 16,7 millones de colores en los cuales se puede desplegar la informaci�n, cabe destacar que las im�genes para el procesamiento tienen una dimensi�n de 120x120 pixeles lo cual facilita encontrar resultados. En la imagen 2 se evidencia el cambio de tipo de imagen.

 

 

 

 

 

 

 

 

 

Imagen 2: Conversi�n del tipo de imagen

Fuente: J Tinajero, E Guevara y A �lvarez, Ecuador, 2019

 

Correlaci�n de im�genes

Se emplea para determinar el porcentaje de parecido que poseen dos im�genes, es decir, el nivel de similitud que poseen las im�genes capturas de los ocupantes del m�vil con respecto de las im�genes que conforman la base de datos. El valor de la correlaci�n var�a entre el rango de -1 y 1 donde los extremos indican que dos im�genes poseen la misma informaci�n, pero si el valore se aproxima a 0 indica que las capturas procesadas son totalmente diferentes. La imagen 3 se despliega los valores encontrados de la comparaci�n entre las diversas im�genes.

 

 

Imagen 3: Valores de la correlaci�n de im�genes

	k = -0.4135���������� 0.3539�� ��� 0.0078����� 0.3048����������� 0.3059�� �� -0.1829 km = 0.3539

 

 

 

Fuente: J Tinajero, E Guevara y A �lvarez, Ecuador, 2019

 

Emparejamiento

Si el valor de correlaci�n es elevado, se procede a comparar la imagen ingresada con la base de datos. Para lo cual se emplea el algoritmo SURFFeatures el mismo que est� conformado por tres etapas: extracci�n, descripci�n y emparejamiento de caracter�sticas. Para el desarrollo de la aplicaci�n se extraen y detectan 100 puntos propios de cada una de las im�genes en estudio. Para desplegar el resultado se emplea el sobre posicionamiento de im�genes en las cuales se incluye los puntos m�s relevantes de las capturas realizadas con su respectiva base de datos. En la imagen 4 se evidencia los puntos caracter�sticos.

 

Imagen 4: Usuario del veh�culo no encontrado

Fuente: J Tinajero, E Guevara y A �lvarez, Ecuador, 2019

 

Ocupantes Nuevos

El sistema mediante programaci�n est� en la capacidad de identificar cuando un ocupante del veh�culo no pertenece a la base de datos creada, es decir, si el procesamiento digital de im�genes obtiene valores de correlaci�n cercanos a cero el algoritmo desarrollado realiza la detecci�n del rostro del individuo y almacena dicha informaci�n de manera permanente en el ordenador etiquetando al individuo. El recorte que se realiza al rostro detectado de una persona extra�a en el veh�culo se muestra en la imagen 5.

 

 

 

 

 

 

 

 

 

Imagen 5: Extracci�n, detecci�n y emparejamiento algoritmo SURFFeatures

Fuente: J Tinajero, E Guevara y A �lvarez, Ecuador, 2019

 

Env�o de alerta

De acuerdo a los individuos detectados e identificados el algoritmo en caso de existir una colisi�n, el algoritmo realizar� el env�o de dicha informaci�n mediante la activaci�n de diversos pines digitales de la tarjeta de desarrollo, los mismos que activaran un sistema de posici�n GPS y env�o de dicha informaci�n mediante mensajes de texto.

 

Resultados

Para la verificaci�n de la efectividad del algoritmo se desarrollaron 100 pruebas, de las cuales el 90% empareja las im�genes en forma adecuada y el 10% no logra emparejar correctamente, existiendo una diferencia significativa entre los aciertos versus los desaciertos.

 

Conclusiones

Se logra un posicionamiento adecuado de la c�mara mediante un servomotor ubicado en la base de esta, lo cual permite realizar diversas capturas de im�genes a todos los ocupantes del veh�culo.

El sistema propuesto evidencia un alto nivel de eficiencia en la detecci�n de los ocupantes del veh�culo mediante la comparaci�n con los diversos individuos de la base de datos creada, de forma espec�fica para la aplicaci�n.

Si el nivel de correlaci�n de las im�genes de la base de datos con la captura realizada es bajo, se almacena la imagen del rostro detectado de la persona y lo etiqueta como �INVITADO�

Las pruebas realizadas evidencian un alto nivel de confiabilidad para realizar el emparejamiento de dos im�genes, en base a la cantidad de puntos aplicados al algoritmo SURFFeatures se logra de forma adecuada el emparejamiento de las im�genes.

 

Referencias

1.      Chris Thompson, Jules White, Brian Dougherty, Adam Albright, and Douglas C. Schmidt, �Using Smartphones to Detect Car Accidents and Provide Situational Awareness to Emergency Responders�, Vanderbilt University, Nashville, TN USA

2.      Lorena San Vicente Foronda, �Automotive Events Detection using MEMS Accelerometers�, PildoLabs, Universitat Polit�cnica de Catalunya

3.      Rautaray, S. S., & Agrawal, A. (2015): Vision based hand gesture recognition for human computer interaction: a survey. Artificial Intelligence Review, Vol. 43, No. 1, pp. 1-54.

4.      Lemley, J., Bazrafkan, S., & Corcoran, P. (2017): Deep Learning for Consumer Devices and Services: Pushing the limits for machine learning, artificial intelligence, and computer vision. IEEE.

5.      Gonzalez, L. F., Montes, G. A., Puig, E., Johnson, S., Mengersen, K., & Gaston, K. J. (2016): Unmanned Aerial Vehicles (UAVs) and artificial intelligence revolutionizing wildlife monitoring and conservation. Sensors, Vol. 16, No. 1, pp. 97.

6.      S. Yamanoor, S. Yamanoor, �Python Programming with Raspberry Pi�, Packt: Birmingham, April 2017.

7.      E. Upton, J. Duntemann, R. Roberts, T. Mamtora, B. Everard, �Learning Computer Architecture with Raspberry Pi�, Wiley: Indianapolis, September 2016.

8.      C. G. Cassandras and W. Li, �Sensor networks and cooperative control,� Eur. J. Control, vol. 11, no. 4�5, pp. 436�463, 2005.

9.      A. Ganguli, S. Susca, S. Mart�nez, and F. B. J. Cort�s, �On collective motion in sensor networks: Sample problems and distributed algorithms,� in Proc. IEEE Conf. Decision Control, 2005, pp. 4239�4244.

 

References

1.      Chris Thompson, Jules White, Brian Dougherty, Adam Albright, and Douglas C. Schmidt, "Using Smartphones to Detect Car Accidents and Provide Situational Awareness to Emergency Responders", Vanderbilt University, Nashville, TN USA

2.      Lorena San Vicente Foronda, "Automotive Events Detection using MEMS Accelerometers", PildoLabs, Universitat Polit�cnica de Catalunya

3.      Rautaray, S. S., & Agrawal, A. (2015): Vision based hand gesture recognition for human computer interaction: a survey. Artificial Intelligence Review, Vol. 43, No. 1, pp. 1-54.

4.      Lemley, J., Bazrafkan, S., & Corcoran, P. (2017): Deep Learning for Consumer Devices and Services: Pushing the limits for machine learning, artificial intelligence, and computer vision. IEEE.

5.      Gonzalez, L. F., Montes, G. A., Puig, E., Johnson, S., Mengersen, K., & Gaston, K. J. (2016): Unmanned Aerial Vehicles (UAVs) and artificial intelligence revolutionizing wildlife monitoring and conservation. Sensors, Vol. 16, No. 1, pp. 97.

6.      S. Yamanoor, S. Yamanoor, �Python Programming with Raspberry Pi�, Packt: Birmingham, April 2017.

7.      E. Upton, J. Duntemann, R. Roberts, T. Mamtora, B. Everard, "Learning Computer Architecture with Raspberry Pi", Wiley: Indianapolis, September 2016.

8.      C. G. Cassandras and W. Li, �Sensor networks and cooperative control,� Eur. J. Control, vol. 11, no. 4�5, pp. 436�463, 2005.

9.      A. Ganguli, S. Susca, S. Mart�nez, and F. B. J. Cort�s, �On collective motion in sensor networks: Sample problems and distributed algorithms,� in Proc. IEEE Conf. Decision Control, 2005, pp. 4239�4244.

 

 

 

Refer�ncias

1.      Chris Thompson, Jules White, Brian Dougherty, Adam Albright e Douglas C. Schmidt, "Usando smartphones para detectar acidentes de carro e fornecer consci�ncia situacional para os socorristas", Universidade de Vanderbilt, Nashville, TN EUA.

2.      Lorena San Vicente Foronda, "Detec��o de eventos automotivos usando aceler�metros MEMS", PildoLabs, Universitat Polit�cnica of Catalunya

3.      Rautaray, S. S., & Agrawal, A. (2015): reconhecimento de gestos com as m�os baseado em vis�o para a intera��o computador humano: uma pesquisa. Revis�o de Intelig�ncia Artificial, Vol. 43, No. 1, pp. 1-54.

4.      Lemley, J., Bazrafkan, S., & Corcoran, P. (2017): Deep Learning para dispositivos e servi�os do consumidor: Aumentando os limites do aprendizado de m�quina, intelig�ncia artificial e vis�o computacional. IEEE.

5.      Gonzalez, L.F., Montes, G. A., Puig, E., Johnson, S., Mengersen, K. e Gaston, K. J. (2016): Ve�culos A�reos N�o Tripulados (UAVs) e intelig�ncia artificial revolucionando o monitoramento e a conserva��o da vida selvagem. Sensors, Vol. 16, No. 1, pp. 97

6.      S. Yamanoor, S. Yamanoor, �Programa��o em Python com Raspberry Pi�, Packt: Birmingham, abril de 2017.

7.      E. Upton, J. Duntemann, R. Roberts, T. Mamtora, B. Everard, "Learning Computer Architecture with Raspberry Pi", Wiley: Indianapolis, setembro de 2016.

8.      C. G. Cassandras e W. Li, "Redes de sensores e controle cooperativo", Eur. J. Control, vol. 11, n. 4-5, pp. 436-463, 2005.

9.      A. Ganguli, S. Susca, S. Mart�nez e F. B. J. Cort�s, �Sobre movimento coletivo em redes de sensores: problemas de amostra e algoritmos distribu�dos�, em Proc. IEEE Conf. Decision Control, 2005, pp. 4239-4244.

 

 

 

 

�2020 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) (https://creativecommons.org/licenses/by-nc-sa/4.0/).