- -

Generación de Regiones con Potencial de Contener Peatones usando Reconstrucción 3D No Densa a partir de Visión Monocular

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Generación de Regiones con Potencial de Contener Peatones usando Reconstrucción 3D No Densa a partir de Visión Monocular

Mostrar el registro sencillo del ítem

Ficheros en el ítem

dc.contributor.author Zubiaguirre-Bergen, Ignacio es_ES
dc.contributor.author Torres-Torriti, Miguel es_ES
dc.contributor.author Flores-Calero, Marco es_ES
dc.date.accessioned 2020-05-13T19:22:28Z
dc.date.available 2020-05-13T19:22:28Z
dc.date.issued 2018-06-22
dc.identifier.issn 1697-7912
dc.identifier.uri http://hdl.handle.net/10251/143089
dc.description.abstract [EN] Traffic accidents are a global public health problem, due to the high number of human victims and the elevated economic and social costs that generate. In this context, pedestrians are among the most important and vulnerable elements of the road scene that need to be protected. It is thus that, in this work an innovative proposal is presented where the monocular visual information is used to simulate the stereo vision, and from this :i) generate regions of interest (ROIs) with high possibility of containing a pedestrian, and ii) estimate the trajectory of the vehicle. Experiments have been developed into a dataset of images taken in several streets of Santiago (Región Metropolitana), Chile. This database was obtained using an experimental vehicle under real driving conditions during the day. The ROI detection rate is 86;6 % for distances less than 20 meters, 82;9 % for distances less than 30 meters and76;2 % for distances less than 40 meters. es_ES
dc.description.abstract [ES] Los accidentes de tráfico son un problema de salud pública a escala mundial, por el alto número de víctimas humanas y los elevados costos económicos y sociales que generan. En este contexto, los peatones se encuentran entre los elementos más importantes y vulnerables de la escena vial que necesitan ser protegidos. Es así que en este trabajo se presenta una innovadora propuesta utilizado la información visual monocular para emular la visión estéreo, y a partir de ello: i) generar regiones de interés (ROIs) con alta posibilidad de contener un peatón, y ii) estimar la trayectoria del vehículo. Los experimentos han sido desarrollados sobre una base de datos de imágenes tomadas en varias calles de la ciudad de Santiago (Región-Metropolitana), Chile. Esta información fue obtenida usando una plataforma experimental en condiciones reales de conducción durante el día. La tasa de detección de ROIs es del 86;6 % para distancias menores a 20 metros, 82;9 % para distancias menores a 30 metros y del 76;2 % para distancias menores a 40 metros. es_ES
dc.description.sponsorship Este proyecto ha sido financiado por la Comisión Nacional de Ciencia y Tecnología de Chile (Conicyt) a través del proyecto Fondecyt No. 11060251, por la Universidad de las Fuerzas Armadas-ESPE, a través del Plan de Movilidad con Fines de Investigación (Orden Rectorado 2017-109-ESPE-d), el proyecto de investigación Nro. 2014-PIT-007 y por la empresa Tecnologías I&H. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.relation.ispartof Revista Iberoamericana de Automática e Informática industrial es_ES
dc.rights Reconocimiento - No comercial - Sin obra derivada (by-nc-nd) es_ES
dc.subject Pedestria es_ES
dc.subject Accidents es_ES
dc.subject Traffic es_ES
dc.subject Monocular vision es_ES
dc.subject Stereo vision es_ES
dc.subject Trajectory es_ES
dc.subject ROIs es_ES
dc.subject Peatones es_ES
dc.subject Accidentes es_ES
dc.subject Tráfico es_ES
dc.subject Visión monocular es_ES
dc.subject Visión estéreo es_ES
dc.subject Trayectoria es_ES
dc.title Generación de Regiones con Potencial de Contener Peatones usando Reconstrucción 3D No Densa a partir de Visión Monocular es_ES
dc.title.alternative Generation of regions of interest with high potential to contain pedestrians using non-dense 3D reconstruction from monocular vision es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.4995/riai.2017.8825
dc.relation.projectID info:eu-repo/grantAgreement/FONDECYT//11060251/ es_ES
dc.relation.projectID info:eu-repo/grantAgreement/ESPE//2017-109-ESPE-d/ es_ES
dc.relation.projectID info:eu-repo/grantAgreement/ESPE//2014-PIT-007/ es_ES
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Zubiaguirre-Bergen, I.; Torres-Torriti, M.; Flores-Calero, M. (2018). Generación de Regiones con Potencial de Contener Peatones usando Reconstrucción 3D No Densa a partir de Visión Monocular. Revista Iberoamericana de Automática e Informática industrial. 15(3):243-251. https://doi.org/10.4995/riai.2017.8825 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.4995/riai.2017.8825 es_ES
dc.description.upvformatpinicio 243 es_ES
dc.description.upvformatpfin 251 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 15 es_ES
dc.description.issue 3 es_ES
dc.identifier.eissn 1697-7920
dc.relation.pasarela OJS\8825 es_ES
dc.contributor.funder Fondo Nacional de Desarrollo Científico y Tecnológico, Chile es_ES
dc.contributor.funder Universidad de las Fuerzas Armadas ESPE, Ecuador es_ES
dc.contributor.funder Tecnologías I&H es_ES
dc.description.references Agencia Nacional de Tránsito del Ecuador, 2016. Siniestros octubre 2015. URL: http://www.ant.gob.ec/index.php/descargable/file/3368-siniestros-diciembre-2015 es_ES
dc.description.references Bouguet, Jean-Yves, 2015. Camera calibration toolbox for matlab. URL: http://www.vision.caltech.edu/bouguetj/calib_doc/ es_ES
dc.description.references CONASET, 2014. Informes de peatones. URL: http://www.conaset.cl/informes-peatones/ es_ES
dc.description.references Dalal, N., 2006. Finding people in images and videos. Ph.D. Thesis, Institut National Polytechnique de Grenoble. es_ES
dc.description.references Ess, A., Leibe, B., Schindler, K., , van Gool, L., June 2008. A mobile vision system for robust multi-person tracking. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR'08). IEEE Press. https://doi.org/10.1109/CVPR.2008.4587581 es_ES
dc.description.references Fischler, M., Bolles, R., 1981. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography. Communications of the ACM 24 (6), 381-395. https://doi.org/10.1145/358669.358692 es_ES
dc.description.references Flores-Calero, M., Armingol, A., de-la Escalera, A., july 2010. Driver drowsiness warning system using visual information for both diurnal and nocturnal illumination conditions. EURASIP journal on advances in signal processing 2010 (3). https://doi.org/10.1155/2010/438205 es_ES
dc.description.references Flores-Calero, M., Armingol, A., de-la Escalera, A., 2011. Sistema Avanzado de Asistencia a la Conducción para la Detección de la Somnolencia. Revista Iberoamericana de Automática e Informática Industrial 8 (3), 216-228. https://doi.org/10.1016/j.riai.2011.06.009 es_ES
dc.description.references Flores-Calero, M., Robayo, D., Saa, D., May 2015. Histograma del gradiente con múltiples orientaciones (HOG-MO): Detección de personas. Revista Vínculos 12 (2), 138-147. es_ES
dc.description.references Forsyth, D. A., Ponce, J., 2003. Computer Vision, A Modern Approach, 1st Edition. Prentice Hall. es_ES
dc.description.references Fundación MAFRE, 2012. Datos de seguridad vial. URL: https://www.profesoresyseguridadvial.com/colombia-datos-de-seguridad-vial/ es_ES
dc.description.references Horgan, J., Hughes, C., McDonald, J., Yogamani, S., 2015. Vision-Based Driver Assistance Systems: Survey, Taxonomy and Advances. In: IEEE 18th International Conference on Intelligent Transportation Systems (ITSC). pp. 2032-2039. https://doi.org/10.1109/ITSC.2015.329 es_ES
dc.description.references Keller, C., Enzweiler, M., Gavrila, D., July 2011. A new benchmark for stereobased pedestrian detection. In: IEEE Intelligent Vehicles Symposium (IV). pp. 691-696. es_ES
dc.description.references Kohler, S., Goldhammer, M., Zindler, K., Doll, K., Dietmeyer, K., September 2015. Stereo-vision-based pedestrian's intention detection in a moving vehicle. In: 2015 IEEE 18th International Conference on Intelligent Transportation Systems. pp. 2317-2322. https://doi.org/10.1109/ITSC.2015.374 es_ES
dc.description.references La Tercera, 2014. Chile es el país con mayor tasa de peatones fallecidos entre los países de la OCDE. URL: http://www.latercera.com/noticia/nacional/2014/10/680-601399-9-chile-//es-el-pais-con-mayor-tasa-de-peatones-fallecidos-entre-//los-paises-de-la.shtml es_ES
dc.description.references Li, X., Flohr, F., Yang, Y., Xiong, H., Braun, M., Pan, S., Li, K., Gavrila, D. M., June 2016. A new benchmark for vison-based cyclist detection. In: IEEE Intelligent Vehicles Symposium. pp. 1109-1114. es_ES
dc.description.references Ma, G., Muller, D., Park, S.-B., Muller-Schneiders, S., Kummert, A., march 2009. Pedestrian detection using a single monochrome camera. Intelligent Transport Systems, IET 3 (1), 42 -56. https://doi.org/10.1049/iet-its:20080001 es_ES
dc.description.references Mammeri, A., Zuo, T., Boukerche, A., April 2016. Extending the Detection Range of Vision-Based Vehicular Instrumentation. IEEE Transactions on Instrumentation and Measurement 65 (4), 856-873. https://doi.org/10.1109/TIM.2016.2514780 es_ES
dc.description.references Mesmakhosroshahi, M., Chung, K.-H., Lee, Y., Kim, J., November 2014. Depth gradient based region of interest generation for pedestrian detection. In: IEEE International Conference on SoC Design (ISOCC). pp. 156-157. https://doi.org/10.1109/ISOCC.2014.7087674 es_ES
dc.description.references Min, K., Son, H., Choe, Y., Kim, Y., June 2013. Real-time pedestrian detection based on a hierarchical two-stage support vector machine. In: IEEE 8th Conference on Industrial Electronics and Applications (ICIEA). pp. 114-119. es_ES
dc.description.references Oikawaa, S., Matsuia, Y., Doib, T., Sakuraic, T., February 2016. Relation between vehicle travel velocity and pedestrian injury risk in different age groups for the design of a pedestrian detection system. Safety Science 82, 361-367. https://doi.org/10.1016/j.ssci.2015.10.003 es_ES
dc.description.references Overett, G., Petersson, L., Brewer, N., Andersson, L., Pettersson, N., 2008. A new pedestrian dataset for supervised learning. URL: https://research.csiro.au/data61/automap-datasets-and-code/ es_ES
dc.description.references Russell, B. C., Torralba, A., Murphy, K. P., Freeman, W. T., May 2008. Label me, a database and web-based tool for image annotation. International Journal of Computer Vision (1-3). URL: http://labelme.csail.mit.edu/ es_ES
dc.description.references Shi, J., Tomasi, C., jun 1994. Good features to track. In: Computer Vision and Pattern Recognition, 1994. Proceedings CVPR '94., 1994 IEEE Computer Society Conference on. pp. 593 -600. https://doi.org/10.1109/CVPR.1994.323794 es_ES
dc.description.references Shou, N., Peng, H., Wang, H., Meng, L.-M., Du, K.-L., Octuber 2012. An rois based pedestrian detection system for single images. es_ES
dc.description.references Tetik, Y., Bolat, B., June 2011. Pedestrian detection from still images. In: IEEE International Symposium on Innovations in Intelligent Systems and Applications (INISTA). pp. 540-544. es_ES
dc.description.references Villalón-Sepúlveda, G., Torres-Torriti, M., Flores-Calero, M., May 2017. Traffic Sign Detection System for Locating Road Intersections and Roundabouts: The Chilean Case. Sensors MDPI 17 (6), 138-147. https://doi.org/10.3390/s17061207 es_ES
dc.description.references Wang, L., Shi, J., Song, G., Shen, I.-f., 2007. Object detection combining recognition and segmentation. URL: https://www.cis.upenn.edu/~jshi/ped_html/ es_ES
dc.description.references Wang, X., Wang, M., Li, W., December 2014. Scene-Specific Pedestrian Detection for Static Video Surveillance. IEEE Transactions on Pattern Analysis and Machine Intelligence 36, 361-374. https://doi.org/10.1109/TPAMI.2013.124 es_ES
dc.description.references World Health Organization WHO, 2015. Road traffic injuries. es_ES
dc.description.references Yuan, Y., Lin, W., Fang, Y., September 2015. Is pedestrian detection robust for surveillance? In: Image Processing (ICIP), 2015 IEEE International Conference on. pp. 2776 - 2780. es_ES
dc.description.references Zhang, C., Chung, K.-H., Kim, J., November 2015a. Region-of-interest reduction using edge and depth images for pedestrian detection in urban areas. es_ES
dc.description.references Zhang, X., Hu, H.-M., Jiang, F., Li, B., May 2015b. Pedestrian detection based on hierarchical co-occurrence model for occlusion handling. Neurocomputing 168, 861-870. https://doi.org/10.1016/j.neucom.2015.05.038 es_ES
dc.description.references Zhang, Z., Tao, W., Sun, K., Hu, W., Yao, L., May 2016. Pedestrian detection aided by fusion of binocular information. Pattern Recognition 60, 227-238. https://doi.org/10.1016/j.patcog.2016.05.006 es_ES
dc.description.references Zhao, X., Ye, M., Zhu, Y., Zhong, C., Zhou, J., December 2009. Real time roi generation for pedestrian detection. es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem