Resumen

Existen carriles para vehículos de alta ocupación (HOV) o políticas de descuento en peajes de congestión para fomentar los vehículos con varios pasajeros. Sin embargo, la detección de la ocupación de los vehículos, esencial para aplicar esas políticas, se basa en un método manual que requiere mucho trabajo. Para resolver este problema, varios estudios y algunas empresas han intentado desarrollar un sistema de detección automatizado. Debido a las dificultades del proceso de tratamiento de imágenes, esos sistemas tenían limitaciones. Este estudio supera esas limitaciones y propone un marco general para un algoritmo que detecta eficazmente ocupantes en vehículos utilizando datos fotográficos. En particular, aplicamos un nuevo método de etiquetado de datos que permite detectar ocupantes con gran precisión incluso con una pequeña cantidad de datos. El nuevo método de etiquetado etiqueta directamente el número de ocupantes en lugar de realizar un etiquetado facial o humano. El etiquetado humano, utilizado en investigaciones existentes, y el etiquetado de ocupantes, sugerido en este estudio, se comparan para verificar la contribución de este método de etiquetado. Como resultado, la precisión de detección del modelo presentado es del 99 en el caso binario (2 ó 3 ocupantes o no) y del 91 en el caso de recuento (número exacto de ocupantes), lo que supera la precisión de los modelos estudiados anteriormente. Básicamente, este sistema está desarrollado para la cámara de dos lados, izquierdo y derecho, pero sólo un lado, el derecho, puede detectar la ocupación. La precisión de la imagen de un solo lado es del 99 en el caso binario y del 87 en el caso de recuento. Estos índices de detección también son mejores que los de etiquetado existentes.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:ocupantes, caso binario, caso de recuento, etiquetado humano, políticas de descuento en peajes por congestión, nuevo método de etiquetado de datos, precisión de la imagen de una sola cara, detección precisa de ocupantes, proceso de tratamiento de imágenes, método manual intensivo
• Keywords:occupants, binary case, counting case, human labeling, congestion toll discount policies, new data labeling method, single side image accuracy, accurate occupant detection, image treatment process, intensive manual method