Implementación de un sistema de detección de vehículos basado en redes convolucionales a partir de cámaras IP de tráfico

La detección de objetos a partir de imágenes mediante algoritmos de Aprendizaje Profundo es, a día de hoy, uno de los principales retos de las nuevas tecnologías. Desde el ámbito de la medicina hasta el de seguridad, los sistemas basados en redes neuronales permiten el diseño de mecanismos inteligentes y autónomos capaces de detectar objetos mediante la mera implantación de una cámara de vídeo. Este Trabajo de Fin de Grado estará centrado en la implantación de un sistema de detección de vehículos a partir de cámaras IP de tráfico para diversas utilidades como puede ser el recuento de estadísticas de tráfico o la implantación de un sistema de imposición de multas. Para ello, se hará uso de una base de datos de imágenes captadas por cámaras IP de tráfico. Estas imágenes servirán para llevar a cabo un entrenamiento de un modelo que aprenda correctamente la apariencia de un vehículo y sea capaz de generalizar dicha apariencia para detectar otros vehículos cuando se le muestren imágenes distintas a las de la base de datos. El modelo estará basado en una red neuronal con capas convolucionales, que son ideales a la hora de tratar con imágenes, ya que permiten reducir la gran cantidad de información que proporcionan tantos píxeles, extrayendo a su vez una serie de características que serán vitales para la detección de los automóviles. El sistema hará uso también de una rejilla de puntos que actuarán como clasificadores para distinguir entre las zonas de la imagen en las que hay vehículos y las zonas en las que no. Finalmente, vale la pena mencionar la facilidad con la que este sistema puede ser moldeado para la detección de todo tipo de objetos. Simplemente es necesario realizar el entrenamiento con una base de datos que contenga imágenes con el tipo de objeto a detectar