En este trabajo se ha desarrollado una herramienta de reconocimiento
de señales de tráfi co mediante el uso de una Raspberry Pi. El sistema
puede reconocer distintas señales de tráfi co agrupadas por categorías
analizando un
flujo de imágenes capturadas en vivo, una imagen estática
previamente capturada o a partir de un vídeo grabado.
El trabajo está desarrollado en Python haciendo uso de la librería de
visión arti cial OpenCV y para mostrar las imágenes se usa el servidor
de Flask.
La técnica usada para el reconocimiento es Machine learning, usa el
algoritmo Haar para procesar las im agenes y reconocer las señales.
Se analiza el rendimiento de la Raspberry Pi usando diferentes resoluciones
de imagen, así como diferente número de señales a reconocer.
In this project, I have worked to develop a tool for traffic signal recognition, with de help of a Raspberry Pi. The system is able to recognize different types of traffic signals grouped by categories using image streams captured live, from an image that was previously taken or from a recorded video. The project is developed with Python, making use of a computer vision library, named OpenCV. To show the images a mycroframework called Flask is used. The technique used to recognize traffic signals is Machine learning. The algorithm used is the Harr cascade classifier. The performance of the Raspberry Pi is analysed using images with different resolutions, as well as a different number of signals to recognize.
