Investigadores desarrollaron un sistema para detectar motociclistas sin casco

Según el Observatorio Vial de la Agencia Nacional de Seguridad Vial, un 43,8% de las víctimas fatales en accidentes de tránsito son motociclistas; se ubican en primer lugar muy por encima de los automovilistas, que representan el 27,6%. A pesar de que aumentó el uso de casco en nuestro país, las cifras siguen generando preocupación.

Los Investigadores del Centro Superior para el Procesamiento de la Información, de la Universidad Nacional de La Plata (CeSPI – UNLP) trabajaron en un proyecto para contribuir con la seguridad vial. En el mismo se desarrolló un sistema para integrar en las cámaras de seguridad de las distintas ciudades de nuestro país. Esto ayudaría a mejorar los controles, así como elaborar datos estadísticos para intentar solucionar la problemática.

El sistema platense

La herramienta desarrollada utiliza la tecnología denominada “Machine Learning”, y funcionaría para detectar motociclistas (conductores o acompañantes) que no tienen el casco puesto. “Machine Learning, es un conjunto de técnicas que permiten que la computadora ‘aprenda’ a hacer cosas automáticamente en base a ejemplos que se le proveen, sin que un individuo le tenga que decir cómo hacerlo”, explicó el licenciado Juan Marra, director del CeSPI – UNLP.

Por su parte, Alejandro Ferraresso, licenciado y especialista de la UNLP, aclaró: “lo primero que se hace es entrenar un modelo para que logre identificar, de todo aquello que pasa por delante de la cámara, qué es un motociclista y que no. Luego se entrena un segundo modelo para que identifique quien tiene casco y quién no. Para entrenar a estos sistemas existen distintos tipos de tecnologías; en este caso que se trabaja con imágenes, utilizamos un tipo de modelo conocido como redes neuronales”.

Continuó especificando: “se trata de redes especificas llamadas convolucionales, es un tipo de red neuronal artificial donde las neuronas corresponden a campos receptivos de una manera muy similar a las neuronas en la corteza visual primaria de un cerebro biológico”. Y añadió “después de armar estos dos modelos, se elabora una aplicación, que captura las imágenes de las cámaras de video y luego cada determinado periodo de tiempo ejecuta los modelos entrenados. El primer modelo recorta las imágenes que interesan, en este caso, separa las motos de los otros elementos que puedan aparecer. Después, el segundo modelo separa los motociclistas con cascos de los que no lo utilizan, ya sea el conductor o el acompañante”.

Según los investigadores, con el entrenamiento suficiente, el sistema logra discernir entre una motocicleta y otros transportes parecidos (como un caballo o una bicicleta), así como identificar si el conductor o acompañante lleva casco, inclusive si tiene otro elemento en la cabeza (como un casco de bici o una gorrar).

Marra detalló: “utilizamos modelos que existen, que están a disposición en el mercado. Lo que hacemos es adaptar lo que esos modelos saben hacer a lo que nosotros necesitamos que hagan; de esta manera además bajamos el costo del desarrollo. Se trata de una transferencia de conocimiento: por ejemplo, se toma un modelo que está entrenado para detectar animales y se lo direcciona -se le enseña- a detectar motos”.

Además el sistema trabajaría con las cámaras de seguridad ya colocadas en varias ciudades de nuestro país, “la realidad es que la mayoría de los municipios poseen cámaras de seguridad en cantidad, por lo que no es necesario realizar una gran inversión económica para poner a funcionar este desarrollo. En el caso de los municipios con mayor cantidad de población, la información obtenida resulta fundamental para realizar un relevamiento estadístico preciso y en base a estos datos elaborar políticas de gobierno tendientes a mejorar y optimizar las estrategias de seguridad vial”. Adelantaron que podría comenzar las pruebas pilotos del sistema de detección en La Plata, Almirante Brown y Lomas de Zamora.

Fuente: investiga.unlp.edu.ar/