🤖 machine learning

Data collection from highways: a geometric, class-agnostic approach to embedded vehicle counting

Este artículo propone un proceso de detección de tráfico puramente geométrico y agnóstico a la clase para dispositivos embebidos que logra el conteo de vehículos y la estimación de velocidad en tiempo real sin modelos de aprendizaje profundo, demostrando una precisión y eficiencia superiores sobre las líneas base de seguimiento en despliegues de campo al tiempo que destaca las restricciones geométricas críticas para aplicaciones en el borde.

Autores originales: Lucas Gouveia Omena Lopes, William W. M. Lira, Alexandre M. Lima, Thales M. A. Vieira

Publicado 2026-08-11

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Lucas Gouveia Omena Lopes, William W. M. Lira, Alexandre M. Lima, Thales M. A. Vieira

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás de pie en una carretera concurrida, tratando de contar cuántos coches pasan cada minuto. En el mundo de la ingeniería de tráfico, conocer este número es como conocer el latido del corazón de una ciudad; ayuda a los planificadores a decidir dónde construir nuevas carreteras o cómo sincronizar los semáforos. Durante décadas, la forma más inteligente de hacer esto fue utilizar computadoras de "aprendizaje profundo" (deep learning): cerebros digitales entrenados para reconocer formas específicas como "coche", "autobús" o "camión". Estos sistemas son como guardias de seguridad súper observadores que pueden identificar un vehículo, rastrear su trayectoria y contarlo. Sin embargo, estos cerebros digitales tienen un gran problema: solo saben lo que se les ha enseñado. Si un extraño tractor de granja, una pila de carga caída o un carro tirado por un burro pasa por delante, la computadora podría confundirse porque no fue entrenada para ver esas cosas. Además, estas computadoras inteligentes son hambrientas de electricidad y necesitan hardware potente y costoso para funcionar, lo que dificulta su instalación en simples postes a lo largo de la carretera.

Este artículo explora un enfoque diferente y mucho más simple: en lugar de intentar reconocer qué es el objeto, el sistema simplemente nota que algo se está moviendo. Trata la carretera como un gigantesco e invisible cable de trampa. Si una sombra o una mancha de movimiento cruza una línea específica, se cuenta como un vehículo. Los autores llaman a esto un enfoque "agnóstico a la clase", lo que significa que no le importa la clase o el tipo del objeto; solo le importa el movimiento. La gran pregunta que abordan es: ¿Podemos construir un sistema de conteo que sea tan simple que pueda ejecutarse en una computadora diminuta y barata (como una Raspberry Pi), que funcione sin datos de entrenamiento y que aun así cumpla con su cometido? Argumentan que, a veces, el truco geomético más simple es mejor que una IA compleja y hambrienta, especialmente cuando necesitas contar cosas que ni siquiera has visto antes.

El cable de trampa invisible: Contar coches sin saber qué son

Los autores de este artículo decidieron dar un paso atrás de la forma de contar coches de alta tecnología y "lista de inteligencia". En lugar de construir un cerebro digital que aprenda a reconocer un coche, construyeron un sistema que actúa como un guardia muy simple y muy rápido parado en un puente. A este guardia no le importa si lo que pasa por delante es un coche, un camión o un robot gigante; solo le importa si algo se mueve a través de una línea específica.

La "magia" de la línea invisible
Imagina que estás jugando a un videojuego en el que tienes que atrapar objetos que caen. Normalmente, intentarías identificar cada objeto primero. Pero este artículo sugiere un truco más sencillo: simplemente dibuja una línea a través de la pantalla. Si cualquier cosa cruza esa línea, haces clic en un botón. En el mundo real, esta "línea" es un software llamado "bucle virtual". Es como los antiguos bucles metálicos enterrados en la carretera que activan los semáforos, pero en lugar de estar enterrados en el asfalto, se dibujan en la pantalla de la cámara.

El sistema funciona en tres pasos sencillos:

El fondo: La cámara aprende cómo se ve la carretera vacía.
La diferencia: Compara la imagen actual con la carretera vacía. Si hay una diferencia (un coche en movimiento), lo resalta como una mancha blanca sobre una pantalla negra.
El conteo: Comprueba si esa mancha blanca toca la línea invisible. Si lo hace, cuenta uno.

La genialidad aquí es que el sistema nunca pregunta: "¿Es eso un coche?". Solo pregunta: "¿Se movió algo a través de la línea?". Esto significa que puede contar un coche, una vaca o una pila de basura sin necesidad de haber sido enseñado a qué aspecto tienen esas cosas.

Las dos reglas de la carretera
Los investigadores probaron dos formas diferentes de hacer que este conteo fuera preciso.

Regla n.º 1: La suposición de velocidad. El primer método asume que todos los coches se mueven aproximadamente a la misma velocidad. Establecieron el ancho de la línea invisible para que coincida con la distancia que se espera que recorra un coche en un fotograma de vídeo. Si un coche se mueve más lento de lo esperado, podría permanecer en la línea durante dos fotogramas, y el sistema podría contarlo accidentalmente dos veces. Las matemáticas muestran que este método debería tener una precisión de aproximadamente el 86% si los coches circulan a una velocidad normal. Es una buena suposición, pero no es perfecta.
Regla n.º 2: El mapa autoajustable. El segundo método es más inteligente. Observa las manchas de los coches en movimiento y deduce por sí mismo dónde están los carriles. Luego, dibuja una línea invisible separada para cada carril. Cuando un coche entra en la línea de su carril, el sistema espera hasta que el coche abandone la línea antes de contarlo. Esto evita el error del "doble conteo". Este método también obtiene un bono gratuito: al cronometrar cuánto tarda un coche en cruzar la línea, el sistema puede adivinar a qué velocidad iba el coche.

La prueba del mundo real: Computadoras diminutas, grandes resultados
El equipo probó estas ideas en computadoras diminutas y baratas llamadas Computadoras de Placa Única (SBC), como la Raspberry Pi. Estas tienen el tamaño de una tarjeta de crédito y cuestan muy poco, pero no son muy potentes.

Compararon su método simple de "cable de trampa" contra un método más complejo que intenta rastrear la trayectoria de cada coche (como un personaje de un videojuego). Los resultados fueron sorprendentes:

En una computadora de escritorio estándar, el método de seguimiento complejo era lento y a menudo se confundía.
En la pequeña Raspberry Pi, el método complejo falló estrepitosamente, contando correctamente solo el 37,5% de los coches. Era demasiado lento y necesitó reducir tanto la calidad del vídeo que ya no podía ver los coches.
El método simple de "cable de trampa", sin embargo, funcionó más rápido de lo real y contó el 91% de los coches correctamente.

El problema: La "rodilla de resolución" y el "suelo de la tasa de fotogramas"
El artículo también descubrió ciertos límites estrictos, como las reglas de la física para las cámaras digitales.

La rodilla de resolución: Si la imagen del vídeo es demasiado pequeña (menos de unos 200 píxeles de ancho), el sistema deja de funcionar. Los coches en movimiento se vuelven tan diminutos que la computadora no puede distinguirlos del ruido. Pero una vez que la imagen es lo suficientemente grande, hacerla más grande no ayuda mucho; solo desperdicia la potencia de la computadora.
El suelo de la tasa de fotogramas: Si la cámara toma pocas imágenes por segundo (menos de 5 fotogramas por segundo), los coches "saltan" sobre la línea invisible. Imagina un coche moviéndose tan rápido entre dos fotos que estaba en un lado de la línea en la primera foto y en el otro lado en la segunda, sin haber tocado realmente la línea en medio. El sistema lo pierde por completo. Ningún software inteligente puede arreglar esto si la cámara no está tomando suficientes fotos.

Por qué esto es importante
Los autores concluyen que, si bien los detectores de IA "inteligentes" son excelentes cuando tienes mucho dinero y potencia, no siempre son la herramienta adecuada. Si necesitas contar objetos extraños (como maquinaria agrícola), si no tienes datos para entrenar a una computadora, o si necesitas ejecutar un sensor con una pequeña batería solar, este método geomético simple es el ganador. No se trata de ser el más preciso en cada situación individual; se trata de ser fiable, barato y capaz de funcionar en cualquier lugar sin necesidad de una supercomputadora.

Al final, el artículo demuestra que, a veces, la mejor manera de resolver un problema complejo no es construir un cerebro más inteligente, sino construir una trampa más simple y honesta.

Resumen Técnico: Recolección de Datos en Carreteras: Un Enfoque Geométrico y Agnóstico a la Clase para el Conteo de Vehículos Integrado

Planteamiento del Problema
La ingeniería de tráfico depende en gran medida de los conteos volumétricos de vehículos para estimar las matrices de demanda de origen-destino. Si bien los detectores modernos de aprendizaje profundo (por ejemplo, YOLO, Faster R-CNN) seguidos de un seguimiento por detección ofrecen una alta precisión, requieren modelos entrenados para clases de objetos específicas y recursos computacionales significativos. Esto crea una brecha en escenarios que involucran:

Clases de conjunto abierto (Open-set): Objetos fuera de los vocabularios estándar (por ejemplo, ganado, escombros, maquinaria agrícola, transporte informal).
Restricciones de recursos: Implementaciones en computadoras de placa única (SBC) de baja potencia y enfriamiento pasivo donde la inferencia de aprendizaje profundo es térmicamente o energéticamente inviable.
Arranques en frío (Cold starts): Situaciones donde no existen datos anotados para entrenar un detector.

El artículo aborda la necesidad de un flujo de trabajo de conteo que se ejecute en tiempo real en hardware embebido sin requerir identidad de objetos, modelos de clase o conjuntos de entrenamiento.

Metodología
El sistema propuesto reemplaza el flujo de trabajo estándar de "detección y luego seguimiento" con un enfoque puramente geométrico y agnóstico a la clase. El flujo de trabajo consta de dos fases distintas:

Front-end Agnóstico a la Clase:
- Preprocesamiento: Los fotogramas de video se redimensionan (para reducir el conteo de píxeles), se convierten a escala de grises y se les aplica un desenfoque gaussiano para eliminar el ruido del sensor.
- Extracción de Primer Plano (Foreground Extraction): Un modelo de sustracción de fondo de promedio móvil estima la escena estática. La diferencia entre el fotograma actual y el fondo se umbraliza para crear una máscara binaria de objetos en movimiento.
- Procesamiento Morfológico: La dilatación reconecta los píxeles fragmentados de los objetos y la extracción de contornos aisla las manchas (blobs). Estas se filtran mediante restricciones geométricas simples (área, relación de aspecto) para eliminar el ruido. Crucialmente, no se asigna un modelo de apariencia o etiqueta de clase; cualquier mancha en movimiento que satisfaga las restricciones de forma es un candidato.
Reglas de Conteo Geométrico (Bucle Virtual):
En lugar de rastrear manchas individuales a través de los fotogramas, el sistema adjunta la decisión de conteo a una línea imaginaria fija (un "bucle inductivo de software") trazada a través de la carretera. Se proponen dos reglas:
- Regla 1: Velocidad Promedio Constante: Supone una velocidad promedio uniforme para todos los vehículos. Se traza una banda a través de la carretera con un grosor ( $w$ ) que coincida con el desplazamiento inter-fotograma ( $v$ ) de un vehículo. Un vehículo se cuenta si su centro se mueve desde el interior de la banda hacia el exterior (o viceversa) entre fotogramas. El artículo deriva una precisión esperada analítica de $\approx 86\%$ bajo una distribución de velocidad gaussiana, señalando que los errores ocurren cuando la velocidad del vehículo se desvía significativamente de la velocidad de diseño (causando dobles conteos o pérdidas).
- Regla 2: Pre-calibración (Ocupación de Carril): Esta regla infiere automáticamente los límites de los carriles analizando las estadísticas de los centros de las manchas (asumiendo que el centro medio de los vehículos en un carril coincide con el centro del carril). Cuenta los "flancos de caída" (falling edges) de las señales de ocupación de carril (transición de ocupado a no ocupado). Esto elimina la ambigüedad de muestreo de la Regla 1 y proporciona estimaciones de velocidad promedio por vehículo como un subproducto.

Contribuciones Clave

Formulación Libre de Seguimiento (Tracking-Free): Un método de conteo que desplaza la decisión geométrica del objeto a una línea fija, reduciendo la complejidad computacional por fotograma de $O(\text{objetos} \times \text{historial})$ a $O(1)$ pruebas.
Modelado de Error Analítico: Una derivación explícita de las condiciones de muestreo requeridas para la regla de velocidad promedio constante, identificando la relación entre el grosor de la banda, la tasa de fotogramas y la escala de píxel a metros.
Variante Autocalibrable: Un método para recuperar la geometría del carril y contar los bordes de ocupación sin calibración manual, mientras estima simultáneamente la velocidad promedio de los vehículos.
Caracterización Empírica: Un análisis detallado de los modos de falla a través de cuatro conjuntos de datos de video y un despliegue de campo, resaltando umbrales específicos para resolución y tasa de fotogramas.
Posicionamiento Retrospectivo: Un marco para comprender dónde la detección basada en movimiento y agnóstica a la clase sigue siendo la herramienta óptima en la era del aprendizaje profundo.

Resultados

Desempeño en SBCs: El algoritmo se ejecuta más rápido que el tiempo real en hardware de clase Raspberry Pi (Orange Pi y Raspberry Pi 3), mientras que un modelo base de seguimiento de manchas falló en cumplir con el tiempo real incluso en una CPU de escritorio bajo restricciones de resolución similares.
Precisión:
- En cuatro clips de video, la regla de pre-calibración logró una precisión del 83.3%–100%.
- En un despliegue de campo en una avenida real, la regla de pre-calibración logró un 91% de precisión, en comparación con el 37.5% del modelo base de seguimiento de manchas bajo el mismo presupuesto computacional.
Umbrales de Resolución y Tasa de Fotogramas:
- Rodilla de Resolución: La precisión colapsa drásticamente por debajo de un ancho de imagen de ~200 píxeles, independientemente de la tasa de fotogramas. Por encima de este umbral, la precisión es estable.
- Suelo de Tasa de Fotogramas: A 5 fps, el error se satura en ~40% debido al aliasing (vehículos saltando sobre la línea de conteo entre fotogramas). El artículo proporciona una fórmula (Ec. 7) para calcular la tasa de fotogramas mínima requerida basada en la velocidad máxima del vehículo y el grosor de la banda.
Modos de Falla: Las principales fuentes de error en metrajes largos y no controlados son las manchas fusionadas (tráfico denso), el desplazamiento por sombras/iluminación y la vibración de la cámara.

Significancia y Reivindicaciones
El artículo argumenta que, si bien los detectores de aprendizaje profundo dominan cuando existen modelos entrenados, la sustracción de fondo sigue siendo la herramienta correcta para casos de borde comunes y específicos:

Detección de conjunto abierto: Cuando la clase del objeto es desconocida o está fuera de los vocabularios estándar.
Arranques en frío: Como un mecanismo de arranque para generar recortes de entrenamiento para futuros detectores aprendidos.
Presupuestos estrictos de potencia/térmicos: Donde las redes neuronales son inviables.
Privacidad: Donde el sistema no debe almacenar ni transmitir datos identificables (el resultado es una máscara binaria y cuadros delimitadores, no identidades).

Los autores concluyen que el valor perdurable de este método no reside en su flujo de trabajo específico, sino en los restricciones que expuso: la existencia de una rodilla de resolución, un suelo de tasa de fotogramas duro dictado por la geometría de muestreo y el acoplamiento térmico entre la saturación de la CPU y la precisión del conteo. Estas restricciones se aplican a cualquier sistema de visión de borde de cámara fija, independientemente de si utiliza detectores geométricos o aprendidos. El artículo posiciona la sustracción de fondo no como un competidor del aprendizaje profundo, sino como un "mecanismo de atención" necesario y un motor de datos para escenarios de conjunto abierto y de recursos limitados.

El cable de trampa invisible: Contar coches sin saber qué son

Más como este