Se presenta un algoritmo de reconocimiento de señales peatonales accesibles (APS, por sus siglas en inglés), un tipo de sonido emitido por los semáforos peatonales para habilitar el paso en los cruces peatonales. La detección automática de estas modulaciones de frecuencia es de interés para los encargados del control del tráfico porque permitiría realizar el reconocimiento de otros tonos audibles, como: las bocinas del tren, las sirenas de ambulancias y las alarmas de patrullas policiales, entre otros. Hasta ahora, autores previos han logrado reconocer los APS con éxito parcial, pues los diseños expuestos han presentado núcleos de reconocimiento musical sub óptimos, umbrales de tonos fijos incapaces de adaptarse al nivel cambiante de ruido de la calle y un procesamiento separado de contornos musicales continuos y discontinuos. Para resolver estos problemas se presenta un algoritmo que utiliza un diseño de núcleo de reconocimiento musical de tres armónicas con decaimiento proporcional a 1=k2, dos algoritmos de estimación dinámica del umbral de tono que varían según la relación señal-ruido (TS2Means y la media móvil exponencial) y la distancia de Mahalanobis con matrices de covarianza modeladas según los contornos musicales APS para soportar los momentos de ruido. Las mejores tasas de detección alcanzadas fueron de 93% de precisión, 89% de especificidad, 92% de sensibilidad, 92% de medida F y 80% del coeficiente de correlación de Matthew

An algorithm for the recognition of accessible pedestrian signals (APS), a type of sound emitted by pedestrian traffic lights to enable passage at pedestrian crossings, is presented. The automatic detection of these frequency modulations is of interest for traffic controllers because it allows the recognition of other audible tones, such as: train horns, ambulance sirens and police patrol alarms, among others. So far, previous authors have managed to recognize APSs with partial success, since the exposed designs have presented suboptimal musical recognition kernels, xed tone thresholds unable to adapt to the changing level of street noise and a separate processing of continuous and discontinuous musical contours. To solve these problems, we present an algorithm that uses a three-harmonics musical recognition kernel design with a decay proportional to 1=k2, two algorithms for the dynamic estimation of the tone threshold, that vary according to the signal-to-noise ratio (TS2Means and the leaky integrator), and the Mahalanobis distance with covariance matrices modeled according to the APS musical contours for noise robustness. The best detection rates reached were 93% precision, 89% speci city, 92% recall, 92% F-score, and 80% Matthew's correlation coefficient.

Proyecto de Graduación (Maestría en Ingeniería en Electrónica) Instituto Tecnológico de Costa Rica, Escuela de Ingeniería Electrónica, 2018.