Por favor, use este identificador para citar o enlazar este ítem:
https://rinacional.tecnm.mx/jspui/handle/TecNM/6265
Título : | Sistema generador de información vial a partir de secuencia de imágenes |
Autor : | Román Garay, Mario A. |
metadata.dc.subject.other: | Aprendizaje máquina Aprendizaje profundo Entrenamiento de modelos de clasificación Inteligencia artificial Redes neuronales convoluciones Sistemas Inteligentes de Transporte (ITS) Vehículo Visión artificial |
Fecha de publicación : | 2022 |
Editorial : | Tecnológico Nacional de México |
metadata.dc.publisher.tecnm: | Instituto Tecnológico de Culiacán |
Descripción : | El aumento de la población en las ciudades ha provocado un incremento en distintas problemáticas para sus habitantes. Algunas de los problemas son los accidentes vehiculares, mayor tiempo en el tráfico y embotellamientos. Ante estas problemáticas, los departamentos de tránsito necesitan recolectar información de los vehículos para realizar estudios de tráfico. Lo anterior para tomar decisiones con el objetivo de buscar rutas alternas, mejorar la infraestructura de carreteras, el uso de semáforos o construcción de nuevas vías de movilidad. Para ello utilizan distintas tecnologías, en algunos casos con costos elevados, además de recolectar características limitadas. Este trabajo muestra el desarrollo de un sistema de extracción de información de tráfico vial, a partir de un archivo de video. Este es capaz de utilizar las cámaras de videovigilancia que se encuentran instaladas en distintos puntos de las ciudades, ahorrando así un gasto en lainversión de la puesta en marcha del sistema. El sistema realiza detecciones, seguimiento, clasificación y conteo de vehículos. Para la tarea de detección y clasificación se utilizan las redes convolucionales de YOLOv3 junto a un conjunto de datos personalizado de 21,000 imágenes repartidas en las siguientes clases: auto, autobús, camioneta, van, motocicleta, bicicleta y persona. Para la tarea de seguimiento y conteo se utiliza la herramienta AutoTrack que implementa el filtro de Kalman y un algoritmo húngaro de seguimiento. Esta herramienta cuenta con una función de manejo de obstrucciones y reaparición de vehículos. A cada vehículo se le asigna un identificador, en caso de ocultarse y volver a aparecer se identifica como un objeto anteriormente detectado y no se suma al contador. En la implementación del sistema, el tiempo de procesamiento y extracción de características es de 1.5 segundos por cada segundo del archivo de video. El modelo que se entrenó a partir de un conjunto de datos personalizados logró alcanzar hasta un 95.43% de precisión para clasificar. Los resultados obtenidos son equiparables a los existentes actualmente en las tareas de detección y clasificación; sin embargo, estos no cuentan con el manejo de excepciones, siendo esta diferencia la principal con ellos. |
metadata.dc.type: | info:eu-repo/semantics/masterThesis |
Aparece en las colecciones: | Maestría en Ciencias de la Computación |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
TESIS_Mario Alberto Román Garay.pdf | Documento completo | 3.82 MB | Adobe PDF | Visualizar/Abrir |
LICENCIA MARIO A. ROMAN GARAY.pdf Until 9999-06-05 | 688.19 kB | Adobe PDF | Visualizar/Abrir Request a copy |
Este ítem está protegido por copyright original |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons