Implementación de un prototipo de bajo costo para la detección de personas desde vehículos en movimiento, mediante el uso de redes neuronales profundas

Simple item page
dc.contributor.advisorCastillo Bohorquez, Jeison Arley
dc.contributor.advisorBarrero Pérez, Jaime Guillermo
dc.contributor.authorVargas Serrano, Álvaro Javier
dc.contributor.authorArchila Vargas , Carlos Alberto
dc.contributor.evaluatorFajardo Ariza, Carlos Augusto
dc.contributor.evaluatorFonseca Estupiñan, Karen Andrea
dc.date.accessioned2023-08-03T20:42:29Z
dc.date.available2023-08-03T20:42:29Z
dc.date.created2023-08-03
dc.date.issued2023-08-03
dc.description.abstractLos accidentes de tránsito en muchos países representan la primera tasa de mortalidad, lo que pone de manifiesto la urgente necesidad de abordar este grave problema de salud pública. En los últimos años, se han desarrollado sistemas electrónicos que apoyan a los conductores de vehículos en movimiento con el fin de evitar accidentes. Por esta razón, este proyecto está orientado al desarrollo de un prototipo autónomo de bajo costo para la detección de peatones mediante el uso de redes neuronales profundas. El modelo está compuesto por una Raspberry Pi 4 modelo B, una batería y una cámara web; en cuanto al funcionamiento, está dividido en dos etapas que se repiten de manera cíclica, la primera, es la captura de una imagen mediante la cámara que se encuentra ubicada en la parte frontal del vehículo para la detección de peatones en ese instante, este proceso mediante una red neuronal de detección de objetos, la imagen guardada con los peatones detectados entra en la segunda etapa, donde se clasificara para activar una salida acústica según las regiones de la imagen donde se encuentren personas detectadas, permitiendo al conductor tomar acciones de frenado para evitar accidentes cuando se encuentren peatones al frente del vehículo.
dc.description.abstractenglishRoad accidents in many countries represent the number one fatality rate, highlighting the urgent need to address this serious public health problem. In recent years, electronic systems have been developed to support drivers of moving vehicles in order to avoid accidents. For this reason, this project is aimed at developing a low-cost autonomous prototype for pedestrian detection using deep neural networks. The model is composed of a Raspberry Pi 4 model B, a battery and a webcam; As for the operation, it is divided into two stages that are repeated cyclically, the first is the capture of an image by the camera that is located at the front of the vehicle for pedestrian detection at that moment, this process through a neural network object detection, the image saved with the detected pedestrians enters the second stage, where it is classified to activate an acoustic output according to the regions of the image where people are detected, allowing the driver to take braking actions to avoid accidents when pedestrians are in front of the vehicle.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Electrónico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/14698
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectDetección de objetos
dc.subjectAccidentes de tránsito
dc.subjectPeatones
dc.subjectRedes Neuronales Profundas
dc.subjectVehículos en Movimiento
dc.subject.keywordObject Detection
dc.subject.keywordTraffic Accidents
dc.subject.keywordPedestrians
dc.subject.keywordDeep Neural Networks
dc.subject.keywordMoving Vehicles
dc.titleImplementación de un prototipo de bajo costo para la detección de personas desde vehículos en movimiento, mediante el uso de redes neuronales profundas
dc.title.englishImplementation of a low-cost prototype for detecting people from moving vehicles using deep neural networks
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Documento.pdf
Size:
13.97 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
377.37 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
142.28 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería Electrónica