Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Castillo Bohorquez, Jeison ArleyBarrero Pérez, Jaime GuillermoVargas Serrano, Álvaro JavierArchila Vargas , Carlos Alberto2023-08-032023-08-032023-08-032023-08-03https://noesis.uis.edu.co/handle/20.500.14071/14698Los 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.application/pdfspainfo:eu-repo/semantics/openAccessDetección de objetosAccidentes de tránsitoPeatonesRedes Neuronales ProfundasVehículos en MovimientoUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coObject DetectionTraffic AccidentsPedestriansDeep Neural NetworksMoving Vehicleshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)