ExposiciónTesis deteccion

7/25/2019 ExposicinTesis deteccion

1/59

Desarrollo de

un sistema deVision

Artificial parala deteccion

deaglomeracion

de personas enun Semaforo

Estructura delinforme

Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema

Desarrollo delsistema

ImplementacionPruebas

Desarrollo de un sistema de Vision Artificial

para la deteccion de aglomeracion de personas

en un Semaforo

Universidad Nacional de LojaArea de la Energa la Industrias y los Recursos Naturales no Renovables

Ingeniera en Sistemas

Integrante:Magaly Jimenez

1 / 5 9
http://find/http://goback/


2/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Estructura del informe

1 Resumen

2 Introduccion

3 Objetivos4 Materiales y Metodos

5 Resultados

6 Conclusiones

7 Recomendaciones

8 Trabajos Futuros

2 / 5 9
http://find/


3/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Resumen

Finalidad: desarrollo de un sistema de Vision Artificial parala medicion del flujo peatonal en tiempo real en unainterseccion de un semaforo.

Para el logro del mismo se desarrollo en Matlab valiendosede su toolbox, en el que se implemento tres algoritmos:FrontalFaceCART, Upperbody, y peopleDetector.

Importancia: La integracion de estos tres algoritmos:

FrontalFaceCART, Upperbody, y peopleDetector, para ladeteccion de personas en tiempo real con el proposito debajar el margen de error en la deteccion de personas.

3 / 5 9
http://find/


4/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Introduccion

Necesidad de contar con sistemas que tomen decisiones ensituaciones especficas [1].

Congestiones vehiculares se han vuelto un problema enmuchas ciudades de todo el mundo [2].

Semaforos Inteligentes [3], [4] capaces de tomar decisionesante una condicion de trafico dado [2].

Un sistema automatico de deteccion de peatones entiempo real, con la finalidad de mantener un conteodiscriminado de las personas que circulan en un semaforo,para ello se ha integrado tres algoritmos:FrontalFaceCART [5], Upperbody [6], y peopleDetector[7]; los mismos que estan dentro del toolbox de Matlab [8].

En este proposito se ha seguido las siguientes fases:

analisis, diseno, desarrollo, implementacion y pruebas [9].4 / 5 9
http://find/


5/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Objetivo General

Desarrollar un software de Vision Artificial que permita elreconocimiento y conteo de aglomeraciones de personas enla esquina de un semaforo.

5 / 5 9
http://find/


6/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Objetivos Especficos

Aplicacion de un algoritmo que permita la deteccion depersonas en movimiento en las esquinas de un semaforo a

traves de una camara.Desarrollo de un componente de software basado en lastecnicas de Vision Artificial que permita el conteo deaglomeraciones de personas en la esquina de un semaforo.

Integracion y pruebas del algoritmo deteccion de personasen movimiento al componente de software de VisionArtificial para el conteo de personas.

6 / 5 9
http://find/


7/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Materiales

La implementacion del sistema de Vision Artificial para lamedicion del flujo peatonal en tiempo real en una

interseccion de semaforo, se realizo a traves del entorno deprogramacion Matlab y MySQL, ademas se hace uso deuna camara web para la captura de video.

Las fuentes de informacion a consultar se basaron en

artculos cientficos, tesis doctorales, sitios especializados yoficiales de la tematica a buscar.

7 / 5 9
http://find/


8/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Metodos

Metodo Inductivo: La utilizacion del metodopermitio determinar el problema general de investigaciondel Trabajo de Titulacion (TT), a partir de una lista de

problemas que se presentan con el trafico. Analizando deforma particular el reconocimiento y conteo deaglomeraciones de personas en la esquina de un semaforo.

Metodo Deductivo: Mediante este metodo se

logro conocer los beneficios y el proceso de desarrollo deun sistema de vision artificial de manera particular sobre elreconocimiento y conteo de aglomeraciones de personas.

8 / 5 9


9/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Metodos

Metodo Analtico: La utilizacion de este metodopermitio determinar el analisis de tecnicas, algoritmos deVA aplicables a la deteccion de personas en movimiento.

Metodo Bibliografico:Este metodo se utilizo para larecoleccion de informacion acerca de las tematicas quecomprenden sobre VA de forma particular para ladeteccion y conteo de personas, constituyendose la baseteorica del TT.

As mismo, es fundamental apoyarse en tecnicas quepermitiran extraer informacion para sustentar el TT, entrelas utilizadas se mencionan a continuacion:

Lectura Cientfica.Observacion Directa.

9 / 5 9


10/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Metodologa de desarrollo del TT.

Analisis

Diseno

Desarrollo

Implementacion

Pruebas

10/59
http://find/


11/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Face Detector

Detecta las caras que se enfrentan en posicion vertical y haciaadelante. Este modelo se compone en un clasificador en

cascada (es decir, una cascada de clasificadores impulsadostrabajando con caractersticas haar-like) que es entrenado concientos de imagenes de prueba para codificar los rasgos faciales,llamadas imagenes positivas que son escaladas al mismotamano; e imagenes negativas (imagenes arbitrarias del mismotamano) [70].

11/59


12/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Upper Body

Detecta la region superior del cuerpo, que se define como el

area de la cabeza y los hombros. Este modelo utilizacaractersticas Haar para codificar los detalles de la region de lacabeza y el hombro. Debido a que utiliza mas caractersticasalrededor de la cabeza, este modelo es mas robusto frente acambios, por ejemplo, la rotacion de la cabeza / vertical [71].

12/59


13/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



People Detector

Detecta persona de cuerpo completo de frente y espaldas enposicion vertical en cada frame, mediante el histograma de lapendiente orientada (HOG) y las Maquinas de SoporteVectorial (SVM) clasificador [72].

13/59
http://find/


14/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Analisis de requerimientos funcionales de SW

Tabla I. REQUERIMIENTOS FUNCIONALES DE SW

CODIGO DESCRIPCION TIPO

RF001 El ingreso de una senal de video en tiempo real EVIDENTEproveniente de dispositivos de captura para su respectivoprocesamiento de manera inmediata.

RF002 Obtener como resultado del procesamiento de la senal SISTEMAde video, la identificacion de personas, as como el conteoaproximado del numero de personas que aparecen en cada frame de video.

RF003 El registro de datos de resultados en una base de datos SISTEMA

relevantes obtenidos durante proceso de deteccion yconteo de persona en la senal de video proporcionada.

14/59


15/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Analisis de requerimientos funcionales de HW

Tabla II. REQUERIMIENTOS FUNCIONALES DE HW

CODIGO DESCRIPCION

RNF001 WindowsTM XP 64 bits, Microsoft WindowsTM 7, 8, 8.1 64 bits.

RNF002 Matlab x64 R2013a Simulink

RNF003 Dispositivo capturador de video ( camara Ip)

15/59
http://find/


16/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Diagrama de Clase

Se visualiza las relaciones que existen entre las distintas clasesdel sistema: MainView,DaoManager, DetectionAreasProcesor yDetectionsCounter; pudiendo verificar la estructura del mismo.

16/59
http://find/


17/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Diseno del algoritmo de integracion

En la Fig.2. Se integra los tres algoritmos: FrontalFaceCART,Upperbody y peopleDetector, bajo la condicion de hacercomparaciones de las matrices resultantes de las detecciones delos algoritmos y verificar si los puntos de la matriz seencuentan dentro de los puntos de otra matriz, en este casoprevalece la matriz que contien a otra matriz, obteniendo as el

numero exacto de personas detectadas.

17/59


18/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Diseno del algoritmo de integracion

18/59
http://find/


19/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Diseno del algoritmo de conteo

Fig.3.Diseno del algoritmo para el conteo de peatones.19/59

Algoritmo de integracion para la deteccion de
http://find/


20/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema



Algoritmo de integracion para la deteccion de

personas.

20/59


21/59

Desarrollo de

un sistema deVision


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Algoritmo para el conteo de personas.

function [ y ] = DetectionsCounter( detectionsResult )y=numel(detectionsResult)/4; end

21/59


22/59

Desarrollo de

un sistema deVisionArtificial parala deteccion

deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Conexion a la Base de Datos MySql con Matlab

El ejecutable permite la conexion a la base de datos y lapersistencia de los datos como se muestra a continuacion:

Fig.3.Conexion a la Base dedatosMySql22/59
http://find/


23/59

Desarrollo de


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Evaluacion del Sistema

Para la evaluacion del algoritmo, se lo hizo en tiempo real,donde se ha colocado la camara a 2.5 m. de altura para ladeteccion de personas y a una distancia menor a 8 m.

Fig.4.Evaluacion del Sistema

23/59
http://find/


24/59

Desarrollo de


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

FrontalFaceCart

En la Fig.5. Y Fig.6. Se muestra la deteccion de personas conel FrontalFaceCART, en una posicion vertical y hacia adelanteque es como funciona este algoritmo.

Fig.5.Detector de caras(a)24/59


25/59

Desarrollo de


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

FrontalFaceCart

Tabla III.IDENTIFICACION CON EL FRONTALFACECART(a)

Diagrama 1. Identificacion conelfrontalfacecart(a)25/59


26/59

Desarrollo de


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

FrontalFaceCart

Fig.6.Detector de caras (b)

26/59
http://find/


27/59

Desarrollo de


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

FrontalFaceCart

Tabla IV.IDENTIFICACION CON EL FRONTALFACECART(b)

Diagrama 2. Identificacion con el frontalfacecart (b)27/59

U B d
http://find/


28/59

Desarrollo de


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Upper Body

En la Figura 7. Y Figura 8. Se muestra la deteccion depersonas con el Upper Body, en una posicion vertical y haciaadelante e incluso la rotacion de la cabeza que es comofunciona este algoritmo.

Fig.7.Detector de parte superiordelcuerpo(a).28/59

U B d
http://find/


29/59

Desarrollo de


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Upper Body

Tabla V. IDENTIFICACION CON EL UPPERBODY (a)

Diagrama 3. Identificacion con el upperbody (a)29/59

U B d
http://find/


30/59

Desarrollo de


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Upper Body

Fig.8.Detector de parte superior del cuerpo (b).

30/59

U B d


31/59

Desarrollo de


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Upper Body

Tabla VI. IDENTIFICACION CON EL UPPERBODY (b)

Diagrama 4. Identificacion con el upperbody (b)31/59

P l D t t


32/59

Desarrollo de


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

People Detector

En la Figura 9. Y Figura 10. Se muestra la deteccion depersonas con el people Detector, en una posicion vertical defrente o espaldas que es como funciona este algoritmo.

Fig.9.Detector de personas cuerpo completo (a).32/59

People Detector


33/59

Desarrollo de


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

People Detector

Tabla VII. IDENTIFICACION CON EL PEOPLEDETECTOR(a)

Dia rama 5. Identificacion conel eo ledetector a33/59

People Detector


34/59

Desarrollo de


deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

People Detector

Fig.10.Detector de personas cuerpo completo (b).

34/59

People Detector


35/59

Desarrollo deun sistema de

VisionArtificial parala deteccion

deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

People Detector

Tabla VIII. IDENTIFICACION CON EL PEOPLEDETECTOR(b)

Diagrama 6. Identificacion conelpeopledetector(b)35/59

Deteccion integrando los tres algoritmos


36/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas


La deteccion se realiza integrado de tres algoritmos:

FrontalFaceCART, Upperbody, y peopleDetector; para laidentificacion de aglomeracion de personas en tiempo real.

Fig.11.Detector de con FrontalFaceCARTyUpperbody.36/59



37/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas


Tabla IX. IDENTIFICACION CON EL DETECTORFRONTALFACECART Y UPPERBODY

Diagrama 7.Identificacion con el detector frontalfacecart y

upperbody.37/59

http://find/


38/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas


Fig.12.Detector con peopleDetector.

38/59

http://find/


39/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas


Tabla X. IDENTIFICACION CON EL DETECTORPEOPLEDETECTOR

Diagrama 8.Identificacion con el detectorpeopledetector39/59



40/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas


Fig.13.Detector con Upperbody y peopleDetector

40/59

http://find/


41/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas


Tabla XI. IDENTIFICACION CON EL DETECTORUPPERBODY Y PEOPLEDETECTOR

Diagrama 9.Identificacion con eldetectorupperbodyy41/59

http://find/


42/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

etecc o teg a do os t es a go t os

Fig.14.Detector con Upperbody y peopleDetector.

42/59



43/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

g g

Tabla XII. IDENTIFICACION CON EL DETECTORUPPERBODY Y PEOPLEDETECTOR

Diagrama 10.Identificacion con el detector upperbody y

peopledetector43/59

http://find/


44/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

g g

Fig.15.Detector con upperbody.

44/59



45/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

g g

Tabla XIII. IDENTIFICACION CON EL DETECTORUPPERBODY

Diagrama 11.Identificacion con el detector upperbody45/59

Conteo de Personas
http://find/


46/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Fig.16.Conteo de peatones.

46/59

Persistencia de datos


47/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Fig.17.Registro en la Base de datos facerecogdb.

47/59

Iluminacion


48/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Fig.18.Detector de peatones con iluminacion incorrecta.

48/59

Iluminacion
http://find/


49/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Tabla XIV. IDENTIFICACION CON ILUMINACI

ONINCORRECTA

Diagrama 12.Identificacion con iluminacion incorrecta49/59

Distancia entre el peaton y la camara
http://find/


50/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas Fig.19.Distancia entre el peatonylacamara50/59

Distancia entre el peaton y la camara


51/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Tabla XV. IDENTIFICACION CON DISTANCIA ENTRE ELPEATON Y LA CAMARA

Diagrama 13.Identificacion con distancia entre el peaton y la

camara51/59

Tomas Nocturnas


52/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Fig.20.Detector de peatones en la noche52/59

Tomas Nocturnas
http://find/


53/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Tabla XVI. IDENTIFICACION EN LA NOCHE.

Diagrama 14.Identificacion en la noche53/59

Conclusiones
http://find/


54/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Durante el desarrollo de este trabajo, se ha estadoresaltando la importancia de que el algoritmo funcione en

tiempo real, destacando que la integracion de los 3algoritmos FrontalFaceCART, Upperbody ypeopleDetector, mejora la deteccion en tiempo real que alutilizar cada uno por separado debido a las diferentesposturas de los peatones, logrando un mejor control en la

deteccion en una aglomeracion.

54/59

Conclusiones
http://find/


55/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Es importante darse cuenta de la necesidad de que lacamara se encuentre en su colocacion adecuada, dispongade un punto de equilibrio estable, ya que influyeconsiderable en la deteccion de peatones, considerando

que los algoritmos detectan en forma vertical.Por otro lado, cambios constantes impredecibles en losambientes como: iluminacion, ruido; dan lugar a que seproduzcan detecciones de falsos positivos y negativos, quedan lugar a que en determinados frames dejen de

detectarse peatones o se definan como tales objetos queno lo son. Buscar disminuir estos falsos resultadosmediante el tratamiento de la imagen, implicara unaumento del coste computacional.

55/59

Trabajos Futuros
http://find/


56/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Sistema de Semaforos Inteligentes:Este trabajo de

identificacion y conteo de peatones fue desarrollado parasu posterior implementacion en un prototipo de semaforosinteligentes, que de acuerdo al grado de congestion quepresente algun canal de una interseccion vial prolongue unpoco mas el paso de los carros y peatones a traves decambios de luces en funcion a las condiciones actuales,para as descongestionar la calle o avenida.Control del numero de personas en un Ascensor:Sistema que permita el conteo de personas que puedan

subir o bajar en un ascenso, este tipo de informacion debeser utilizada para brindar seguridad a las mismas.Video Vigilancia de casas:Cuando la camara detecteuna persona dentro de la casa en vigilancia, se active unaalarma auditiva-visual y se enve un mensaje de texto al

celular de la persona; logrando seguridaden loshogares.56/59

Recomendaciones


57/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Para la implementacion de algoritmos de vision artificial

utilizar Matlab, ya que es un lenguaje computacional quepermite desarrollar algoritmos mas robustos, visualizar,exportar, analizar datos numericos y realizar elprocesamiento de imagenes, interfaz grafica debido a lostoolboxes disponibles en distintas areas tecnicas confunciones comprobadas que ayudaron en el caso delprototipo planteado a cumplir de mejor manera losobjetivos planteados aprovechando as el potencial delsoftware.

Para la realizacion de las pruebas en ambientes con cieloabierto se hace necesario antes de realizar la adquisicionde los frames tener en cuenta la ubicacion de la camaraweb debido a que cumple un papel crucial que influye en eldesempeno de los algoritmos desarrollados ya que si se

encuentra demasiado lejos de laspersonaspuedeque57/59

Recomendaciones


58/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

Una posible va para la mejora del mismo sera utilizarcamaras especficamente disenadas para sistemas de visionartificial, debido a que estas camaras no dependen en granmedida de la iluminacion y ofrecen un menor nivel deruido, haciendo mas sencilla la etapa de deteccion de lospeatones; proporcionando mejores resultados.

58/59

Aristoteles
http://find/


59/59



deaglomeracion



Resumen

Introduccion

Objetivos

Materiales yMetodos

Resultados

Analisis

Diseno delsistema


Implementacion

Pruebas

La inteligencia consiste no solo en el conocimiento, sinotambien en la destreza de aplicar los conocimientos en la

practica.

GRACIAS59/59
http://find/

ExposiciónTesis deteccion

Documents

Transcript of ExposiciónTesis deteccion