Implementación de un prototipo de sistema con visión computacional para detectar motociclistas sin casco de seguridad

• Autor: Gonzales Huisa, Nelson
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional de San Antonio Abad del Cusco
• Repositorio: UNSAAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsaac.edu.pe:20.500.12918/11326
• Enlace del recurso: https://hdl.handle.net/20.500.12918/11326
• Nivel de acceso: acceso abierto
• Materia: Detección de objetos; YOLO; Faster R-CNN; DeepSORT; https://purl.org/pe-repo/ocde/ford#1.02.01

El aumento en el uso de motocicletas representa una problemática creciente para la seguridad vial, debido al incumplimiento de normas de tránsito por parte de los motociclistas. En la actualidad, monitorear y hacer cumplir estas normativas es un desafío para el personal policial, debido a la alta densidad de tránsito en zonas urbanas y la limitada presencia policial en áreas rurales. Ante esta situación, esta investigación propone automatizar esta tarea mediante el desarrollo de un prototipo basado en visión computacional. El desarrollo del prototipo comenzó con la creación de un dataset propio, compuesto por imágenes etiquetadas específicamente para identificar motociclistas que no usan casco de seguridad. Luego, se evaluaron los modelos de detección de objetos Faster R-CNN y YOLO, comparando sus ventajas en términos de precisión y rendimiento en escenarios de tiempo real. Tras un análisis detallado, se seleccionó YOLO como el modelo más adecuado debido a su capacidad para procesar de manera eficiente en tiempo real. Se evaluaron dos variantes de YOLO analizando precisión, recall y F1-score, lo que permitió seleccionar el modelo más adecuado para el prototipo. También se integró el algoritmo DeepSORT, el cual permitió monitorear a motociclistas en movimiento, estimar su velocidad y detectar infracciones por no usar casco y por exceso de velocidad, abordando dos factores críticos asociados a la seguridad vial.