Detección de vehículos con aprendizaje profundo en Cámara de Vigilancia

• Autor: Laura Riveros, Elian Raquel
• Formato: tesis de maestría
• Fecha de Publicación: 2018
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:UNSA/5830
• Enlace del recurso: http://repositorio.unsa.edu.pe/handle/UNSA/5830
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje profundo; Redes neuronales; Convolucionales; Hiperparámetros; Procesamiento de videos; Videovigilancia; https://purl.org/pe-repo/ocde/ford#2.02.03

Un sistema de detección de objetos en tiempo real tiene gran aplicabilidad en el campo de visión artificial. La detección a través de una videocámara implica que el sistema debe mantenerse informado sobre la posición del objeto durante su permanencia en cada fotograma del video, a su vez se hace necesario el control de factores externos (variación de iluminación, oclusión, sombras, etc) que pueden impedir la correcta detección del objeto. Ante este problema nos enfocamos en técnicas de aprendizaje de máquina eficientes en la detección de objetos y robustas ante los factores externos. El presente proyecto de investigación propone la detección de vehículos basado en un algoritmo de aprendizaje profundo, que sea capaz de reducir las consecuencias emitidas por los factores externos, también un conjunto de técnicas de procesamiento de imágenes son aplicadas para la experimentación y análisis de detección de vehículos en una cámara de videovigilancia. Por lo expuesto, el presente proyecto de investigación da a conocer las bondades de las técnicas de aprendizaje profundo a través de experimentos realizados en la implementación de un detector de vehículos.