Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.espe.edu.ec/handle/21000/13894
Título : | Implementación del algoritmo de clasificación Bayesian Naive y el filtro de Kalman para la detección y seguimiento de peatones para aplicaciones en vehículos inteligentes |
Director(es): | Flores Calero, Marco Javier |
Autor: | Cadena Paillacho, Edison Bladimir Chávez Chamorro, William Paúl |
Palabras clave : | CONTROL AUTOMÁTICO ALGORITMOS FILTRO KALMAN INGENIERÍA DE SOFTWARE PEATONES DAIMLER (BASE DE DATOS) |
Fecha de publicación : | 2018 |
Editorial: | Universidad de las Fuerzas Armadas ESPE. Carrera de Ingeniería en Electrónica, Automatización y Control. |
Citación : | Cadena Paillacho, Edison Bladimir y Chávez Chamorro, William Paúl (2018). Implementación del algoritmo de clasificación Bayesian Naive y el filtro de Kalman para la detección y seguimiento de peatones para aplicaciones en vehículos inteligentes. Carrera de Ingeniería en Electrónica, Automatización y Control. Universidad de las Fuerzas Armadas ESPE. Matriz Sangolquí. |
Abstract: | En este proyecto de titulación se implementó un algoritmo para la detección y el seguimiento de peatones durante el día, usando visión por computador. Esta propuesta consta de dos partes, un módulo de clasificación y un módulo de seguimiento. Para el clasificador se usó una nueva versión del descriptor HOG, para la generación del vector de características, luego se entrenó el algoritmo Adaboost como clasificador fuerte, junto con Naive Bayes como clasificador débil. En la etapa de seguimiento se utilizó el filtro de Kalman, para el seguimiento de un peatón presente en la escena. El clasificador fue entrenado y evaluado sobre las bases de datos: Daimler (Daimler, 2013), INRIA (INRIA, 2005), P_T_HI (Flores, Robayo, & Saa, 2015), MIT (MIT, s.f.), CVC-03 (Elektra, 2010). Para la fase de entrenamiento se usaron 39000 imágenes de no peatones y 21000 imágenes de peatones, para la validación se usaron 19974 imágenes de peatones y 37274 imágenes de no peatones, obteniendo una exactitud del 85,2% y una sensibilidad del 93,76%. En la evaluación del filtro de Kalman se utilizó cinco videos formando un total de 3239 fotogramas, obteniendo una tasa de fallas promedio en escala logarítmica MR(%) del 40.35%. |
URI : | http://repositorio.espe.edu.ec/handle/21000/13894 |
Aparece en las colecciones: | Tesis - Carrera de Ingeniería en Electrónica, Automatización y Control |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
T-ESPE-057543.pdf | TRABAJO DE TITULACIÓN | 4,79 MB | Adobe PDF | Visualizar/Abrir |
T-ESPE-057543-D.pptx | DEFENSA | 21,4 MB | Microsoft Powerpoint XML | Visualizar/Abrir |
T-ESPE-057543-R.pdf | RESUMEN | 158,97 kB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.