000			03447nam a22003257a 4500
003			EC-UrYT
005			20221206000933.0
008			150116t9999 mx r gr 000 0 spa d
040			_cEC-UrYT
041			_aeng _bspa
100	1		_913004 _aMejía Vallejo, Héctor Andrés _eautor
245	1		_aVehicle speed estimation from fixed point camera using projective geometry and object tracking / _cHéctor Andrés Mejía Vallejo ; tutor Israel Gustavo Pineda Arias
264		4	_aUrcuquí, _c2021
300			_a93 hojas : _bilustraciones (algunas a color) ; _c30 cm + _e1 CD-ROM
502			_aTrabajo de integración curricular _b(Ingeniero/a en Tecnologías de la Información). _cUniversidad de Investigación de Tecnología Experimental Yachay. _gUrcuquí, _d2021
504			_aIncluye referencias bibliográficas (páginas 83-88)
506			_aTrabajo de integración curricular con acceso abierto
516			_aTexto (Hypertexto links)
520			_aCada año, aproximadamente 1,35 millones de personas mueren en las carreteras del mundo debido a accidentes de tránsito. Muchas ciudades importantes han implementado sistemas de cámaras que pueden usarse para estimar la velocidad de vehículos. Este trabajo propone un flujo de trabajo de tres componentes para tal propósito: Primero, la estimación de homografía se emplea para retroproyectar las coordenadas de la imagen a las coordenadas de longitud-latitud. Luego, se utiliza un detector de objetos para localizar vehículos en la escena. Finalmente, un rastreador de objetos recibe esas detecciones para dar seguimiento a los vehículos y estimar su velocidad. El proceso de estimación de velocidad se realiza para cada vehículo convirtiendo las ubicaciones del plano de la imagen en coordenadas del mundo real utilizando la matriz de homografía, luego calculando la distancia entre líneas y dividiéndola por un marco de tiempo de medio segundo. Además, se compararon tres implementaciones de estimación de homografía: un algoritmo básico de Transformación lineal directa (DLT), un DLT robusto que utiliza el consenso de muestra aleatoria (RANSAC) y una metodología propuesta que emplea algoritmos evolutivos para una búsqueda localizada de puntos óptimos, así como dos versiones de un rastreador de objetos. El primero usa la distancia euclidiana para asignar detecciones a las pistas, mientras que el segundo usa Intersection over Union (IoU), más un umbral para minimizar la asignación incorrecta de pistas. Finalmente, los resultados muestran que el flujo que utiliza cualquiera de los tres métodos de homografía y el rastreador de IoU puede registrar con éxito distribuciones de velocidad para vehículos que están a la expectativa de acuerdo con el entorno del tráfico urbano y también puede manejar cambios en la velocidad del vehículo.
546			_aTextos en inglés con resúmenes en español e inglés
650		0	_913009 _aDetección de objetos
650		0	_913010 _aRastreo de objetos
650		0	_913011 _aSpeed estimation
650		0	_93891 _aTecnologías de la Información _vTrabajos y disertaciones académicas
700	1		_912595 _aPineda Arias, Israel Gustavo _etutor
710	1		_aUniversidad de Investigación de Tecnología Experimental Yachay. _bEscuela de Cineicas Matemáticas y Computacionales _911232
856			_zVer recurso _uhttp://repositorio.yachaytech.edu.ec/handle/123456789/445
942			_2ddc _cTIC
999			_c3995 _d3995