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/7/25/2019 ExposicinTesis deteccion
2/59
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
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/7/25/2019 ExposicinTesis deteccion
3/59
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
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/7/25/2019 ExposicinTesis deteccion
4/59
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
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/7/25/2019 ExposicinTesis deteccion
5/59
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
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/7/25/2019 ExposicinTesis deteccion
6/59
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
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/7/25/2019 ExposicinTesis deteccion
7/59
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
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/7/25/2019 ExposicinTesis deteccion
8/59
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
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
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
9/59
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
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
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
10/59
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
Metodologa de desarrollo del TT.
Analisis
Diseno
Desarrollo
Implementacion
Pruebas
10/59
http://find/7/25/2019 ExposicinTesis deteccion
11/59
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
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
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
12/59
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
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
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
13/59
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
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/7/25/2019 ExposicinTesis deteccion
14/59
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
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
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
15/59
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
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/7/25/2019 ExposicinTesis deteccion
16/59
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
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/7/25/2019 ExposicinTesis deteccion
17/59
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
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
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
18/59
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
Diseno del algoritmo de integracion
18/59
http://find/7/25/2019 ExposicinTesis deteccion
19/59
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
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/7/25/2019 ExposicinTesis deteccion
20/59
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
Algoritmo de integracion para la deteccion de
personas.
20/59
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
21/59
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
Implementacion
Pruebas
Algoritmo para el conteo de personas.
function [ y ] = DetectionsCounter( detectionsResult )y=numel(detectionsResult)/4; end
21/59
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
22/59
Desarrollo de
un sistema deVisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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/7/25/2019 ExposicinTesis deteccion
23/59
Desarrollo de
un sistema deVisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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/7/25/2019 ExposicinTesis deteccion
24/59
Desarrollo de
un sistema deVisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
25/59
Desarrollo de
un sistema deVisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
FrontalFaceCart
Tabla III.IDENTIFICACION CON EL FRONTALFACECART(a)
Diagrama 1. Identificacion conelfrontalfacecart(a)25/59
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
26/59
Desarrollo de
un sistema deVisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
FrontalFaceCart
Fig.6.Detector de caras (b)
26/59
http://find/7/25/2019 ExposicinTesis deteccion
27/59
Desarrollo de
un sistema deVisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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/7/25/2019 ExposicinTesis deteccion
28/59
Desarrollo de
un sistema deVisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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/7/25/2019 ExposicinTesis deteccion
29/59
Desarrollo de
un sistema deVisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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/7/25/2019 ExposicinTesis deteccion
30/59
Desarrollo de
un sistema deVisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
Upper Body
Fig.8.Detector de parte superior del cuerpo (b).
30/59
U B d
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
31/59
Desarrollo de
un sistema deVisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
32/59
Desarrollo de
un sistema deVisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
33/59
Desarrollo de
un sistema deVisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
People Detector
Tabla VII. IDENTIFICACION CON EL PEOPLEDETECTOR(a)
Dia rama 5. Identificacion conel eo ledetector a33/59
People Detector
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
34/59
Desarrollo de
un sistema deVisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
People Detector
Fig.10.Detector de personas cuerpo completo (b).
34/59
People Detector
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
35/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
People Detector
Tabla VIII. IDENTIFICACION CON EL PEOPLEDETECTOR(b)
Diagrama 6. Identificacion conelpeopledetector(b)35/59
Deteccion integrando los tres algoritmos
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
36/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
Deteccion integrando los tres algoritmos
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
Deteccion integrando los tres algoritmos
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
37/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
Deteccion integrando los tres algoritmos
Tabla IX. IDENTIFICACION CON EL DETECTORFRONTALFACECART Y UPPERBODY
Diagrama 7.Identificacion con el detector frontalfacecart y
upperbody.37/59
Deteccion integrando los tres algoritmos
http://find/7/25/2019 ExposicinTesis deteccion
38/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
Deteccion integrando los tres algoritmos
Fig.12.Detector con peopleDetector.
38/59
Deteccion integrando los tres algoritmos
http://find/7/25/2019 ExposicinTesis deteccion
39/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
Deteccion integrando los tres algoritmos
Tabla X. IDENTIFICACION CON EL DETECTORPEOPLEDETECTOR
Diagrama 8.Identificacion con el detectorpeopledetector39/59
Deteccion integrando los tres algoritmos
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
40/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
Deteccion integrando los tres algoritmos
Fig.13.Detector con Upperbody y peopleDetector
40/59
Deteccion integrando los tres algoritmos
http://find/7/25/2019 ExposicinTesis deteccion
41/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
Deteccion integrando los tres algoritmos
Tabla XI. IDENTIFICACION CON EL DETECTORUPPERBODY Y PEOPLEDETECTOR
Diagrama 9.Identificacion con eldetectorupperbodyy41/59
Deteccion integrando los tres algoritmos
http://find/7/25/2019 ExposicinTesis deteccion
42/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
etecc o teg a do os t es a go t os
Fig.14.Detector con Upperbody y peopleDetector.
42/59
Deteccion integrando los tres algoritmos
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
43/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
g g
Tabla XII. IDENTIFICACION CON EL DETECTORUPPERBODY Y PEOPLEDETECTOR
Diagrama 10.Identificacion con el detector upperbody y
peopledetector43/59
Deteccion integrando los tres algoritmos
http://find/7/25/2019 ExposicinTesis deteccion
44/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
g g
Fig.15.Detector con upperbody.
44/59
Deteccion integrando los tres algoritmos
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
45/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
g g
Tabla XIII. IDENTIFICACION CON EL DETECTORUPPERBODY
Diagrama 11.Identificacion con el detector upperbody45/59
Conteo de Personas
http://find/7/25/2019 ExposicinTesis deteccion
46/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
Fig.16.Conteo de peatones.
46/59
Persistencia de datos
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
47/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
Fig.17.Registro en la Base de datos facerecogdb.
47/59
Iluminacion
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
48/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
Fig.18.Detector de peatones con iluminacion incorrecta.
48/59
Iluminacion
http://find/7/25/2019 ExposicinTesis deteccion
49/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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/7/25/2019 ExposicinTesis deteccion
50/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas Fig.19.Distancia entre el peatonylacamara50/59
Distancia entre el peaton y la camara
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
51/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
52/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
Fig.20.Detector de peatones en la noche52/59
Tomas Nocturnas
http://find/7/25/2019 ExposicinTesis deteccion
53/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo delsistema
Implementacion
Pruebas
Tabla XVI. IDENTIFICACION EN LA NOCHE.
Diagrama 14.Identificacion en la noche53/59
Conclusiones
http://find/7/25/2019 ExposicinTesis deteccion
54/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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/7/25/2019 ExposicinTesis deteccion
55/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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/7/25/2019 ExposicinTesis deteccion
56/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
57/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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
http://find/http://goback/7/25/2019 ExposicinTesis deteccion
58/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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/7/25/2019 ExposicinTesis deteccion
59/59
Desarrollo deun sistema de
VisionArtificial parala deteccion
deaglomeracion
de personas enun Semaforo
Estructura delinforme
Resumen
Introduccion
Objetivos
Materiales yMetodos
Resultados
Analisis
Diseno delsistema
Desarrollo 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/