Adaptación de yolo versión 5 para la detección de vehículos en espacio 3D sobre imágenes monoculares

Caicedo Mera, Yesid; Parra Rodriguez, Carlos Alberto; Wilches Perez, Carlos Andres

Adaptación de yolo versión 5 para la detección de vehículos en espacio 3D sobre imágenes monoculares

dc.contributor.advisor	Parra Rodriguez, Carlos Alberto
dc.contributor.advisor	Wilches peréz, Carlos andrés
dc.contributor.author	Caicedo Mera, Yesid	spa
dc.contributor.author	Parra Rodriguez, Carlos Alberto	spa
dc.contributor.author	Wilches Perez, Carlos Andres	spa
dc.contributor.evaluator	Gerlein Reyes, Eduardo Andres	spa
dc.contributor.evaluator	Acosta Mejía, Juan Camilo	spa
dc.date.accessioned	2023-11-07T13:20:38Z
dc.date.available	2023-11-07T13:20:38Z
dc.date.created	2023-10-01	spa
dc.description.abstract	Este proyecto consistió en adaptar el modelo YOLO versión 5 para detectar y clasificar vehículos en un espacio tridimensional, y con esto, evaluar el riesgo de colisión trasera en Bogotá usando imágenes RGB de videos de vigilancia. El modelo YOLO versión 5 entrenado tuvo un mAP@50 de 91.8% y se usó para estimar la longitud de los vehículos utilizando la perspectiva, en particular, los puntos de fuga. Se dividió la región de interés (ROI) en tres zonas según estos puntos de fuga, lo que permitió calcular distancias aproximadas entre par de vehículos consecutivos. A partir de la información recopilada y los resultados obtenidos, se definieron categorías de riesgo de colisión y se ajustaron las reglas y funciones de pertenencia para reflejar la realidad considerando la normatividad del tránsito sobre la separación espacial entre vehículos en circulación. Entre los resultados, se consiguió un modelo con un desempeño satisfactorio y se da a conocer la metodología para pasar de detecciones en un espacio bidimensional a uno tridimensional. Además, se observó que los conductores no respetan en gran medida las distancias de seguridad sugeridas ya que el 95.5% de las distancias calculadas se clasificaron en riesgo alto y medio, lo que incrementa la posibilidad de accidentes viales en la ciudad.	spa
dc.description.abstractenglish	An adapted YOLOv5 model was used in this project to detect and classify vehicles in a three-dimensional space and assess the risk of rear-end collision in the city of Bogota, using RGB images from surveillance videos. The trained model had a mAP@50 of 91.8% and was used to estimate vehicle length using perspective, particularly vanishing points. The region of interest (ROI) was divided into three zones according to these vanishing points, this allowed to estimate distances between consecutive pairs of vehicles. Based on the information collected and the results obtained, the collision risk categories were defined, and the rules and membership functions were adjusted to reflect the reality considering the traffic regulations on the spatial separation between circulating vehicles. Among the results, a model with satisfactory performance was obtained, and the methodology to move from detections in a two-dimensional space to a three-dimensional one is disclosed. In addition, it was observed that drivers do not respect the suggested safety distances to a great extent since 95.5% of the calculated distances were classified as high and medium risk, which increases the possibility of road accidents in the city.	spa
dc.description.degreelevel	Maestría
dc.description.degreename	Magíster en Inteligencia Artificial
dc.format	PDF
dc.format.mimetype	application/pdf
dc.identifier.instname	instname:Pontificia Universidad Javeriana
dc.identifier.reponame	reponame:Repositorio Institucional - Pontificia Universidad Javeriana
dc.identifier.repourl	repourl:https://repository.javeriana.edu.co
dc.identifier.uri	http://hdl.handle.net/10554/65639
dc.language.iso	spa
dc.publisher	Pontificia Universidad Javeriana
dc.publisher.faculty	Facultad de Ingeniería
dc.publisher.program	Maestría en Inteligencia Artificial
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	info:eu-repo/semantics/openAccess
dc.rights.licence	Atribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rights.local	De acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Monocular
dc.subject	Visión
dc.subject	Detección de objetos
dc.subject	3d
dc.subject	RGB
dc.subject	Tráfico
dc.subject	YOLO
dc.subject	Puntos de fuga
dc.subject.armarc	Maestría en inteligencia artificial - Tesis y disertaciones académicas
dc.subject.armarc	Visión por computador	spa
dc.subject.armarc	Procesamiento de imágenes	spa
dc.subject.armarc	Sensores de proximidad	spa
dc.subject.keyword	Monocular
dc.subject.keyword	Vision
dc.subject.keyword	Object detection
dc.subject.keyword	3d
dc.subject.keyword	RGB
dc.subject.keyword	Traffic
dc.subject.keyword	YOLO
dc.subject.keyword	Vanishing points
dc.title	Adaptación de yolo versión 5 para la detección de vehículos en espacio 3D sobre imágenes monoculares	spa
dc.title.english	Adapting yolo version 5 for vehicle detection in 3d space on monocular images	spa
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.driver	info:eu-repo/semantics/masterThesis
dc.type.hasversion	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.local	Tesis/Trabajo de grado - Monografía - Maestría