Sistema inteligente de gestión de tráfico mediante visión por computadora y Python para la identificación y estimación de velocidad vehicular

Los sistemas de estimación de velocidad vehicular basados en visión por computadora han atraído gran atención como soporte para estrategias efectivas de control de tráfico. En este artículo se emplearon algoritmos de detección de vehículos y seguimiento de objetos mediante una biblioteca de procesamiento de imágenes. Se seleccionó un tramo de vía con excelente visibilidad e iluminación, y se instaló una cámara fija a distintas alturas para garantizar la calidad de las imágenes. En la metodología se delimitó la Región de Interés (ROI) eligiendo dos pares de puntos reales separados y proyectándolos sobre el fotograma. Posteriormente, se utilizó el modelo preentrenado YOLOv8 ajustado con imágenes etiquetadas en RoboFlow, para la detección y clasificación de vehículos; el seguimiento se realizó con DeepSORT. La velocidad se calculó a partir del intervalo de tiempo durante el cual los vehículos cruzaron las líneas virtuales correspondientes a la entrada y salida del ROI, convirtiendo la distancia en píxeles a metros mediante un factor de calibración geométrica. Toda la información se almacenó estructuradamente en una base de datos MySQL. La validación se llevó a cabo con un velocímetro GPS, obteniendo un promedio de ±3,16 km/h y un error relativo 4.74 %. Este enfoque ofrece una solución para medir la velocidad sin sensores de alta complejidad, facilitando el monitoreo del tráfico y abriendo aplicaciones en sistemas de transporte inteligente.

• Автор: López Zambrano, Fabian Alberto; (author)
• Інші автори: Vera Manzano, John Steeven (author)
• Формат: bachelorThesis
• Мова: spa
• Опубліковано: 2025
• Предмети: ESTIMACIÓN DE VELOCIDAD VEHICULAR; VISIÓN POR COMPUTADORA; YOLOV8; DEEPSORT; MONITOREO DEL TRÁFICO
• Онлайн доступ: http://dspace.ups.edu.ec/handle/123456789/31291