Estimación de número de personas en imágenes de multitudes usando aprendizaje de máquina

Desarrollar una aplicación de estimación de número de personas, mediante el uso de técnicas de aprendizaje de máquina y visión por computador, bajo una plataforma de software libre.

Gorde:
Xehetasun bibliografikoak
Egile nagusia: Gualoto López, Deysi Steffany (author)
Formatua: bachelorThesis
Hizkuntza:spa
Argitaratua: 2021
Gaiak:
Sarrera elektronikoa:http://repositorio.utn.edu.ec/handle/123456789/11444
Etiketak: Etiketa erantsi
Etiketarik gabe, Izan zaitez lehena erregistro honi etiketa jartzen!
_version_ 1863407617804599296
author Gualoto López, Deysi Steffany
author_facet Gualoto López, Deysi Steffany
author_role author
collection Repositorio Universidad Técnica del Norte
dc.contributor.none.fl_str_mv Rosero Chandi, Carlos Xavier
Mecatrónica
dc.coverage.none.fl_str_mv Ibarra. Ecuador.
dc.creator.none.fl_str_mv Gualoto López, Deysi Steffany
dc.date.none.fl_str_mv 2021-08-16T20:25:06Z
2021-08-16T20:25:06Z
2021-08-12
2021-08-16
dc.format.none.fl_str_mv image/jpeg
application/pdf
dc.identifier.none.fl_str_mv 04/MEC/ 371
http://repositorio.utn.edu.ec/handle/123456789/11444
0000035214
dc.language.none.fl_str_mv spa
dc.rights.none.fl_str_mv Atribución-NoComercial-CompartirIgual 3.0 Ecuador
http://creativecommons.org/licenses/by-nc-sa/3.0/ec/
info:eu-repo/semantics/openAccess
dc.source.none.fl_str_mv reponame:Repositorio Universidad Técnica del Norte
instname:Universidad Técnica del Norte
instacron:UTN
dc.subject.none.fl_str_mv MECÁNICA
MÁQUINA
APRENDIZAJE
dc.title.none.fl_str_mv Estimación de número de personas en imágenes de multitudes usando aprendizaje de máquina
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/bachelorThesis
description Desarrollar una aplicación de estimación de número de personas, mediante el uso de técnicas de aprendizaje de máquina y visión por computador, bajo una plataforma de software libre.
eu_rights_str_mv openAccess
format bachelorThesis
id UTN_d31d1fe1b25a5904d4230f8fa32c982e
identifier_str_mv 04/MEC/ 371
0000035214
instacron_str UTN
institution UTN
instname_str Universidad Técnica del Norte
language spa
network_acronym_str UTN
network_name_str Repositorio Universidad Técnica del Norte
oai_identifier_str oai:repositorio.utn.edu.ec:123456789/11444
publishDate 2021
reponame_str Repositorio Universidad Técnica del Norte
repository.mail.fl_str_mv .
repository.name.fl_str_mv Repositorio Universidad Técnica del Norte - Universidad Técnica del Norte
repository_id_str 4189
rights_invalid_str_mv Atribución-NoComercial-CompartirIgual 3.0 Ecuador
http://creativecommons.org/licenses/by-nc-sa/3.0/ec/
spelling Estimación de número de personas en imágenes de multitudes usando aprendizaje de máquinaGualoto López, Deysi SteffanyMECÁNICAMÁQUINAAPRENDIZAJEDesarrollar una aplicación de estimación de número de personas, mediante el uso de técnicas de aprendizaje de máquina y visión por computador, bajo una plataforma de software libre.Actualmente, existe una gran demanda de sistemas de monitoreo de multitudes para su análisis y seguimiento. El conteo de personas en aglomeraciones ha adquirido una gran relevancia en el campo de la seguridad pública. Por lo tanto, el objetivo del presente trabajo de grado es desarrollar un sistema que permita detectar y estimar el número de personas presentes en imágenes de multitudes, usando aprendizaje de máquina y visión por computador. El núcleo de este enfoque se basa principalmente en el uso de un descriptor de características Histogramas de Gradientes Orientados (HOG) y un modelo de clasificación supervisado Máquinas de Vectores de Soporte (SVM). Estos algoritmos son implementados en una plataforma de software libre, utilizando el lenguaje de programación Python y bibliotecas libres. La evaluación del rendimiento del modelo de clasificación se realiza usando las métricas orientadas a estos modelos, por otro lado, para el algoritmo de detección y conteo se realiza pruebas experimentales en imágenes de un conjunto de datos de libre acceso, orientado al análisis de multitudes de diferentes densidades. Estas imágenes son de distintas dimensiones y presentan diferentes perspectivas de cámara, variaciones de iluminación y diversos fondos. Por último, mediante las pruebas realizadas se puede deducir que el sistema presenta un mejor desempeño en imágenes de multitudes con un ángulo de cámara normal y una densidad uniforme.IngenieríaRosero Chandi, Carlos XavierMecatrónica2021-08-16T20:25:06Z2021-08-16T20:25:06Z2021-08-122021-08-16info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisimage/jpegapplication/pdf04/MEC/ 371http://repositorio.utn.edu.ec/handle/123456789/114440000035214spaIbarra. Ecuador.Atribución-NoComercial-CompartirIgual 3.0 Ecuadorhttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/info:eu-repo/semantics/openAccessreponame:Repositorio Universidad Técnica del Norteinstname:Universidad Técnica del Norteinstacron:UTN2021-08-20T01:49:51Zoai:repositorio.utn.edu.ec:123456789/11444Institucionalhttp://repositorio.utn.edu.ec/Universidad públicahttps://www.utn.edu.ec/http://repositorio.utn.edu.ec/oai.Ecuador...opendoar:41892026-04-25T02:13:44.106522Repositorio Universidad Técnica del Norte - Universidad Técnica del Nortetrue
spellingShingle Estimación de número de personas en imágenes de multitudes usando aprendizaje de máquina
Gualoto López, Deysi Steffany
MECÁNICA
MÁQUINA
APRENDIZAJE
status_str publishedVersion
title Estimación de número de personas en imágenes de multitudes usando aprendizaje de máquina
title_full Estimación de número de personas en imágenes de multitudes usando aprendizaje de máquina
title_fullStr Estimación de número de personas en imágenes de multitudes usando aprendizaje de máquina
title_full_unstemmed Estimación de número de personas en imágenes de multitudes usando aprendizaje de máquina
title_short Estimación de número de personas en imágenes de multitudes usando aprendizaje de máquina
title_sort Estimación de número de personas en imágenes de multitudes usando aprendizaje de máquina
topic MECÁNICA
MÁQUINA
APRENDIZAJE
url http://repositorio.utn.edu.ec/handle/123456789/11444