Publicado:
2024-03-31Número:
Vol. 18 Núm. 1 (2024)Sección:
Visión de Ingeniería AplicadaComparative Evaluation of YOLO and Haar Cascade in Truck Detection in Road Scenarios in the City of Bogotá
Evaluación comparativa de YOLO y Haar Cascade en la detección de camiones en escenarios viales de la ciudad de Bogotá
Palabras clave:
YOLO, Python, CNN, BNN, Haar Clasiffier, Computer Vision (en).Palabras clave:
YOLO, Python, CNN, BNN, Clasificador Haar, Visión por computadora (es).Descargas
Resumen (en)
This research paper focuses on the identification of objects using Neural Networks and Computer Vision in Python. The goal is to achieve high levels of performance and speed in object identification through database exploration, algorithm development using tools such as OpenCV, and research of specific mathematical models. A thorough search and selection of relevant databases was carried out to train and validate the Neural Network models used, resulting in high levels of accuracy and reliability in object identification.
Resumen (es)
Este artículo se centra en la identificación de objetos mediante el uso de Redes Neuronales y Visión por computadora en Python. El objetivo es lograr altos niveles de rendimiento y rapidez en la identificación de objetos a través de la exploración de bases de datos, el desarrollo de algoritmos utilizando herramientas como OpenCV y la investigación de modelos matemáticos específicos. Se llevó a cabo una exhaustiva búsqueda y selección de bases de datos relevantes para entrenar y validar los modelos de Redes Neuronales utilizados, lo que resultó en altos niveles de precisión y confiabilidad en la identificación de objetos.
Referencias
F. Cugurullo, "Urban Artificial Intelligence: From Automation to Autonomy in the Smart City", 2020. https://doi.org/10.3389/frsc.2020.00038
Y. Liu, Q. Shi, W. Guo, and W. Liao, "A Real-time, Mobile-object Detection Approach for Unmanned Aerial Vehicle Based Forest Fire Surveillance System", 2020.
P. Jiang, D. Ergu, F. Liu, Y. Cai, and B. Ma, "A Review of YOLO Algorithm Developments", 2022. https://doi.org/10.1016/j.procs.2022.01.135
R. C. Chiroma, "Vehicle detection, counting, and classification in traffic videos: A survey", IEEE Transactions on Intelligent Transportation Systems, vol. 22, no. 10, pp. 3773-3785, 2021.
M. A. H. Akhand, "Vehicle Recognition from License Plate Number using Deep Learning", 2019.
J. W. Coral López, C. A. Pulgarín Ortiz, S. E. Nope, and A. Barandica, "Identificación de camiones de carga en movimiento por visión artificial", Tesis de pregrado, Escuela de Ingeniería Eléctrica y Electrónica, Universidad del Valle.
Á. Ramajo Ballester, J. González Cepeda, J. M. Armingol Moreno, and A. de la Escalera Hueso, "Reidentificación de camiones mediante técnicas de deep learning", Informe técnico, Laboratorio de Sistemas Inteligentes, Universidad Carlos III de Madrid.
R. A. Gonzalez, R. E. Ferro, and D. Liberona, "Government and governance in intelligent cities, smart transportation study case in Bogotá Colombia", Ain Shams Engineering Journal, vol. 11, no. 1, pp. 25-34, 2020. https://doi.org/10.1016/j.asej.2019.05.002
Unesco.org. (2023, abril 20). IA por el Planeta: Destacando las innovaciones de IA para la movilidad sostenible y las ciudades inteligentes. [Online]. Available: https://www.unesco.org/es/articles/ia-por-el-planeta-destacando-las-innovaciones-de-ia-para-la-movilidad-sostenible-y-las-ciudades
B. Pineda, C. Muñoz, H. Gil, “Aspectos relevantes de la movilidad y su relación con el medio ambiente en el Valle de Aburrá: una revisión”, Ingeniería y Desarrollo, vol. 36, núm. 2, pp. 489-508, 2018. https://doi.org/10.14482/inde.36.2.10403
C. A. Gómez Zapata, "Reconocimiento de objetos del hogar, usando redes neuronales convolucionales para personas con discapacidad visual", Revista Científica de Ingeniería y Tecnología, vol. 2, no. 2, pp. 1-10, 2019.
J. Murgui, A. J. García-Sánchez, "Clasificación y reconocimiento de imágenes con redes neuronales para aplicaciones industriales", 2018. Available: https://riunet.upv.es/bitstream/handle/10251/115464/Murgui.pdf?sequence=1
X. B. Olabe, "Redes Neuronales Artificiales y Sus Aplicaciones", Available: https://ocw.ehu.eus/pluginfile.php/40137/mod_resource/content/1/redes_neuro/contenidos/pdf/libro-del-curso.pdf
G. Ortiz, A. Sánchez, "Emprendimiento y tecnologías de la información y la comunicación en Bogotá." Cuadernos de Administración, vol. 36, no. 67, pp. 199-211, 2020.
J. Torres, H. Acosta, "La innovación en el ecosistema emprendedor de Bogotá." Cuadernos de Administración, vol. 35, no. 64, pp. 251-262, 2019.
F. Uribe, J. Guzmán, "La colaboración público-privada en el fomento de la innovación en Bogotá: el caso de la identificación de objetos en el contexto vial." Revista Internacional de Gestión y Economía Aplicada, vol. 11, no. 1, pp. 89-101, 2021.
Bogotá, “Bogotá se destaca como una ciudad innovadora en el CityLab 2021”, 2021. [Online]. Available: https://bogota.gov.co/internacional/bogota-se-destaca-como-una-ciudad-innovadora-en-el-citylab-2021
ANSV, “Ministerio de Transporte y Agencia Nacional de Seguridad Vial adoptan la metodología para establecer velocidad límite y reglamentan los planes de gestión de la velocidad”, 2023. [Online]. Available: https://ansv.gov.co/es/prensa-comunicados/9955
Codificandobits, “Parámetros e hiperparámetros en el Machine Learning | Codificando Bits”, 2023. [Online]. Available: https://www.codificandobits.com/blog/parametros-hiperparametros-machine-learning/
AWS, "¿Qué es el ajuste de hiperparámetros? - Explicación de los métodos de ajuste de hiperparámetros - AWS", 2023. [Online]. Available: https://aws.amazon.com/es/what-is/hyperparameter-tuning/
S. J. Navarro, "Análisis del flujo vehicular Generalidades", 2008. [Online]. Available: https://sjnavarro.files.wordpress.com/2008/08/analisis-de-flujo-vehicular-cal-y-mayor.pdf
Instituto Politécnico Nacional Escuela Superior De Cómputo ESCOM, "Cálculo del flujo vehicular mediante segmentación de imágenes", 2020. [Online]. Available: https://tesis.ipn.mx/bitstream/handle/123456789/21133/C%C3%A1lculo%20del%20flujo%20vehicular%20mediante%20segmentaci%C3%B3n%20de%20im%C3%A1genes.pdf?sequence=5&isAllowed=y
O. J. Reyes-Ortiz, M. Mejia, J. S. Useche-Castelblanco, "Técnicas de inteligencia artificial utilizadas en el procesamiento de imágenes y su aplicación en el análisis de pavimentos", Revista EIA, vol. 16, no. 31, pp. 189-207, 2019. https://doi.org/10.24050/reia.v16i31.1215
Movilidadbogota.gov.co, “Secretaría Distrital de Movilidad”, 2014. https://www.movilidadbogota.gov.co/web/
L. Salcedo, "YOLO (You Only Look Once): Detección de Objetos en Tiempo Real", Mi Diario Python, Mi Diario Python, 2018. Available: https://pythondiario.com/2018/09/yolo-you-only-look-once-deteccion-de.html
Y. Shao, D. Zhang, H. Chu, X. Zhang, and Y. Rao, "A Review of YOLO Object Detection Based on Deep Learning", 2021.
Konda et al., "Real-Time Traffic Sign Detection and Recognition Using YOLOv3 and OpenCV", 2020.
B. Bhasin, "Real-time Object Detection with YOLO, OpenCV and Python", 2019.
S. Suresh et al., "Object Detection with YOLO for Intelligent Traffic Monitoring System", 2020.
S. Siddiqui, "Traffic Sign Detection Using YOLO v3 with OpenCV", 2020.
Yolo, "Esquema general de entrenamiento usado para reconocimiento de imágenes con YOLO", 2023.
A. Sharma, J. Pathak, M. Prakash, and J. N. Singh, "Object Detection using OpenCV and Python", International Journal of Innovative Research in Computer and Communication Engineering, vol. 8, no. 6, pp. 2736-2741, 2020.
R. Fernandez, "Detección de rostros, caras y ojos con Haar Cascad", Cursos de Programación de 0 a Experto © Garantizados, 2018. Available: https://unipython.com/deteccion-rostros-caras-ojos-haar-cascad/
Omes-va, "Como crear tu propio DETECTOR DE OBJETOS con Haar Cascade | Python y OpenCV", omes-va.com, OMES, 2020. Available: https://omes-va.com/como-crear-tu-propio-detector-de-objetos-con-haar-cascade-python-y-opencv/
E. Ángel, J. Ambrogio, "Artículos presentados a radi | tecnología de la información y comunicación", Available: https://confedi.org.ar/wp-content/uploads/2020/12/Articulo1-RADI16.pdf
Haar, "Esquema general de entrenamiento usado para reconocimiento de imágenes con Haar Cascade", 2023.
S. S. Rao, "Vehicle detection and identification using computer vision and deep learning techniques", IEEE Transactions on Intelligent Transportation Systems, vol. 19, no. 10, pp. 2827-2836, 2018.
M. E. Gavilán, "Procesamiento de Imágenes y Visión Artificial con MATLAB", MathWorks, 2021.
MathWorks, "Visión Artificial con MATLAB: Detección y seguimiento de objetos", MathWorks, 2013.
Deep Learning, "Esquema general de entrenamiento usado para reconocimiento de imágenes con Visión por computadora sin usar Deep Learning", 2023.
A. Jayasree, M. Vari, P. Vishnu, and S. Medimi, "A comparative study of YOLO and Haar Cascade algorithm for helmet and license plate detection of motorcycles", 2022. [Online]. Available: https://www.diva-portal.org/smash/get/diva2:1707864/FULLTEXT02
R. A. González Bustamante, R. Ferro Escobar, y H. Vacca González, "Smart cities in collaboration with the internet of things", Vis. Electron., vol. 14, no. 2, pp. 185-195, sep. 2020. https://doi.org/10.14483/22484728.16995
J. A. Parra Plaza, D. Ramos Zapata, y A. Tigreros Tascón, "Implementación de redes neuronales utilizando dispositivos lógicos programables", Vis. Electron., vol. 1, no. 1, pp. 48-55, jun. 2008.
R. Jiménez Moreno, O. Avilés, y D. M. Ovalle, "Red neuronal convolucional para discriminar herramientas en robótica asistencial", Vis. Electron., vol. 12, no. 2, pp. 208-214, oct. 2018. https://doi.org/10.14483/22484728.13996
O. A. Romero Villalobos, J. Barón Velandia, y H. E. Espitia Cuchango, "Prototipo de un controlador de tráfico para una intersección semaforizada", Vis. Electron., vol. 9, no. 1, pp. 58-66, jun. 2015. https://doi.org/10.14483/22484728.11015
M. Pérez, G. A. Cavanzo Nisso, y F. Villavisán Buitrago, "Sistema embebido de detección de movimiento mediante visión artificial ", Vis. Electron., vol. 12, no. 1, pp. 97-101, jun. 2018. https://doi.org/10.14483/22484728.15087
P. M. Osorio Tique, C. A. Hernández Suárez, y A. Escobar Díaz, "Un vistazo a internet 2. Problematica social y estructural", Vis. Electron., vol. 3, no. 1, pp. 87-103, jun. 2009.
F. Suárez-Mosquera, C. D. Ballén-Martínez, y G. A. Castang-Montiel, "Prototipo telemático de visión artificial para el reconocimiento de características en personas y vehículos", Vis. Electron., vol. 15, no. 1, pp. 104-112, abr. 2021. https://doi.org/10.14483/22484728.17981
J. F. Pantoja Benavides, F. N. Giraldo Ramos, Y. S. Rubio Valderrama, y V. M. Rojas Lara, "Segmentación de imágenes utilizando campos aleatorios de Markov", Vis. Electron., vol. 4, no. 2, pp. 5-16, dic. 2010.
J. A. Parra Plaza, D. Ramos Zapata, y A. Tigreros Tascón, "Implementación de redes neuronales utilizando dispositivos lógicos programables", Vis. Electron., vol. 1, no. 1, pp. 48-55, jun. 2008.
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Visitas
Descargas
Licencia
Derechos de autor 2024 Visión electrónica
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
.png)
atribución- no comercial 4.0 International
.jpg)
