Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/6744
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nd/4.0es_ES
dc.contributorSandra Luz Canchola Magdalenoes_ES
dc.creatorJosé Alejandro Ascencio Lagunaes_ES
dc.date2014-10-
dc.date.accessioned2016-09-12T14:47:17Z-
dc.date.available2016-09-12T14:47:17Z-
dc.date.issued2014-10-
dc.identifier732 - RI000792.pdfes_ES
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/6744-
dc.descriptionEn este trabajo se ha implementado una arquitectura para el conteo y clasificación vehicular. Se aplica la Computación Acumulativa para detectar al conjunto de vehículos en movimiento y discriminar los píxeles estáticos, se hace la segmentación a través de Funciones de Densidad de Probabilidad (FDP) de Ventanas de Parzen, para obtener un núcleo Gaussiano en cada objeto; la altura de cada pico de Gauss representa el volumen del vehículo. Por último se hace el análisis de varianza ANOVA, para validar la similitud de los vehículos y seguirlos de un instante al otro. Se obtuvo un conjunto de muestras para determinar los umbrales de calibración en la eliminación de ruido y píxeles estáticos, anchos de ventana para el cálculo de las FDP, el nivel de significancia en los análisis de similitud y la eficiencia en el algoritmo de seguimiento propuesto. Los resultados obtenidos pueden ser mejorados, ya que al incrementar el número de objetos en escena, se alcanzan niveles de error del 54%, los métodos evaluados por separado dan buenos resultados. La detección de objetos junto con el análisis de similitud y una buena calibración, puede llegar a niveles de eficiencia del 95%. Los altos niveles de error en la evaluación del sistema se deben al lugar experimental, ya que se intentó cubrir con una sola cámara los ocho accesos de la escena, y esto provoca un gran número de objetos ocluidos. Se propone como trabajos futuros implementar un sensor de video en cada acceso y utilizar la técnica de ANOVA para analizar la similitud entre los objetos detectados en una cámara y otra, o cambiar la experimentación a una carretera de un solo carril.es_ES
dc.formatAdobe PDFes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Autónoma de Querétaroes_ES
dc.relation.requiresNoes_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectComputación Acumulativaes_ES
dc.subjectVentanas de Parzenes_ES
dc.subjectANOVAes_ES
dc.titleAlgoritmo automático de detección y aforo vehicular en tiempo real en horario diurnoes_ES
dc.typeTesis de maestríaes_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Sistemas de Información Gestión y Tecnologíaes_ES
dc.degree.departmentFacultad de Informáticaes_ES
dc.degree.levelMaestríaes_ES
Aparece en: Maestría en Sistemas de Información Gestión y Tecnología

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI000732.pdf5.07 MBAdobe PDFPortada
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.