Please use this identifier to cite or link to this item: https://repositorio.pascualbravo.edu.co/handle/pascualbravo/2015
Full metadata record
DC FieldValueLanguage
dc.rights.licenseAl consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.spa
dc.contributor.advisorFonnegra, Rubén-
dc.contributor.advisorBriñez De León, Juan Carlos-
dc.contributor.authorAguirre Ruiz, Alejandro-
dc.date.accessioned2023-06-20T16:03:51Z-
dc.date.available2023-06-20T16:03:51Z-
dc.date.issued2023-
dc.identifier.urihttps://repositorio.pascualbravo.edu.co/handle/pascualbravo/2015-
dc.description.abstractEl reconocimiento de peatones es una tarea importante en la visión por computadora y en la seguridad vial. El objetivo es detectar la presencia de peatones en imágenes o videos y, en algunos casos, su posición y tamaño. Existen diversas técnicas para el reconocimiento de peatones, como el clasificador Haar Cascade, HOG + SVM y redes neuronales convolucionales (CNN). Estas técnicas pueden adaptarse a diferentes variaciones, como diferentes tamaños de ventana, escalas de imagen, ángulos de vista y resoluciones. La elección de la técnica adecuada dependerá de las necesidades específicas de la aplicación y de los recursos computacionales disponibles. El reconocimiento de peatones es fundamental para el desarrollo de sistemas de transporte inteligente, vehículos autónomos y aplicaciones de seguridad peatonal.spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.publisherInstitución Universitaria Pascual Bravospa
dc.rightsinfo:eu-repo/semantics/openAccessspa
dc.rights.urihttps://creativecommons.org/licenses/by-nd/4.0/spa
dc.sourceInstitución Universitaria Pascual Bravospa
dc.sourceRepoIUPBspa
dc.titleDetección automática de peatones con diferentes variacionesspa
dc.typeinfo:eu-repo/semantics/bachelorThesisspa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
dc.type.hasversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.type.contentTextspa
dc.thesis.degreePregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TPspa
dc.type.localTesis/Trabajo de grado - Monografía - Pregradospa
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.publisher.placeMedellín, Colombiaspa
oaire.versionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
thesis.degree.disciplineFacultad de Ingeniería. Ingeniería de Softwarespa
thesis.degree.grantorInstitución Universitaria Pascual Bravospa
thesis.degree.nameIngeniero (a) de Softwarespa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa
dc.type.driverinfo:eu-repo/semantics/monographspa
dc.subject.proposalSeguridad vialspa
dc.subject.proposalSistemas inteligentes de transportespa
dc.subject.proposalSeguridad Peatonalspa
dc.subject.proposalRedes Neuronales Convolucionales (CNN)spa
dc.subject.keywordConvolutional Neural Networksspa
dc.subject.keywordRoad safetyspa
dc.description.abstractengPedestrian recognition is a vital task in computer vision and traffic safety. The objective is to detect the presence of pedestrians in an image or video, and possibly their position and size. There are several common techniques for pedestrian recognition, such as the Haar Cascade Classifier, HOG + SVM, and Convolutional Neural Networks (CNN). These techniques can be adapted to different variations, such as different window sizes, image scales, viewing angles, and resolutions. The choice of the appropriate technique depends on the specific needs of the application and the available computational resources. Pedestrian recognition is crucial for developing intelligent transportation systems, autonomous vehicles, and pedestrian safety applications.spa
Appears in Collections:Ingeniería de Software

Files in This Item:
File Description SizeFormat 
Rep_IUPB_Ing_De_Sof_Detección_Peatones.pdf1,53 MBAdobe PDFView/Open


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons