Publicación:
Proyecto de grado: detección de vehículos empleando visión por computador en el marco del proyecto ComVidas

Página de artículo simple
dc.audienceComunidad Científica y Académicaspa
dc.contributor.advisorHurtado Banguero, Andrés Felipe
dc.contributor.authorRomero, Cristian Felipe
dc.contributor.authorViveros Albornoz, Juan Gabriel
dc.date.accessioned2018-02-08T13:20:00Z
dc.date.available2018-02-08T13:20:00Z
dc.date.issued2018
dc.date.submitted2018-02
dc.description.abstractIn the last years the progress in research and development on ADAS systems has been noticed, cars factory have chosen develop systems for decrease the rate of car-accidents around the world. as a result of all this research led by differents groups and large-scale projects, we can find safetier and more comfortable cars. However these systems are complexes and they have stages and many other factors to consider, one of these is object recognition. Generally object recognition systems has modern techniques of image processing and artificial intelligence (AI) that allows the system for reacting to the environment e.g (others cars, people, traffic signs). Therefore this techniques have evolved, becoming the system more robust adapting to conditions where the process can be very tough, due to this researcher's of the world have proposed sophisticated techniques for improving the performance of the system. In this thesis, it shows An object recognition system using artificial intelligence with monocular camera, it also shows the most used techniques in this field and the technique used for the authors.eng
dc.description.abstractEl avance en investigación y desarrollo de los sistemas de asistencia a la conducción (ADAS) en los últimos años ha sido notable, los fabricantes de automóviles han optado por desarrollar sistemas que permitan reducir el índice de accidentes alrededor del mundo, gracias a estas investigaciones encabezadas por diferentes grupos y de proyectos de grandes escalas, hoy en día es posible encontrar autos más seguros y confortables. Sin embargo el desarrollo de estos sistemas son complejos y constan de varias campos, etapas y varios factores a tener en cuenta; Uno de estos campos es la detección de objetos o obstáculos que se puedan presentar delante o alrededor de un vehículo. Estos sistemas de detección de objetos presentan técnicas modernas de procesamiento de imágenes e inteligencia artificial que dotan al sistema de capacidad suficiente para reaccionar eficazmente frente a otros vehículos, peatones, señales de tránsito u objetos. Estas técnicas con el pasar del tiempo se han vuelto más robustas adaptándose a condiciones donde el procesamiento puede ser difícil, por ello investigadores de todas partes del mundo han propuestos diferentes técnicas para que este procesamiento sea cada vez más rápido y de alto rendimiento. En esta tesis se presenta el desarrollo de un sistema de detección de vehículos empleando visión artificial por medio de cámaras monoculares, también se presenta las técnicas usadas actualmente y la técnica usada por los autores.spa
dc.formatpdfspa
dc.format.extent114 páginasspa
dc.format.mediumRecurso en lineaspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttp://hdl.handle.net/10819/5601
dc.language.isospaspa
dc.publisherUniversidad de San Buenaventuraspa
dc.publisher.facultyIngenieriasspa
dc.publisher.programIngeniería Multimediaspa
dc.publisher.sedeCalispa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.ccAtribución-NoComercial-SinDerivadas 2.5 Colombiaspa
dc.rights.licenciaPor medio de este formato manifiesto mi voluntad de AUTORIZAR a la Universidad de San Buenaventura, Sede Bogotá, Seccionales Medellín, Cali y Cartagena, la difusión en texto completo de manera gratuita y por tiempo indefinido en la Biblioteca Digital Universidad de San Buenaventura, el documento académico-investigativo objeto de la presente autorización, con fines estrictamente educativos, científicos y culturales, en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión Andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre derechos de autor. Como autor manifiesto que el presente documento académico-investigativo es original y se realiza sin violar o usurpar derechos de autor de terceros, por lo tanto, la obra es de mi exclusiva autora y poseo la titularidad sobre la misma. La Universidad de San Buenaventura no será responsable de ninguna utilización indebida del documento por parte de terceros y será exclusivamente mi responsabilidad atender personalmente cualquier reclamación que pueda presentarse a la Universidad. Autorizo a la Biblioteca Digital de la Universidad de San Buenaventura convertir el documento al formato que el repositorio lo requiera (impreso, digital, electrónico o cualquier otro conocido o por conocer) o con fines de preservación digital. Esta autorización no implica renuncia a la facultad que tengo de publicar posteriormente la obra, en forma total o parcial, por lo cual podrá, dando aviso por escrito con no menos de un mes de antelación, solicitar que el documento deje de estar disponible para el público en la Biblioteca Digital de la Universidad de San Buenaventura, así mismo, cuando se requiera por razones legales y/o reglas del editor de una revista.spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/spa
dc.source.bibliographicCitationJ.A . Gómez, S. Bromberg “Reconocimiento automático de señales de tránsito en Colombia usando visión por computador” Universidad de San Buenaventura Cali, Proyecto de investigación Interno. 20708064, Marzo Cali, 2013. C. Rabe, U. Franke, and S. Gehrig, “Fast detection of moving objects in complex scenarios,” IEEE Intell. Veh. Symp. Proc. , pp. 398–403, 2007. N.-N. Z. N.-N. Zheng, S. T. S. Tang, H. C. H. Cheng, Q. L. Q. Li, G. Lai, and F.-W. Wang, “Toward intelligent driver-assistance and safety warning system,” IEEE Intell. Syst. , vol. 19, no. 2, pp. 8–11, 2004. E. B. Siciliano and O. Khatib, “Springer Handbook of Robotics,” 2008. H. Badino, “A robust approach for ego-motion estimation using a mobile stereo platform,” Complex Motion , 2007. V. N. Espada, “Técnicas computacionales aplicadas a la asistencia en la conducción de vehículos Índice general.” Forsyth D. A. and Ponce Jean. Computer Vision: A Modern Approach. Prentice Hall. USA,2011. Uttal W. R. and Hillsdale N. J. On Seeing Forms . Lawrence Erlbaum Associates, Inc. England,1988. Tou J. T. and González R. C. Pattern Recognition Principles . Addison-Wesley Publishing Co, Inc. USA, 1974. Lowe D.G. “ Distinctive image features from scale-invariant keypoints ”, IJCV, Vol. 60, No 2 , 2004. Papageorgiou C. P., Oren M. and Poggio T. “ A general framework for object detection ”, IEEE International Conference on Computer Vision , 1998. Michael A,Andrade-Cetto J. “ Cómputo de Características Invariantes a la Rotación para el Reconocimiento de Distintas Clases de Objetos ”, Universitat Autónoma de Barcelona, España, 2006. Michalski, R. S, Carbonell, J. G, & Mitchell, T. Machine learning: An artificial intelligence approach. Springer-Verlag 1a ed,Berlin, 2013. Pedregosa, F, Varoquaux G, Gramfort A. Scikit-learn: Machine learning in Python . Journal of Machine Learning Research, Vol. 12 , 2011. E. Caballero B, “ Aplicación práctica de la visión artificial para el reconocimiento de rostros en una imagen, utilizando redes neuronales y algoritmos de reconocimiento de objetos de la biblioteca opencv ”Universidad Distrital Francisco José De Caldas, Bogotá,2017, Z. Sun, G. Bebis, R. Miller, "On-road vehicle detection: a review", IEEE Transactions on Pattern Analysis and Machine Intelligence,Vol 28, [Doi 10.1109/TPAMI.2006.104], 2006 Williams, M. Prometheus-the european research programme for optimising the road transport system in europe . IEE Colloquium on, IET, 1988. Urmson, C. Anhalt, J., Clark, M., Galatali, T., Gonzalez, J. P., Gowdy, J., Gutierrez, A., Harbaugh, S., Johnson-Roberson, M., Kato, H. High speed navigation of unrehearsed terrain: Red team technology for grand challenge ,Robotics Institute, Carnegie Mellon University, Pittsburgh, PA, 2004. Buehler, M., Iagnemma, K., and Singh, S. The 2005 darpa grand challenge. Springer Tracts in Advanced Robotics, Springer, 2007. Waymo, “ A new way forward for mobility ”. (2017). [online] Available at: https://www.google.com/selfdrivingcar/. M Bertozzi, A Broggi, S Castelluccio, “A real-time oriented system for vehicle detection”, Journal of Systems Architecture, 1997. Olmeda, D., de la Escalera, A., Armingol, J. M. “Contrast invariant features for human detection in far infrared images”. In Intelligent Vehicles Symposium (IV), IEEE,2012. B. Ling, M. Zeifman, D. Gibson, Multiple Pedestrians Detection Using IR LED Stereo Camera , Proc. SPIE, Boston, 2007. Taylor, Trevor, Geva, Shlomo, Boles, Wageeh W, Monocular Vision as a Range Sensor, International Conference on Computational Intelligence for Modelling, Control & Automation (CIMCA), Gold Coast, Australia,2004. A. G. López, “Reconocimiento de objetos inmersos en imágenes Estáticas mediante el algoritmo hog y rna-mlp”, Universidad Tecnológica De La Mixteca, México, 2015. Jon Arróspide Laborda. “Vision-based vehicle detection and tracking with a mobile camera using statistical framework”,Tesis de Doctorado, Escuela Técnica superior de ingenieros de telecomunicación,Universidad Politécnica de Madrid, Madrid,2012. Daniilidis K. Nagel H.-H. Koller, D. "Model-based object tracking in monocular image sequences of road traffic scenes". International Journal of Computer Vision, Doi [10.1.1.145.9748],1993. J.M. Collado, C.H. Hilario, A. de la Escalera, and J.M. Armingol. “Model based vehicle detection for intelligent vehicles”. In Intelligent Vehicles Symposium, IEEE,Parma Italia,2004. Ballesteros Villarreal, Gonzalo. “Verificación de vehículos mediante técnicas de visión artificial”.Tesis Pregrado Departamento de Tecnología Electrónica y de las Comunicaciones,Escuela Politécnica Superior, Universidad Autónoma de Madrid, Madrid España,2014. I. Cabani, G. Toulminet, A. Bensrhair. "Color-based detection of vehicle lights", Intelligent Vehicles Symposium, Doi [10.1109/IVS.2005.1505115], Las vegas USA, 2005. M. Casares, A. Almagambetov, S. Velipasalar. "A robust algorithm for the detection of vehicle turn signals and brake lights", Advanced Video and Signal-Based Surveillance, Doi [10.1109/AVSS.2012.2],Beijing China,2012 R. O’Malley, E. Jones, and M. Glavin. Rear-lamp vehicle detection and tracking in low-exposure color video for night conditions . Intelligent Transportation Systems, VOL. 11, NO. 2,2010. T. Fang L. Gao, C. Li and Z. Xiong. "Vehicle detection based on color and edge information", Image Analysis and Recognition, Springer,2008. H. Mori and N.M. Charkari, "Shadow and rhythm as sign patterns of obstacle detection" . Industrial Electronics, Doi [10.1109/ISIE.1993.268796], Budapest Hungría,1993. C. Hoffman, T. Dang, and C. Stiller. "Vehicle detection fusing 2d visual features", Intelligent Vehicles Symposium, Doi [10.1109/IVS.2004.1336395], Parma Italia, 2004. Kah Phooi SENG King Hann LIM, Li-Minn ANG and Siew Wen CHIN. "Lane-vehicle detection and tracking", Proceedings of the International MultiConference of Engineers and Computer Scientists,Vol 1174, Doi [10.1063/1.3256243],2009. D. Alonso, L. Salgado, and M. Nieto. Robust vehicle detection through multidimensional classification for on board video based systems, Image Processing,Vol 4, 2007. L. Salgado J. Arróspide. A survey on computer and vision techniques and for and on-road vehicle and detection and tracking, transactions on intelligent transportation systems , vol. 30,2012. T. Graf C. Rotaru and J. Zhang. "Color image segmentation in hsi space for automotive applications" , Journal of Real-Time Image Processing , Doi [10.1007/s11554-008-0078-9], 2007. Luo-Wei Tsai, Jun-Wei Hsieh, and Kuo-Chin Fan,"Vehicle detection using normalized color and edge map" , IEEE Transactions on Image Processing, Vol 16, Doi [10.1109/TIP.2007.891147], 2007. A. Russell and Ju Jia Zou. "Vehicle detection based on color analysis". Communications and Information Technologies, Doi [10.1109/ISCIT.2012.6380975], 2012. Andreas Kuehnle , "Symmetry-based recognition of vehicle rears ", Pattern Recognition Letters, Vol 12, Doi [10.1016/0167-8655(91)90039-O], New York Usa,1991. Y. Du,N.P Papanikolopoulos, "Real-time vehicle following through a novel symmetry-based approach". Robotics and Automation, Doi [10.1109/ROBOT.1997.606769], Albuquerque Usa, 1997. T. K. Ten Kate, M. B. Van Leewen, S. E. Moro-Ellenberger, B. J F Driessen, A. H G Versluis, and F. C A Groen, "Mid-range and distant vehicle detection with a mobile camera".Intelligent Vehicles Symposium, 2004. Wei Liu, Xuezhi Wen, Bobo Duan, Huai Yuan, and Nan Wang. "Rear vehicle detection and tracking for lane change assist" . Intelligent Vehicles Symposium, 2007. M. Bertozzi, A. Broggi, A. Fascioli, and S. Nichele, Stereo vision-based vehicle detection .Intelligent Vehicles Symposium,Doi [10.1109/IVS.2000.898315 ], Dearborn Usa, 2000. Rafael C. Gonzales and Richard E. Woods, Digital Image Processing . 2 ed, Englewood Cliffs, 2002. N. Srinivasa. "Vision-based vehicle detection and tracking method for forward collision warning in automobiles", Intelligent Vehicle Symposium, Doi [ 10.1109/IVS.2002.1188021 ], Versailles Francia, 2002. Jingwei Liu, Yong Zhao, Yule Yuan, Wei Luo, and Kai Liu. "Vehicle capturing and counting using a new edge extraction approach", Intelligent Transportation Systems, Doi [10.1109/ITSC.2011.6082938], Washington Usa, 2011. Gwang Yul Song, Ki Yong Lee, and Joon Woong Lee, "Vehicle detection by edge-based candidate generation and appearance-based classification", Intelligent Transportation Systems, Doi [10.1109/IVS.2008.4621139], Eindhoven Holanda, 2008. H. Schneiderman and T. Kanade. A statistical method for 3d object detection applied to faces and cars. Computer Vision and Pattern Recognition, Vol 1, Doi [10.1109/CVPR.2000.855895],Hilton Head Island Usa, 2000. Papageorgiou, C,"A trainable system for object detection. International Journal of Computer Vision", Springer, ,Vol 38, Doi [10.1023/A:1008162616689], Holanda, 2000. Jones M. J. Viola, P. "Robust real-time face detection". International Journal of Computer Vision,2004. Clady X. Hanif S. M. Prevost L. Negri, P. "A cascade of boosted generative and discriminative classifiers for vehicle detection", Advances in Signal Processing, Doi [10.1155/2008/782432], New York Usa, 2008. Son and S. Mita. "Car detection using multi-feature selection for varying poses". Intelligent Vehicles Symposium, Doi [10.1109/IVS.2009.5164330], Xi'an, China, 2009. Thomas P. Weldon, William E. Higgins, and Dennis F. Dunn. "Gabor filter design for multiple texture segmentation". Optical Engineering, Doi [10.1117/1.600971], 1996. Biswas P. K. Chatterji B. N. Manthalkar, R,"Rotation invariant texture classification using even symmetric gabor filters", Pattern Recognition Letters,Vol 14, Doi [10.1016/S0167-8655(03)00043-6], New York Usa, 2003. Ma K.-K. Han, J. Rotation-invariant and scale-invariant gabor features for texture image retrieval, Image and Vision Computing,Vol 25, Doi [10.1016/j.imavis.2006.12.015], Butterworth-Heinemann Usa, 2007 Czyzewski A. Dalka, P,"Vehicle classification based on soft computing algorithms. in:rough sets and current trends in computing", Lecture Notes in Computer Science, Vol 6086, Doi [10.1007/978-3-642-13529-3_9], 2010. Thiran J.-P. Popovici, V. "Face detection using an svm trained in eigenfaces space. in: Audio- and video-based biometric person authentication", Lecture Notes in Computer Science, Vol 3361, Doi [10.1007/978-3-540-30568-2_15], 2003. Junwen Wu and Xuegong Zhang. "A pca classifier and its application in vehicle detection" Neural Networks, Doi [10.1109/IJCNN.2001.939090], Washington Usa, 2002. Chengcui Zhang, Xin Chen, and Wei-Bang Chen. "A pca-based vehicle classification framework", Data Engineering Workshops, Doi [10.1109/ICDEW.2006.16], Atlanta Usa, 2006. J. Arrospide and L. Salgado, "Region-dependent vehicle classification using pca features", Image Processing, 2012. Bill Triggs Navneet Dalal. "Object detection using histograms of oriented gradients", Pascal VOC, Austria, 2006. O. Daniz, G. Bueno, J. Salido, and F. De la Torre." Face recognition using histograms of oriented gradients", Pattern Recognition Letters, Vol 32, Doi [10.1016/j.patrec.2011.01.004], New York Usa, 2011. N. Dalal and B. Triggs. "Histograms of oriented gradients for human detection", Computer Vision and Pattern Recognition, Vol 1, Doi [10.1109/CVPR.2005.177],San Diego Usa, 2005. Pengpeng Liang, Gregory Teodoro, Haibin Ling, Erik Blasch, Genshe Chen, and Li Bai. "Multiple kernel learning for vehicle detection in wide area motion imagery", Information Fusion,2012. Seonyoung Lee, Haengseon Son, Jong Chan Choi, and Kyoungwon Min. "Hog feature extractor circuit for real-time human and vehicle detection".Tencon, Doi[10.1109/TENCON.2012.6412287], Cebu Filipinas, 2012. Yang Lv, B. Yao, Yongtian Wang, and Song-Chun Zhu. Reconfigurable templates for robust vehicle detection and classification, Applications of Computer Vision, p 321 , 2012. Xianbin Cao, Changxia Wu, Pingkun Yan, and Xuelong Li, "Linear svm classification using boosting hog features for vehicle detection in low-altitude airborne videos", Image Processing,Doi [10.1109/ICIP.2011.6116132], Brussels,Bélgica,2011. Ilkay Ulusoy,Christopher M. Bishop, "Comparison of generative and discriminative techniques for object detection and classification", Proc. Sicily Workshop on Object Recognition,2006. Christopher M. Bishop. Pattern Recognition and Machine Learning. Springer Science and Business Media, 2006. Andrew Y. Ng and Michael I. Jordan. On discriminative vs. generative classifiers: A comparison of logistic regression and naive bayes,2002. Guillaume Bouchard and Bill Triggs,"The trade-off between generative and discriminative classifiers", Proceedings in Computational Statistics, 16th Symposium of IASC,p 721,2004. B. Garcia "Realización de un sistema SCADA para el control de una imagen utilizando IMAQ de LabView y camara de objetos para el laboratorio de mecatrónica "Tesis Pregrado, Facultad de Ingenieria, Escuela Superior Politecnica de Chimborazo,Ecuador 2012. Infaimon, " cámaras de visión industrial" 2012 [Online] Available: https://www.infaimon.com/es/camaras-industria. Basler, " SB 3.0 — The Camera Interface of the Future (?)" 2010 [Online] Available: https://www.baslerweb.com/en/vision-campus/interfaces-and-standards/usb3-interface-future/ Emergent, "El mundo de 10 gige" 2009 [Online] Available https://emergentvisiontec.com/products/. Allied Vision, " Digital industrial cameras" 2010 [Online] Available https://www.alliedvision.com/en/digital-industrial-camera-solutions.html. Flir, "Machine Vision", 2008[Online] Available https://www.ptgrey.com/flea3-usb3-vision-cameras. Opencv," Open Source Computer Vision Library", 2017 [Online] Available https://opencv.org/ LearnOpencv," OpenCV (C++ vs Python) vs MATLAB for Computer Vision" 2015 [Online] Available https://www.learnopencv.com/opencv-c-vs-python-vs-matlab-for-computer-vision/. SvmLight," Support Vector Machine" 2009 [Online] Available http://svmlight.joachims.org/ SciLab," Open source software for numerical computation" 2010 [Online] Available https://www.scilab.org/. MathWorks," Matlab Compiler" 2013 [Online] Available https://www.mathworks.com/products/compiler.html Felipe Cortés, " Implementación de un algoritmo para el reconocimiento yanálisis de peatones utilizando visión por computador", Tesis Pregrado, Facultad de ingenieria, Pontificia Universidad javeriana, Bogota, 2013. F. Llorca, David & Arroyo, Roberto & Sotelo, Miguel-Angel. “Vehicle logo recognition in traffic images using HOG features and SVM", IEEE Intelligentspa
dc.source.instnameUniversidad de San Buenaventura - Calispa
dc.source.otherCali, Trabajo de Grado, T006.6 R763pspa
dc.source.reponameBiblioteca Digital Universidad de San Buenaventuraspa
dc.subjectMáquina de aprendizajespa
dc.subjectInteligencia artificialspa
dc.subjectDetección de vehículosspa
dc.subjectVehículos autónomosspa
dc.subjectSistemas A.D.A.S
dc.subjectMachine learning
dc.subjectArtificial intelligence
dc.subjectVehicle detection
dc.subjectAutonomous vehicles
dc.subject.lembSistemas de información geográficaspa
dc.subject.lembAplicaciones webspa
dc.subject.lembConducción de automóvilesspa
dc.thesis.nameIngeniero Multimediaspa
dc.titleProyecto de grado: detección de vehículos empleando visión por computador en el marco del proyecto ComVidasspa
dc.typeTrabajo de grado - Pregradospa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.hasVersioninfo:eu-repo/semantics/publishedspa
dc.type.spaTrabajo de Gradospa
dspace.entity.typePublicationspa
Archivos
Paquete original
Mostrando 1 - 1 de 1
Imagen en miniatura
Nombre:
Deteccion_Vehiculos_Vision_Viveros_2017.pdf
Tamaño:
2.83 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Paquete de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.02 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
E1CFJ. Ingeniería Multimedia