Mostra el registre d'ítem simple
Detection & tracking for micromobility safety using computer vision and artificial intelligence
dc.contributor | Sayrol Clols, Elisa |
dc.contributor | Morros Rubió, Josep Ramon |
dc.contributor.author | Fabregat Bosch, Jordi |
dc.contributor.other | Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions |
dc.date.accessioned | 2020-10-01T08:17:34Z |
dc.date.available | 2020-10-01T08:17:34Z |
dc.date.issued | 2020-06 |
dc.identifier.uri | http://hdl.handle.net/2117/329599 |
dc.description.abstract | There is a need of increasing the safety of mobility, considering any type of vehicle, but specially facing the growing use of micro-mobility vehicles, such as scooters, bikes or small cars in urban areas. A fundamental aspect is related to the possible dangers presented due to the circulation of the different subjects (cyclists, people, smartcars ...) by the streets or roads of Barcelona. The presence of these subjects is sometimes a problem for the transport authorities, as they are not able to guarantee the safety of these individuals given the conditions of the roads (narrow, high density of people, etc.). Drivers may be more or less attentive to the presence of these people, but the existence of automatic alerts in these vehicles, may be crucial in preventing some accidents, or at least, to reduce the number of daily accidents caused by micro-vehicles. In the last years, vehicle technology has started incorporating different types of sensors to increase safety. to regulate daily traffic and monitor the dangers that may arise in a driver during his day to day life. In this project, we propose a system to reinforce safety by using affordable cameras that capture the different elements that make up a driver’s environment and could warn him of something. The proposed method will be based on computer vision and Artificial Intelligence, more specifically, deep learning methods. We have designed a prototype for detecting and tracking static and dynamic subjects presents on Barcelona streets. As a result, we have obtained values that indicate the computational cost required by our model in different scenarios when it is executed (variability of the parameters used), and on the other hand, depending on these scenarios, we will obtain certain levels of effectiveness. |
dc.description.abstract | La necessitat de millorar la seguretat en la mobilitat és ja una realitat, en qualsevol tipus de vehicle, especialment centrant-nos en el creixement continu de l’ús de vehicles de micro-mobilitat: com ara scooters, bicicletes o cotxes petits en zones urbanes. Un aspecte fonamental està relacionat amb els possibles perills presents per la circulació dels diferents subjectes (ciclistes, persones, smartcars...) pels carrers o carreteres de Barcelona. La presència d’aquests subjectes, de vegades, suposa un problema a les autoritats de transport, ja que no són capaços de garantir la seguretat d’aquests individus donades les condicions de les vies (estretes, molta densitat de persones, etc.) Els conductors poden estar més o menys atents a la presència d’aquests individus, però l’existència d’alertes automàtiques en aquests vehicles, poden ser crucials a l’hora d’evitar alguns accidents, o si més no, per reduir el nombre d’accidents diari causat per micro-vehicles. En els darrers anys, la tecnologia dels vehicles ha començat a incorporar diferents tipus de sensors per augmentar la seguretat. Aquests sensors es podrien utilitzar per regular la circulació diària i controlar els perills que poden presentar-se en un conductor durant el seu dia a dia. En aquest projecte, proposem un sistema per reforçar aquesta seguretat mitjançant càmeres assequibles que capten els diferents elements que configuren l’entorn d’un conductor i l’avisen de quelcom. El mètode proposat es basarà en la visió per computadora i la Intel·ligència Artificial, concretament en mètodes d’aprenentatge profund. Hem dissenyat un prototip de detecció i rastreig d’objectes o riscos estàtics i dinàmics presents als carrers de Barcelona. Com a resultat, per una banda, hem obtingut uns valors que ens indiquen el cost computacional que requereix el nostre model en diferents escenaris quan es executat (variabilitat dels paràmetres utilitzats), y d’altra banda, en funció d’aquests escenaris, obtindrem uns nivells d’efectivitat determinats. |
dc.description.abstract | La necesidad de mejorar la seguridad en la movilidad es ya una realidad, en cualquier tipo de vehículo, especialmente centrándonos en el crecimiento continuo del uso de vehículos de micro-movilidad: como scooters, bicicletas o coches pequeños en zonas urbanas . Un aspecto fundamental está relacionado con los posibles peligros presentes por la circulación de los diferentes sujetos (ciclistas, personas, smartcars ...) por las calles o carreteras de Barcelona. La presencia de estos sujetos, a veces, supone un problema para las autoridades de transporte, ya que no son capaces de garantizar la seguridad de estos individuos dadas las condiciones de las vías (estrechas, mucha densidad de personas, etc.). Los conductores pueden estar más o menos atentos a la presencia de estos individuos, pero la existencia de alertas automáticas en estos vehículos, pueden ser cruciales a la hora de evitar algunos accidentes, o por lo menos, para reducir el número de accidentes diarios causados por micro-vehículos. En los últimos años, la tecnología de los vehículos ha comenzado a incorporar diferentes tipos de sensores para aumentar la seguridad. Estos sensores se podrían utilizar para regular la circulación diaria y controlar los peligros que pueden presentarse en un conductor durante su día a día. En este proyecto, proponemos un sistema para reforzar esta seguridad mediante cámaras asequibles que captan los diferentes elementos que configuran el entorno de un conductor. El método propuesto se basará en la visión por computadora y la Inteligencia Artificial, concretamente en métodos de aprendizaje profundo. Hemos diseñado un prototipo de detección y rastreo de objetos estáticos y dinámicos presentes en las calles de Barcelona. Como resultado, por un lado, hemos obtenidos unos valores que nos indican el coste computacional que requiere nuestro modelo en diferentes escenarios (variabilidad de los parámetros utilizados) cuando es ejecutado, y por otro, en función de estos escenarios, obtendremos unos niveles de efectividad determinados |
dc.language.iso | eng |
dc.publisher | Universitat Politècnica de Catalunya |
dc.rights | S'autoritza la difusió de l'obra mitjançant la llicència Creative Commons o similar 'Reconeixement-NoComercial- SenseObraDerivada' |
dc.subject | Àrees temàtiques de la UPC::Enginyeria de la telecomunicació |
dc.subject.lcsh | Detectors |
dc.subject.lcsh | Computer vision |
dc.subject.lcsh | Neural networks (Computer science) |
dc.subject.other | Detector |
dc.subject.other | Computer Vision |
dc.subject.other | Deep Learning |
dc.subject.other | Detector |
dc.subject.other | Visión por Computadora |
dc.subject.other | Redes neuronales |
dc.title | Detection & tracking for micromobility safety using computer vision and artificial intelligence |
dc.title.alternative | Detección y seguimiento para la seguridad en la micromobilidad utilizando visión por computador e inteligencia artificial |
dc.title.alternative | Detecció i seguiment per la seguretat de la micromobilitat utilitzant visió per computador i intel·ligència artificial |
dc.type | Bachelor thesis |
dc.subject.lemac | Detectors |
dc.subject.lemac | Visió per ordinador |
dc.subject.lemac | Xarxes neuronals (Informàtica) |
dc.identifier.slug | ETSETB-230.153959 |
dc.rights.access | Open Access |
dc.date.updated | 2020-07-30T05:50:48Z |
dc.audience.educationlevel | Grau |
dc.audience.mediator | Escola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona |
dc.audience.degree | GRAU EN ENGINYERIA DE TECNOLOGIES I SERVEIS DE TELECOMUNICACIÓ (Pla 2015) |