dc.contributor.advisor | Macías Guarasa, Javier | |
dc.contributor.author | Mudarra Luján, Jesús | |
dc.date.accessioned | 2021-10-08T08:16:07Z | |
dc.date.available | 2021-10-08T08:16:07Z | |
dc.date.issued | 2021 | |
dc.identifier.uri | http://hdl.handle.net/10017/49588 | |
dc.description.abstract | Este trabajo aborda el estudio e implementación de algoritmos de aprendizaje profundo (Deep Learning)
con la finalidad de detectar objetos abandonados en aplicaciones de videovigilancia.
Se ha realizado un estudio teórico de los algoritmos de detección y seguimiento disponibles en el Estado
del Arte. Para la detección de objetos en tiempo real se ha empleado YOLOv4 [1]. Como algoritmo de
seguimiento se ha optado por Deep SORT [2]. Por último, se ha desarrollado un algoritmo que determine
si un objeto ha sido abandonado o no. Todos ellos han sido implementados sobre el dataset de referencia
MS COCO [3] y evaluados sobre los datasets más relevantes en la detección de objetos abandonados como
son GBA2018 [4], PETS2007 [5], AVSSAB2007 [6] o ABODA [7]. | es_ES |
dc.description.abstract | This Master’s Thesis proposes the study and implementation of Deep Learning algorithms in order to
detect abandoned objects in video surveillance applications.
A theoretical study of the detection and monitoring algorithms available in the State of the Art has
been carried out. YOLOv4 [1] has been used to detect objects in real time. Deep SORT [2] has been
chosen as tracking algorithm. Finally, an algorithm has been developed to determine when an object has
been abandoned or not. All of them have been implemented on the MS COCO [3] benchmark dataset
and evaluated on the most relevant datasets in the detection of abandoned objects such as GBA2018 [4],
PETS2007 [5], AVSSAB2007 [6] or ABODA [7]. | en |
dc.format.mimetype | application/pdf | en |
dc.language.iso | spa | en |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Deep Learning | en |
dc.subject | YOLOv4 | en |
dc.subject | Deep SORT | en |
dc.subject | Videovigilancia | es_ES |
dc.subject | Visión por computadora | es_ES |
dc.subject | Video surveillance | en |
dc.subject | Computer vision | en |
dc.title | Diseño, implementación y evaluación de una estrategia de detección de objetos abandonados en aplicaciones de videovigilancia | es_ES |
dc.type | info:eu-repo/semantics/masterThesis | en |
dc.subject.eciencia | Ingeniería industrial | es_ES |
dc.subject.eciencia | Industrial engineering | en |
dc.subject.eciencia | Informática | es_ES |
dc.subject.eciencia | Computer science | en |
dc.contributor.affiliation | Universidad de Alcalá | es_ES |
dc.type.version | info:eu-repo/semantics/acceptedVersion | en |
dc.description.degree | Máster Universitario en Ingeniería Industrial (M 141) | es_ES |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | en |