Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.utn.edu.ec/handle/123456789/15793
Citar este ítem

Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorMaya Olalla, Edgar Alberto-
dc.contributor.authorVásquez Agudelo, Juan José-
dc.date.accessioned2024-03-13T15:11:52Z-
dc.date.available2024-03-13T15:11:52Z-
dc.date.created2024-03-01-
dc.date.issued2024-03-13-
dc.identifier.other04/TEL/ 021es_EC
dc.identifier.urihttp://repositorio.utn.edu.ec/handle/123456789/15793-
dc.descriptionImplementar un sistema embebido aplicando visión artificial para la detección de personas, una completa evacuación y rescate dentro de las instalaciones de la Universidad Técnica del Norte.es_EC
dc.description.abstractEn este trabajo de titulación realizado se describe cada paso correspondiente a la metodología utilizada para realizar la implementación del sistema de detección de presencia de personas con el fin de mejorar los tiempos de respuesta en la evacuación y rescate de personas durante una emergencia. Este sistema consiste en un sistema embebido con una cámara la cual toma la foto y mediante el modelo YOLOv7 analiza si hay una persona o no y lo notifica al personal de seguridad por medio de una aplicación móvil. Para diseñar e implementar este sistema se usó la metodología en cascada que consiste en 5 fases. En la fase de requerimientos se investiga de forma técnica como debe ser la arquitectura de hardware y de software del sistema, además de determinar cómo debe ser su funcionamiento. En la parte de diseño se establecen en base a los requerimientos que software y hardware se va a utilizar para construir e implementar el sistema. Finalmente, en la fase de operación y pruebas se compara el rendimiento de 3 modelos (YOLOv5s, YOLOv5x y YOLOv7), que fueron entrenados con el fin de elegir cual se adapta de mejor manera a las necesidades del sistema, y comprobar que tal funciona el modelo electo mediante la implementación del sistema dentro del aula de clases. En donde el modelo que obtuvo un mejor rendimiento con un 96% de precisión es el modelo YOLOv7, ya que, al ser un modelo bastante optimizado en comparación de los otros dos, tiene un balance entre precisión y rendimiento cuanto a tiempo se refiere, por lo hace ideal para este proyecto.es_EC
dc.language.isospaes_EC
dc.rightsopenAccesses_EC
dc.rightsAtribución-NoComercial-CompartirIgual 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/*
dc.subjectTELECOMUNICACIONESes_EC
dc.subjectEMERGENCIASes_EC
dc.subjectVISIÓNes_EC
dc.titleSistema de detección de presencia de personas en emergencias para la Universidad Técnica del Nortees_EC
dc.typebachelorThesises_EC
dc.description.degreeIngenieríaes_EC
dc.contributor.deparmentTelecomunicacioneses_EC
dc.coverageIbarra. Ecuador.es_EC
dc.identifier.mfn0000042835es_EC
Aparece en las colecciones: Telecomunicaciones

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
04 TEL 021 logo.jpgLogo81,49 kBJPEGVista previa
Visualizar/Abrir
04 TEL 021 TRABAJO GRADO.pdfTrabajo de Grado3,98 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons