Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register. Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register. Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Lizardi Varas, Juan Pablo"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    Implementación y evaluación de algoritmos de seguimiento para el procesamiento de video.
    (Universidad de Concepción, 2025) Lizardi Varas, Juan Pablo; Saavedra Mondaca, Gabriel Alejandro
    Este trabajo presenta un estudio comparativo entre tres sistemas de detección y seguimiento de rostros en video: Haarcascade + Tracking Universidad (propuesto en esta memoria), Haar + SORT, y YOLO + SORT. El objetivo principal fue evaluar el desempeño de cada sistema en términos de precisión, estabilidad del seguimiento, velocidad de procesamiento y consumo de recursos computacionales. El sistema desarrollado por la universidad combina la detección facial mediante Haarcascade con un módulo de seguimiento personalizado, que incorpora un filtro de paso alto temporal para estabilizar las trayectorias. Por otro lado, los sistemas Haar + SORT y YOLO+SORTintegran detectores conocidos con el algoritmo de seguimiento SORT, ampliamente utilizado en aplicaciones de visión por computador en tiempo real. Los tres sistemas fueron implementados en Python utilizando bibliotecas como OpenCV, NumPy y psutil, y evaluados sobre videos reales con personas cuyos rostros estaban claramente visibles. Se registraron métricas como tiempo promedio de procesamiento por fotograma, uso de CPU y RAM, y cantidad de cuadros procesados por segundo (FPS). Los resultados indican que el sistema Haarcascade + Tracking Universidad ofrece buena estabilidad visual con bajo consumo de recursos, siendo adecuado para dispositivos con capacidades limitadas. Haar + SORT mostró ser eficiente pero menos robusto ante oclusiones y condiciones adversas. Finalmente, YOLO + SORT alcanzó la mayor precisión y robustez en el seguimiento, aunque con mayor demanda computacional. Se concluye que la elección del sistema más apropiado depende del escenario de uso y las restricciones del hardware disponible.
Síguenos en...