Implementación y evaluación de algoritmos de seguimiento para el procesamiento de video.
| dc.contributor.advisor | Saavedra Mondaca, Gabriel Alejandro | es |
| dc.contributor.author | Lizardi Varas, Juan Pablo | es |
| dc.date.accessioned | 2025-12-03T13:05:48Z | |
| dc.date.available | 2025-12-03T13:05:48Z | |
| dc.date.issued | 2025 | |
| dc.description | Tesis presentada para optar al título de Ingeniero/a Civil en Telecomunicaciones. | es |
| dc.description.abstract | 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. | es |
| dc.description.abstract | This thesis presents a comparative study of three systems for face detection and tracking in video sequences: Haarcascade + Tracking Universidad (a custom method), Haar + SORT, and YOLO+SORT.Thegoalisto evaluate each system’s performance in terms of detection accuracy, tracking robustness, processing speed, and resource consumption under controlled conditions. The first system was developed in-house and combines Haarcascade-based detection with a custom tracking module and a high-pass temporal filter to smooth object trajectories. The second and third systems integrate Haarcascade or YOLOv11n-face as detectors with the SORT tracking algorithm, a widely used method based on Kalman f iltering and the Hungarian assignment algorithm. All systems were implemented in Python using OpenCV and tested with real videos involving multiple visible faces. Performance metrics such as average processing time per frame, CPU/RAM usage, and frames per second (FPS) were recorded using the psutil library. The results show that Haarcascade + Tracking Universidad offers good stability and low resource usage, making it suitable for low-power applications. Haar + SORT provides a simple and lightweight solution, though it is less robust to occlusions and lighting changes. YOLO + SORT achieves the highest accuracy and tracking reliability, but with increased computational demands. The study concludes that the optimal system depends on the target scenario and hardware limitations. | en |
| dc.description.campus | Concepción | es |
| dc.description.departamento | Departamento de Ingeniería Eléctrica | es |
| dc.description.facultad | Facultad de Ingeniería | es |
| dc.identifier.uri | https://repositorio.udec.cl/handle/11594/13469 | |
| dc.language.iso | es | es |
| dc.publisher | Universidad de Concepción | es |
| dc.rights | CC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 International | en |
| dc.rights | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Video digital | es |
| dc.subject | Videograbaciones Procesamiento de datos | es |
| dc.subject | Reconocimiento facial (Ciencia de la computación) | es |
| dc.title | Implementación y evaluación de algoritmos de seguimiento para el procesamiento de video. | es |
| dc.type | Thesis | en |