Hoy en día la detección y rastreo de objetos mediante vehículos u otros elementos autónomos aplicando la inteligencia artificial da lugar cada vez a más aplicaciones y usos que suponen una mejora en la seguridad y la calidad de vida de las personas. Uno de los vehículos autónomos más empleado es, sin lugar a duda, el dron. En torno a esta nueva necesidad, esta memoria recoge el desarrollo y posterior validación de un sistema de detección, localización y rastreo de objetos mediante un dron. Para ello utilizamos el algoritmo de reconocimiento de objetos en tiempo real YOLO, You Only Look Once, concretamente, su versión 4, que implementado utilizando Darknet como arquitectura de red neuronal permite una rápida y precisa detección de los distintos objetos con los que ha sido entrenado.
ABSTRACT
Nowadays, the detection and tracking of objects by means of autonomous vehicles or other elements applying artificial intelligence is giving rise to more and more applications and uses that improve people’s safety and quality of life. One of the most widely used autonomous vehicles is undoubtedly the drone. In response to this new need, this report includes the development and subsequent validation of a system for the detection, localization and tracking of objects using a drone. For this purpose, we use the real-time object recognition algorithm YOLO, You Only Look Once, specifically, its version 4, which implemented using Darknet as neural network architecture allows a fast and accurate detection of the different objects with which it has been trained.
Hoy en día la detección y rastreo de objetos mediante vehículos u otros elementos autónomos aplicando la inteligencia artificial da lugar cada vez a más aplicaciones y usos que suponen una mejora en la seguridad y la calidad de vida de las personas. Uno de los vehículos autónomos más empleado es, sin lugar a duda, el dron. En torno a esta nueva necesidad, esta memoria recoge el desarrollo y posterior validación de un sistema de detección, localización y rastreo de objetos mediante un dron. Para ello utilizamos el algoritmo de reconocimiento de objetos en tiempo real YOLO, You Only Look Once, concretamente, su versión 4, que implementado utilizando Darknet como arquitectura de red neuronal permite una rápida y precisa detección de los distintos objetos con los que ha sido entrenado.
ABSTRACT
Nowadays, the detection and tracking of objects by means of autonomous vehicles or other elements applying artificial intelligence is giving rise to more and more applications and uses that improve people’s safety and quality of life. One of the most widely used autonomous vehicles is undoubtedly the drone. In response to this new need, this report includes the development and subsequent validation of a system for the detection, localization and tracking of objects using a drone. For this purpose, we use the real-time object recognition algorithm YOLO, You Only Look Once, specifically, its version 4, which implemented using Darknet as neural network architecture allows a fast and accurate detection of the different objects with which it has been trained. Read More
Related posts:
Desarrollo de un modelo de computer vision para un coche de carreras autónomo con Yolov9
Aplicación de modelos YOLO-NAS y YOLOv8 en sistemas seguimiento de múltiples objetos
Sistema de seguimiento a operarios mediante cámara para vehículos autónomos
Detección y estimación de métricas sobre una pelota de pádel usando cámaras de alta velocidad
Internal Model-Based Robust Path-Following Control for Autonomous Vehicles
Investigation of Different Communication Topologies for Cooperative Adaptive Cruise Control Systems