Please use this identifier to cite or link to this item: http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/3530
Full metadata record
DC FieldValueLanguage
dc.contributor1151181en_US
dc.contributor.advisorHuizilpoztli Luna Garcíaen_US
dc.contributor.advisorJosé María Celaya Padillaen_US
dc.contributor.advisorWilliam Joseph Giraldo Orozcoen_US
dc.contributor.authorAntonio Martínez Torteyaen_US
dc.contributor.authorGamaliel Moreno Chávezen_US
dc.coverage.spatialGlobalen_US
dc.creatorMercado Reyna, Jaime-
dc.date.accessioned2024-04-23T15:43:15Z-
dc.date.available2024-04-23T15:43:15Z-
dc.date.issued2023-11-23-
dc.identifierinfo:eu-repo/semantics/acceptedVersionen_US
dc.identifier.urihttp://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/3530-
dc.identifier.urihttp://dx.doi.org/10.48779/ricaxcan-358-
dc.descriptionCurrently, motorcycles are one of the preferred means of transportation for people to get around, mainly in countries where the monetary income is medium or low. Although the motorcycle has several features that motivate its use, it also has a deficient safety that can protect the user, which is why today there is a high rate of deaths and serious injuries in traffic accidents involving these vehicles. As has been concluded in several works that consider the subject of motorcycle safety, the most effective protective element that users can count on is the helmet, which can reduce up to 69% the risk of suffering a serious head injury and 42% the risk of death. To date there are several proposals that seek to improve the use of helmets by motorcyclists by detecting this element, based on the use of machine learning tools. It has been identified that such proposals do not ensure that the user uses the helmet at the time of detection, so the correction of the helmet use action is not performed in real time, and therefore the risk of injury or death does not decrease. This area of opportunity leads to the present work, whose main objective is to generate an intelligent helmet detection model with a "prevention" perspective, which, after being trained with images obtained from a camera mounted on the motorcycle, will be able to monitor that the user uses the helmet throughout the entire route. As a result of using convolutional neural networks, transfer learning and the new system approach, a model for detecting helmet use in motorcycle drivers has been produced, which in its testing stage was able to correctly detect 97.24% of the given images of people with and without helmets. This innovative idea can be improved by robustening the data with which the model is trained and tested, using new neural network architectures, among other options, but this first approach is a good starting point for future work.en_US
dc.description.abstractActualmente, la motocicleta es uno de los medios de transporte preferidos por las personas para movilizarse, principalmente en países donde el ingreso monetario es medio o bajo. Aunque la motocicleta tiene varias prestaciones que motivan su uso, también cuenta con una seguridad deficiente que pueda proteger al usuario, por lo que hoy en día existe una elevada tasa de muertes y lesiones graves en accidentes de tránsito donde se ven involucrados estos vehículos. Como se ha concluido en varios trabajos que consideran el tema de la seguridad en la motocicleta, el elemento protector de mayor eficacia con el que pueden contar los usuarios es el casco, el cual puede reducir hasta un 69% el riesgo de sufrir una lesión grave en la cabeza y un 42% la muerte. A la fecha existen distintas propuestas que buscan mejorar el uso del casco por parte de los motociclistas detectando este elemento, basándose en el uso de herramientas del aprendizaje automático. Se ha identificado que tales propuestas no aseguran que el usuario utilice el casco en el momento de la detección, por lo cual la corrección de la acción del uso del casco no se realiza en tiempo real, y por lo tanto el riesgo de sufrir la lesión o muerte no disminuye. Esta área de oportunidad deriva en el presente trabajo que tiene como principal objetivo el generar un modelo inteligente de detección del casco con una perspectiva de “prevención”, el cual a partir de ser entrenado con imágenes obtenidas desde una cámara montada en la motocicleta podrá vigilar que el usuario utilice el casco en todo el trayecto que realice. Como resultado de utilizar las redes neuronales convolucionales, la transferencia de aprendizaje y el nuevo enfoque del sistema, se ha producido un modelo de detección del uso del casco en conductores de motocicleta, el cual en su etapa de prueba pudo detectar correctamente el 97.24% de las imágenes dadas de personas con y sin casco. Esta idea innovadora se puede mejorar al robustecer los datos con los que se entrena y se prueba el modelo, utilizando nuevas arquitecturas de redes neuronales, entre otras opciones, pero esta primera aproximación es un buen punto de partida para trabajos futuros.en_US
dc.language.isospaen_US
dc.publisherUniversidad Autónoma de Zacatecasen_US
dc.relation.urigeneralPublicen_US
dc.rightsAttribution-NonCommercial-ShareAlike 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/us/*
dc.subject.classificationINGENIERIA Y TECNOLOGIA [7]en_US
dc.subject.otherInteligencia Artificialen_US
dc.subject.otherRedes Neuronales Convolucionalesen_US
dc.subject.otherMotociclistasen_US
dc.titleDetección del uso del casco en conductores de motocicleta, utilizando redes neuronales convolucionalesen_US
dc.typeinfo:eu-repo/semantics/masterThesisen_US
Appears in Collections:*Tesis*-- M. en Ciencias del Proc. de la Info.

Files in This Item:
File Description SizeFormat 
Tesis-MCPI_JaimeMercadoReyna.pdfTFM, Maestría en Ciencias del Procesamiento de la Información, programa Categoría 1 del Sistema Nacional de Posgrados CONAHCYT1,89 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons