RT bachelor thesis
T1 Detección automática de comportamiento de conducción mediante inteligencia artificial y análisis espaciotemporal de vídeo
A1 Galvín Terrero, María
K1 YOLO
K1 ByteTrack
K1 Detección
K1 Seguimiento
K1 vehículos
K1 Comportamiento agresivo
K1 Inteligencia Artificial
K1 Aprendizaje profundo
K1 Visión por computador
K1 CNN-LSTM
K1 MobileNetV2
K1 Seguridad vial
K1 Análisis de vídeo
AB Este Trabajo de Fin de Grado presenta el desarrollo de un sistema basado en Inteligencia Artificial para la detección automática de comportamientos de conducción potencialmente peligrosos a partir de secuencias de vídeo. El objetivo es contribuir a la mejora de la seguridad vial mediante la identificación temprana de maniobras de riesgo como 'brake check', 'cut off', 'hard braking' y 'zigzag'.Para ello, se construyó un conjunto de datos compuesto por vídeos de situaciones reales de conducción y se diseñó un proceso de preprocesamiento basado en YOLOv11 y ByteTrack para la detección y seguimiento de vehículos. Posteriormente, se entrenó un modelo híbrido CNN-LSTM utilizando MobileNetV2 como extractor de características. El estudio experimental se estructuró en tres fases: entrenamiento del modelo base, aplicación de técnicas de 'data augmentation' y ajuste fino ('fine-tuning'). Además, se evaluó el impacto del desequilibrio entre clases mediante una segunda configuración que agrupó las clases minoritarias en una única categoría denominada 'OTHERS'.Los resultados muestran que la combinación de la estrategia 'OTHERS' con el aumento de datos mediante rotación de 10 grados (rot10) obtuvo el mejor rendimiento, alcanzando un Macro F1 de 0,66 y un Weighted F1 de 0,89. Estos resultados evidencian que la agrupación de clases minoritarias y la aplicación de técnicas adecuadas de aumento de datos mejoran la capacidad de generalización del modelo y su eficacia para la detección automática de comportamientos de conducción peligrosos.
YR 2026
FD 2026-06-19
LK http://hdl.handle.net/10498/40051
UL http://hdl.handle.net/10498/40051
LA spa
DS Repositorio Institucional de la Universidad de Cádiz
RD 08-nov-2026