Resumen

Los vehículos aéreos no tripulados (UAV) desempeñan un papel fundamental en el campo de la seguridad debido a su flexibilidad, eficiencia y bajo costo. La realización de la detección, seguimiento y posicionamiento de objetivos vehiculares desde la perspectiva de un UAV puede mejorar de manera efectiva la eficiencia de la monitorización del tráfico inteligente urbano. En este trabajo, mediante la fusión de la red de detección de objetivos, YOLO v4, con el algoritmo de seguimiento multitarget basado en detección, DeepSORT, se ha diseñado un método basado en aprendizaje profundo para la detección y seguimiento automático de vehículos en entornos urbanos. Con el objetivo de abordar el problema de posicionamiento de un objetivo vehicular por UAV, se han construido la ecuación de estado y la ecuación de medición del sistema, y se ha empleado un filtro de partículas basado en multimodelo interactivo para realizar la estimación del estado del objetivo maniobrante en el sistema no lineal. Los resultados de la simul

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Vehículos aéreos no tripulados; Seguridad; Detección de vehículos; Seguimiento; Entornos urbanos; Aprendizaje profundo
• Keywords:Unmanned aerial vehicles; Security; Vehicle detection; Tracking; Urban environments; Deep learning