Resumen:

Los accidentes automovilísticos generan millones de muertes en el mundo, y lesiones a infantes de acuerdo con la Organización Mundial de la Salud (OMS), la detección de un infante como copiloto en un vehículo podría prevenir lesiones o fallecimientos de infantes en accidentes automovilísticos. Por ello, la presente investigación describe el uso de redes neuronales convolucionales para la detección de infantes en el asiento del copiloto en automóviles mediante la implementación de un sistema de visión computacional. El proceso que se siguió para el desarrollo de proyecto fue la adquisición de las imágenes de los casos a estudiar, el pre- procesamiento de las imágenes y en el reentrenamiento de la red se empleó la técnica de “ajuste fino” basado en la arquitectura Google Net de Redes Neuronales Convolucionales, se evaluó el rendimiento del modelo mediante un análisis estadístico multiclase obteniendo una exactitud 97.66%, sensibilidad promedio 97.44% y especificidad promedio 98.95%.

Productos obtenidos:

• Implementación de algoritmo genético para la detección de anormalidades en la superficie vial
• Children Detection on Passenger Seat Using UCD and IDP: An Initial Prototype

Otros:

• Ganador del 3er Lugar, X Torneo Mexicano de Robótica, Federación Mexicana de Robótica,  Tecnológico de Monterrey, Campus Guadalajara, Guadalajara, Jalisco, 22 al 24 Marzo de 2018.
• Ganador del 2do Lugar, Categoría AutoModelCar, Talent Land 2018, Expo Guadalajara, Guadalajara, Jalisco, Abril 02 al 06 de 2018.
• Ganador del 2do Lugar, Categoría AutoModelCar, XI Torneo Mexicano de Robótica, Federación Mexicana de Robótica, Tecnológico de Monterrey, Campus Guadalajara, Guadalajara, Jalisco, 21 al 23 de Marzo de 2019.
• Ganador del 2do Lugar, Categoría AutoModelCar, Talent Land 2019, Expo Guadalajara, Guadalajara, Jalisco, 22 al 26 Abril de 2019.