Análisis en tiempo real del flujo de pasajeros en las estaciones de tranvía mediante IA y visión por computador

Abstract

The present work addresses the development of a person detection and tracking system using the Jetson Nano platform, Raspberry PI V2.1 camera and artificial intelligence models based on YOLOv8. The main objective of the project is to implement a system capable of detecting and counting people in various environments through the analysis of pre-recorded videos. To achieve this, two main components were developed: a main script and a tracking module. The main script is responsible for video capture, object detection, definition of areas of interest, and visualization of results. Several YOLOv8 models (from YOLOv8n to YOLOv8l) were employed, with YOLOv8s finally being selected for its optimal balance between accuracy and speed. The tracking module, on the other hand, tracks the detected people across video frames, assigning unique identifiers and maintaining continuous tracking. Tests were conducted with two pre-recorded videos: one of a plaza and another of a train station. In the first case, the system successfully detected and counted people with 100% accuracy. In the second case, although the detection was satisfactory, the counting was not as accurate due to the lower video quality and greater recording distance. In conclusion, the results obtained demonstrate the effectiveness of the developed system and suggest future improvements, such as real-time implementation, model optimization, and the detection of other objects, which would expand the system’s capabilities for security and flow monitoring applications.

El presente trabajo aborda el desarrollo de un sistema de detección y seguimiento de personas utilizando la plataforma Jetson Nano, la cámara Raspberry PI V2.1 y modelos de inteligencia artificial basados en YOLOv8. El objetivo principal del proyecto es implementar un sistema capaz de detectar y contar personas en diversos entornos mediante el análisis de vídeos pregrabados. Para ello, se desarrollaron dos componentes principales: un script principal y un módulo de seguimiento. El script principal se encarga de la captura de vídeo, la detección de objetos, la definición de áreas de interés y la visualización de los resultados. Se emplearon varios modelos de YOLOv8 (desde YOLOv8n hasta YOLOv8l), seleccionando finalmente el modelo YOLOv8s por su balance óptimo entre precisión y velocidad. El módulo de seguimiento, por su parte, rastrea las personas detectadas a lo largo de los fotogramas del vídeo, asignando identificadores únicos y manteniendo un seguimiento continuo. Las pruebas se realizaron con dos vídeos pregrabados: uno de una plaza y otro de una estación de tren. En el primer caso, el sistema logró detectar y contar las personas con una precisión del 100 %. En el segundo caso, aunque la detección fue satisfactoria, el conteo no fue tan preciso debido a la menor calidad del vídeo y la mayor distancia de grabación. En conclusión, los resultados obtenidos demuestran la eficacia del sistema desarrollado y sugieren futuras mejoras, como la implementación en tiempo real, la optimización de modelos y la detección de otros objetos, lo que expandiría las capacidades del sistema para aplicaciones de seguridad y monitorización de flujo de personas.