Inteligencia artificial para la deteccion de personas con movilidad reducida

Abstract

Esta investigación estudia la detección automática de personas con movilidad reducida mediante visión por computador y aprendizaje profundo, utilizando la familia de detectores YOLO11. La primera etapa compara YOLO11n, YOLO11s y YOLO11m sobre Mobility Aids y considera simultáneamente desempeño de detección y complejidad computacional. A partir de esa comparación se selecciona YOLO11s como arquitectura de referencia para los experimentos posteriores. Posteriormente, se utiliza YOLO11s para estudiar el cambio de dominio entre Mobility Aids y un conjunto propio denominado Dataset USM. Se estudian cinco configuraciones: un modelo base entrenado con Mobility Aids (E1), fine-tuning desde Mobility Aids hacia USM (E2), entrenamiento exclusivo sobre USM (E3), entrenamiento extendido sobre USM (E4) y entrenamiento conjunto sobre Mobility Aids y USM desde los pesos preentrenados de YOLO11s (E5). Para las comparaciones interdominio se mantienen los mismos conjuntos de prueba de cada dominio. YOLO11m presentó el mayor mAP50-95 en el benchmark de Mobility Aids realizado con la partición temporal corregida, con 0,631, mientras YOLO11s alcanzó 0,628 y requirió 21,3 GFLOPs frente a 67,7 GFLOPs de YOLO11m. Por ello, YOLO11s fue seleccionada por su compromiso entre desempeño y complejidad. En las corridas corregidas, E1 alcanzó 0,625 en Mobility Aids y 0,534 en USM; E2 alcanzó 0,549 y 0,852, respectivamente; y E5 obtuvo 0,633 y 0,851. Bajo un criterio interdominio basado exclusivamente en las tres clases comunes, E5 presentó el mayor promedio y el mayor valor mínimo entre las configuraciones comparables. This thesis studies the automatic detection of people with reduced mobility using computer vision and deep learning, with a focus on the YOLO11 object detector family. The first stage compares YOLO11n, YOLO11s, and YOLO11m on Mobility Aids, considering both detection performance and computational complexity. YOLO11s is selected as the reference architecture for the subsequent experiments. The second stage analyzes the domain shift between Mobility Aids and a self-built dataset, referred to as the USM Dataset. Five training configurations are studied: a Mobility Aids baseline (E1), fine-tuning from Mobility Aids to USM (E2), USM-only training (E3), extended USM training (E4), and joint training on Mobility Aids and USM from YOLO11s pretrained weights (E5). The same domain-specific test sets are used throughout the comparative evaluation. YOLO11m achieved the highest mAP50-95 in the Mobility Aids architecture benchmark using the corrected temporal partition, with 0.631, while YOLO11s reached 0.628 with substantially lower computational complexity. In the corrected experiments, E1 reached 0.625 on Mobility Aids and 0.534 on USM; E2 reached 0.549 and 0.852; and E5 reached 0.633 and 0.851. Under a cross-domain criterion based only on the three shared classes, E5 provided the highest observed mean and minimum performance among the directly comparable configurations.