Resumen:
CONDITION FOR PUBLICATION OF PROJECT. project implements an automated vehicle tracking system using Deep Learning and computer vision techniques. The system employs YOLOv8 for vehicle detection, ByteTrack for intra-camera tracking, and Vision Transformer (ViT) to generate robust embeddings enabling multi-camera ReIDentification. Multiple camera video sequences were processed, applying cosine similarity matching and re-ranking techniques to improve accuracy. Results demonstrated 94.7% Rank-1 accuracy and 77.96% mAP, validating the effectiveness of the proposed approach. The system provides a scalable solution for automated vehicle monitoring in complex urban environments.
Keywords: Vehicle tracking, Computer vision, Deep Learning, ReIDentification, Multi-camera processing.
Descripción:
CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. Este proyecto implementa un sistema automatizado de rastreo vehicular mediante técnicas de Deep Learning y visión por computadora. El sistema utiliza YOLOv8 para detectar vehículos, ByteTrack para seguimiento intra-cámara y Vision Transformer (ViT) para generar embeddings robustos que permiten la Reidentificación multicámara. Se procesaron secuencias de video de múltiples cámaras, aplicando técnicas de matching por similitud coseno y re-ranking para mejorar la precisión. Los resultados demostraron un 94.7% de precisión Rank-1 y 77.96% mAP, validando la efectividad del enfoque propuesto. El sistema ofrece una solución escalable para el monitoreo vehicular automatizado en entornos urbanos complejos.
