Examinando por Autor "Barragán Calderón, Daniel"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Evaluación de algoritmos de sustracción de fondo para conteo de personas
    (Universidad del Valle, 2016) Escobar Tafurt, Luis Fernando; Trujillo Uribe, Maria Patricia; Barragán Calderón, Daniel
    La sustracción de fondo es una herramienta útil en el campo de la manipulación y análisis de videos, esta nos ofrece una técnica para separar los objetos en movimiento de los objetos estáticos, es ampliamente usado por herramientas como el Kinect, el conteo de personas, el tracking, entre otras. En este documento se consigna la implementación de tres algoritmos, utilizados en sustracción de fondo para conteo de personas, y una posterior comparación bajo unos parámetros, se utilizara el lenguaje Python con la librería opencv, la lectura del video puede realizarse por medio de archivos o directamente desde la cámara web, a continuación se transforma a escala de grises para facilitar su procesamiento y manipulación, por último, por medio de las técnicas que se introducirán en capítulos posteriores, se aplica la sustracción de fondo y los diferentes tipos de pruebas para determinar las mejores condiciones de trabajo y según unos criterios definidos, comparar los algoritmos entre sí. Las condiciones de operación consisten en tener una cámara estática, una iluminación de poca variabilidad, una resolución mínima de 950x540 píxeles, en los clips utilizados se evitan objetos que puedan influir en el resultado como autos en movimiento, motos, lluvia entre otros. Los algoritmos fueron probados con 10 videos en diferentes condiciones bajo la misma resolución, obteniendo así resultados para la evaluación de desempeño y concluyendo cuál de los 3 se comporta mejor bajo que parámetros. En general el trabajo desarrollado reúne diversas técnicas de procesamiento de video, sustracción de fondo, así como algoritmos propios orientados a un fin específico, pero que pueden ser utilizados para el desarrollo de otros proyectos afines o que incluyan el procesamiento de video.
  • Miniatura
    PublicaciónAcceso abierto
    Plataforma para el apoyo a la evaluación de estudiantes en cursos de programación
    (Universidad del Valle, 2018) Portilla Cortes, María Cristina; Sanabria Ordoñez, John Alexander; Barragán Calderón, Daniel
    El incremento cada año en los cupos para el ingreso a las carreras de ingeniería genera problemas en la capacidad de los docentes para brindar la continua realimentación que necesitan los estudiantes en el proceso de aprendizaje de un lenguaje de programación. Esto se evidencia en los estudiantes que no presentan trabajos, cancelan el curso o que realizan fraude en las entregas programadas. Actualmente, no se cuenta con datos históricos acerca del desempeño de los estudiantes en los cursos de programación como lo son: notas obtenidas en talleres, proyectos y evaluaciones, y si fueron alcanzados los objetivos establecidos para estas actividades. En los sistemas de registro de notas de la Universidad del Valle, el profesor solo debe ingresar una nota ¿nal por estudiante. Por tanto, cada semestre se pierde información importante sobre los procesos de aprendizaje, la cual podría ser tenida en cuenta para la toma de decisiones sobre los programas de los cursos. En la Universidad del Valle se realizó un trabajo de grado para la integración del juez virtual Domjudge con Moodle, pero a la fecha no ha sido puesto en producción debido a que requiere una actualización de Moodle e instalación de plugins y este tipo de integraciones pone en alto riesgo la estabilidad del campus virtual. Por lo tanto, se propone el desarrollo de una plataforma independiente para la evaluación en cursos de programación, que ofrece elementos para acompañar los procesos de aprendizaje promoviendo una mejoría en la adquisición de competencias y sea un medio para obtener datos estadísticos acerca de los temas y subtemas que presentan más dificultad para los estudiantes, junto a la recopilación de código fuente que puede ser empleado para minería de datos por trabajos futuros.