Seguimiento y evaluación de personas en ambientes cerrados / abiertos

Actualmente, en un mundo constantemente en evolución hemos evidenciado el impacto y crecimiento de la tecnología. Lo que se conoce como la revolución tecnológica ha llevado a la creación de sistemas de pago en línea, Inteligencia artificial (IA), BigData, el internet de las cosas, entre otros. Estas herramientas facilitan y optimizan procesos que normalmente generan más gastos económicos, ambientales y sociales, en especial el uso de tecnologías de IA presenta un gran desempeño en la detección de objetos por medio de imágenes, cuando se trata de seguimiento de personas, la norma general dicta que debe realizarse de forma manual, en donde un trabajador sea el encargado de llevar un control de las cámaras de vigilancia, mediante las cuales se puede identificar un sujeto, su posición, y su estado físico, este control es efectivo pero tedioso, en el enfoque de este trabajo dirigido se busca automatizar dicha labor especialmente en centros de salud o hogares geriátricos, donde pacientes con condiciones neurológicas necesitan atención o monitoreo más constante, apoyado en el algoritmo de Detección de objetos YOLO en su versión 3 y en el algoritmo DeepSORT para el seguimiento de personas, se plantea generar un programa en Google Colaboratory usando el lenguaje de Python para la de detección, seguimiento y evaluación de actividad física de personas por medio de videovigilancia o vision por computadora, con un enfoque en tiempo real con base en diversas técnicas de IA. Estos algoritmos tienen diversos usos y ventajas, algunos ejemplos van desde el seguimiento del balón en partidos de futbol o baloncesto hasta la detección de automóviles para sistemas de conducción automática, entre las ventajas que ofrece es que es una tecnología no invasiva, de bajo costo y alta eficiencia, por otra parte, presenta algunas dificultades relacionadas con efectos como la oclusión, es decir, cuando una persona se encuentra delante de otra y dificulta su visibilidad en el vídeo. La gran cantidad de personas puede ser otro limitante, ya que por lo general se requiere de gran capacidad computacional para detectar cada objeto, esto de forma intrínseca nos afecta el rendimiento en tiempo real, limitando el número de fotogramas que se pueden procesar cada segundo.

• Fecha de publicación: 2021
• Institución: Universidad del Rosario
• Repositorio: Repositorio EdocUR - U. Rosario
• Idioma: spa
• OAI Identifier: oai:repository.urosario.edu.co:10336/31580
• Acceso en línea: https://doi.org/10.48713/10336_31580; https://repository.urosario.edu.co/handle/10336/31580
• Palabra clave: Inteligencia Artificial; DeepSORT; YOLOv3; Deep learning; Fisioterapia; Ciencias médicas, Medicina; Artificial intelligence; DeepSORT; YOLOv3; Deep learning; Physiotherapy; Inteligencia artificial; Ciencias médicas - Innovaciones tecnológicas; Redes neuronales (computadores); Aprendizaje automático (inteligencia artificial); Diseño en ingeniería; Detectores
• License: Atribución-NoComercial-CompartirIgual 2.5 Colombia