Evaluación de modelos de visión por computador en video para la detección de la pose humana y caída

La detección de pose del ser humano se define como la localización de las articulaciones de una persona o de una multitud dada una imagen o un video. Actualmente, la detección de postura es ampliamente utilizada por sistemas de detección de caídas para el monitoreo de pacientes en ambientes hospitalarios. Sin embargo, no es una tarea sencilla, debido a que requiere de personal que evalúe manualmente la posición de las personas, o utilizando equipos especializados como: dispositivos e-health (relojes, bandas, manillas), marcadores y/o cámaras especializadas y de alto costo para controlar un escenario limitado. Por ende, en este trabajo de tesis se propone la evaluación del desempeño de los modelos de visión por computador utilizados con videos capturados con diferentes dispositivos para la implementación de un sistema de detección de pose y caídas de bajo costo y adaptable a diferentes escenarios. Como resultado se obtuvo un sistema preciso que no requiere del uso de sensores y cuyos métodos disminuyen el tiempo de detección de pose y caídas.

• Fecha de publicación: 2020
• Institución: Universidad del Rosario
• Repositorio: Repositorio EdocUR - U. Rosario
• Idioma: spa
• OAI Identifier: oai:repository.urosario.edu.co:10336/24437
• Acceso en línea: https://doi.org/10.48713/10336_24437; https://repository.urosario.edu.co/handle/10336/24437
• Palabra clave: Aprendizaje profundo; Detección de caídas; Estimación de pose; Inteligencia artificial; Modelos de visión por computador; Incidencia & prevención de la enfermedad; Sistemas; Artificial intelligence; Deep learning; Computer vision models; Pose estimation; Fall detection
• License: Atribución-NoComercial-SinDerivadas 2.5 Colombia