Seguimiento y evaluación de personas en ambientes cerrados / abiertos

Es: 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. E...

Full description

Autores:
Cruz Angel, Bryan Santiago
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2021
Institución:
Escuela Colombiana de Ingeniería Julio Garavito
Repositorio:
Repositorio Institucional ECI
Idioma:
spa
OAI Identifier:
oai:repositorio.escuelaing.edu.co:001/1520
Acceso en línea:
https://repositorio.escuelaing.edu.co/handle/001/1520
https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=22627
Palabra clave:
Inteligencia artificial
Redes neuronales (Computadores)
Internet de las cosas
Inteligencia artificial
Redes neuronales
Monitoreo
DeepSORT
YOLOv3
calorías
Rights
openAccess
License
http://purl.org/coar/access_right/c_abf2
id ESCUELAIG2_08eae28d3ba63682d547e7ac95072795
oai_identifier_str oai:repositorio.escuelaing.edu.co:001/1520
network_acronym_str ESCUELAIG2
network_name_str Repositorio Institucional ECI
repository_id_str
dc.title.spa.fl_str_mv Seguimiento y evaluación de personas en ambientes cerrados / abiertos
title Seguimiento y evaluación de personas en ambientes cerrados / abiertos
spellingShingle Seguimiento y evaluación de personas en ambientes cerrados / abiertos
Inteligencia artificial
Redes neuronales (Computadores)
Internet de las cosas
Inteligencia artificial
Redes neuronales
Monitoreo
DeepSORT
YOLOv3
calorías
title_short Seguimiento y evaluación de personas en ambientes cerrados / abiertos
title_full Seguimiento y evaluación de personas en ambientes cerrados / abiertos
title_fullStr Seguimiento y evaluación de personas en ambientes cerrados / abiertos
title_full_unstemmed Seguimiento y evaluación de personas en ambientes cerrados / abiertos
title_sort Seguimiento y evaluación de personas en ambientes cerrados / abiertos
dc.creator.fl_str_mv Cruz Angel, Bryan Santiago
dc.contributor.advisor.none.fl_str_mv Perdomo Charry, Oscar Julián
dc.contributor.author.none.fl_str_mv Cruz Angel, Bryan Santiago
dc.contributor.corporatename.spa.fl_str_mv Escuela Colombiana de Ingenieria Julio Garavito
Universidad del Rosario
dc.subject.armarc.none.fl_str_mv Inteligencia artificial
Redes neuronales (Computadores)
Internet de las cosas
topic Inteligencia artificial
Redes neuronales (Computadores)
Internet de las cosas
Inteligencia artificial
Redes neuronales
Monitoreo
DeepSORT
YOLOv3
calorías
dc.subject.proposal.spa.fl_str_mv Inteligencia artificial
Redes neuronales
Monitoreo
DeepSORT
YOLOv3
calorías
description Es: 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 ancianatos, 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 Python de detección y evaluación de actividad física de personas 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, que es cuando una persona se encuentra delante de otra y dificulta su visibilidad en el video. 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.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2021-05-29T00:50:58Z
2021-10-01T14:30:08Z
dc.date.available.none.fl_str_mv 2021-05-29T00:50:58Z
2021-10-01T14:30:08Z
dc.date.issued.none.fl_str_mv 2021
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.redcol.spa.fl_str_mv https://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.escuelaing.edu.co/handle/001/1520
dc.identifier.url.none.fl_str_mv https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=22627
url https://repositorio.escuelaing.edu.co/handle/001/1520
https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=22627
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv [1] A. Mercadé, «Los 8 tipos de inteligencia según Howard Gardner: la teoría de las inteligencias múltiples.,» 2019. [2] I. Gonzales, «Armas que disparan solas: así funcionan las ametralladoras con inteligencia artificial,» El español, 29 12 2020. [3] G. P. RAMIREZ, «LA INTELIGENCIA ARTIFICIAL Y SU INFLUENCIA EN LA EFICIENCIA DEL COMERCIO INTERNACIONAL,» Lima-Perú, 2020. [4] I. Montenegro Trujillo, A. Hernandez, D. Chavarro, M. I. Velez, G. Tovar, A. M. Niño y A. Olaya, «MACROTENDENCIAS HACIA EL 2030: El mundo y América Latina,» Colciencias, nº 2, 2018. [5] «Lee, KF. “La Inteligencia Artificial Y El Futuro Del Trabajo: Una Perspectiva China” Openmind. Artículo de investigación (2020)». [6] «Sreenu, G., Saleem Durai, M.A. Intelligent video surveillance: a review through deep learning techniques for crowd analysis. J Big Data 6, 48 (2019).». [7] «Ejercicio terapéutico,» ASEPEYO, 03 09 2018. [En línea]. Available: https://salud.asepeyo.es/profesionales/rehabilitacion/ejercicio-terapeutico/. [Último acceso: 24 05 2021]. [8] «S.Saranya, Dr. P. JesuJayarin “A Survey For Tracking And Monitoring The Alzheimer Patient” - IEEE Conference Publication. (2017)». [9] Y. S. Gutiérrez Pardo y A. M. Guerrero Carhuavilca, «Seguimiento del Paciente en Rehabilitación con Kinect 2.0,» UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS, Lima, 2019. [10] «Inteligencia artificial,» Wikipedia, [En línea]. Available: https://es.wikipedia.org/wiki/Inteligencia_artificial. [Último acceso: 2021 04 11]. [11] «Las profesiones que podrían desaparecer por la Inteligencia Artificial,» El tiempo, 2 enero 2021. [12] B. Martín, «Cómo crear inteligencia artificial que no exhiba prejuicios humanos,» BBVA Open Mind, 13 noviembre 2019. [En línea]. Available: https://www.bbvaopenmind.com/tecnologia/inteligencia-artificial/como-crear-inteligencia-artificial-que-no-exhiba-prejuicios-humanos/. [Último acceso: 16 marzo 2021]. [13] C. Saavedra y F. Izaurieta, «Redes Neuronales Artificiales,» Concepcion, Chile, 2000. [14] J. M. Fernandez Fernandez y R. Florez Lopez, Las redes neuronales artificiales, La Coreña, España: NetBiblo, 2008. [15] «Wikipedia,» 16 febrero 2021. [En línea]. Available: https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico. [Último acceso: 16 marzo 2021]. [16] «Sobreajuste,» Wikipedia, 11 octubre 2020. [En línea]. Available: https://es.wikipedia.org/wiki/Sobreajuste. [Último acceso: 16 marzo 2021]. [17] «Aprendizaje profundo,» Wikipedia, 01 03 2021. [En línea]. Available: https://es.wikipedia.org/wiki/Aprendizaje_profundo. [Último acceso: 24 05 2021]. [18] «Te damos la bienvenida a Colaboratory,» Google, [En línea]. Available: https://colab.research.google.com/notebooks/intro.ipynb?hl=es. [Último acceso: 16 marzo 2021]. [19] Google, «TensorFlow,» [En línea]. Available: https://www.tensorflow.org/?hl=es-419. [Último acceso: 15 04 2021]. [20] «RFID,» Wikipedia, [En línea]. Available: https://es.wikipedia.org/wiki/RFID. [Último acceso: 24 05 2021]. [21] «Bluetooth de baja energía,» Wikipedia, [En línea]. Available: https://es.wikipedia.org/wiki/Bluetooth_de_baja_energ%C3%ADa. [Último acceso: 24 05 2021]. [22] «NFC,» Wikipedia, [En línea]. Available: https://es.wikipedia.org/wiki/Near_field_communication. [Último acceso: 24 05 2021]. [23] «GPS,» Wikipedia, [En línea]. Available: https://es.wikipedia.org/wiki/GPS. [Último acceso: 24 05 2021]. [24] F. S. Caparrini, «Entrenamiento de Redes Neuronales: mejorando el Gradiente Descendente,» Dpto. Ciencias de la Computación e Inteligencia Artificial, Universidad de Sevilla., [En línea]. Available: http://www.cs.us.es/~fsancho/?e=165. [Último acceso: 24 05 2021]. [25] K. O’Shea y R. Nash, «An Introduction to Convolutional Neural Networks,» arXiv, Gales, UK, 2015. [26] S. Sharma y A. Athaiya, «ACTIVATION FUNCTIONS IN NEURAL,» International Journal of Engineering Applied Sciences and Technology, 2020. [27] F. f. Li, J. Johnson y S. Yeung, «Lecture 4: Backpropagation and Neural Networks,» 13 04 2017. [En línea]. Available: http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture4.pdf. [Último acceso: 24 05 2021]. [28] «Red convolucional en PyTorch,» Cleverpy Machine Learning, 09 01 2018. [En línea]. Available: https://medium.com/@cleverpysolutions/red-convolucional-en-pytorch-c499ae8af6ca. [Último acceso: 24 05 2021]. [29] «Max-pooling / Pooling,» 2018. [En línea]. Available: https://computersciencewiki.org/index.php/Max-pooling_/_Pooling. [Último acceso: 24 05 2021]. [30] C.-W. Zhang, M.-Y. Yang y H.-J. Zeng, «Pedestrian detection based on improved LeNet-5 convolutional neural network,» Journal of Algorithms & Computational Technology, shaanxi, China, 2019. [31] J. Huang, V. Rathod, C. Sun , M. Zhu y S. Guadarrama, «Speed/accuracy trade-offs for modern convolutional object detector,» Actas de la Conferencia IEEE sobre visión artificial y reconocimiento de patrones, 2017. [32] J. U. T. G. A. S. T. Gevers, «Selective Search for Object Recognition,» Italia y Amsterdam, 2012. [33] R. Gandhi, «R-CNN, Fast R-CNN, Faster R-CNN, YOLO — Object Detection Algorithms,» Towards Dara Science, [En línea]. Available: https://towardsdatascience.com/r-cnn-fast-r-cnn-faster-r-cnn-yolo-object-detection-algorithms-36d53571365e. [Último acceso: 17 04 2021]. [34] R. Girshick, «Fast r-cnn. In Proceedings of the IEEE international conference on computer vision,» Microsoft Research, 2015. [35] K. He, G. Gkioxari, P. Dollar y R. Girshick, «Mask R-CNN,» Facebook AI Research. [36] A. Garcia Garcia, S. Oprea, S. Orts Escolano, J. Garcia Rodriguez y V. Villena Martinez, «A Review on Deep Learning Techniques Applied to Semantic Segmentation,» arXiv, 2017. [37] X. Feng, Y. Jiang, X. Li, X. Yang y M. Du, «Computer vision algorithms and hardware implementations: A survey,» ELSEVIER, Shanghai, 2019. [38] J. Redmon, S. Divvala, R. Girshick y A. Farhadi, «You Only Look Once: Unified, Real-Time Object Detection,» 2015. [39] A. Persson, «Non Max Suppression Explained and PyTorch Implementation,» Youtube, 07 10 2020. [En línea]. Available: https://www.youtube.com/watch?v=YDkjWEN8jNA. [Último acceso: 24 05 2021]. [40] D. Patel, «What is YOLO algorithm? | Deep Learning Tutorial 31 (Tensorflow, Keras & Python),» 25 12 2020. [En línea]. Available: https://www.youtube.com/watch?v=ag3DLKsl2vk. [Último acceso: 24 05 2021]. [41] J. Redmon y A. Farhadi, «YOLO9000: Better, Faster, Stronger,» 2016. [42] A. Kathuria, «What’s new in YOLO v3?,» towards datascience, 23 04 2018. [En línea]. Available: https://towardsdatascience.com/yolo-v3-object-detection-53fb7d3bfe6b. [Último acceso: 24 04 2021]. [43] J. Redmon y A. Farhadi, «YOLOv3: An Incremental Improvement,» Washington, 2018. [44] A. Bochkovskiy, C.-Y. Wang y H. Y. Mark Liao, «YOLOv4: Optimal Speed and Accuracy of Object Detection,» Taiwan, 2020. [45] R. Balsys, «YOLO v3 Real-Time Object tracking with Deep SORT,» 26 Junio 2020. [En línea]. Available: https://pylessons.com/YOLOv3-TF2-DeepSort/. [Último acceso: 16 Marzo 2021]. [46] S. DEY, «Implementing Lucas-Kanade Optical Flow algorithm in Python,» 25 02 2018. [En línea]. Available: https://sandipanweb.wordpress.com/2018/02/25/implementing-lucas-kanade-optical-flow-algorithm-in-python/. [Último acceso: 23 05 2021]. [47] S. R. Maiya, «DeepSORT: Deep Learning to Track Custom Objects in a Video,» 2019. [En línea]. Available: https://nanonets.com/blog/object-tracking-deepsort/. [Último acceso: 24 04 2021]. [48] A. Bewley, Z. Ge, L. Ott, B. Upcrof y F. Ramos, «SIMPLE ONLINE AND REALTIME TRACKING,» Sindney, 2016. [49] N. Wojke, A. Bewley y D. Paulus, «SIMPLE ONLINE AND REALTIME TRACKING WITH A DEEP ASSOCIATION METRIC,» Brisbane, 2017. [50] f. fleuret, j. berclaz y p. fua, «Multi-camera pedestrians video,» EPFL, [En línea]. Available: https://www.epfl.ch/labs/cvlab/data/data-pom-index-php/. [Último acceso: 25 04 2021]. [51] «Walking London's SOHO in HEAVY RAIN - Saturday Evening City Ambience,» Watched Walker, 27 07 2020. [En línea]. Available: https://www.youtube.com/watch?v=__Eo-dvEH7g. [Último acceso: 26 04 2021]. [52] «10 WEIRD THINGS CAUGHT ON SECURITY CAMERAS & CCTV,» CREATIVE, 28 03 2020. [En línea]. Available: https://www.youtube.com/watch?v=sPwxPxgJDSc. [Último acceso: 26 04 2021]. [53] «Two people walk up to home, walk away after seeing security camera,» Lexington Police Department, 23 01 2019. [En línea]. Available: https://www.youtube.com/watch?v=bFrwLUjXcLs. [Último acceso: 26 04 2021]. [54] A. Augustyn, «Why Are Basketball Hoops 10 Feet High?».Britannica. [55] A. L. González Gómez, J. E. Meneses Fonseca, A. Ballesteros Díaz y J. León Téllez, «Método para la extracción de puntos de control en la calibración de una cámara basado en la estimación de la fase de un patrón de puntos codificado,» Scielo, Bucaramanga, 2013. [56] «¿Dónde están los hombres y mujeres más altos de Suramérica?,» EL TIEMPO Casa Editorial, 29 06 2016. [57] S. G. MATIAS, «Colombia, uno de los países con más dificultades en acceso a internet,» EL TIEMPO editorial, 11 09 2020. [58] S. C. Walpole, D. Prieto Merino, J. Cleland, P. Edwards y G. Stevens, «The weight of nations: an estimation of adult human biomass,» BMC Public Health , London, 2012. [59] S.-S. Wu y H.-Y. Wu, «The Design of an Intelligent Pedometer using Android,» Taiwan, 2011. [60] K. Xu, G. Zhang y H. Chen, «Adversarial T-shirt! Evading Person Detectors in A Physical World,» IBM Research, Massachusetts, 2020. [61] T. I. guy, «Google Colab: Access Webcam for Images and Video,» [En línea]. Available: https://colab.research.google.com/drive/1QnC7lV7oVFk5OZCm75fqbLAfD9qBy9bw?usp=sharing. [Último acceso: 25 04 2021]. [62] C. Silcox, «La inteligencia artificial en el sector salud,» Banco Interamericano de Desarrollo. , 2020. [63] OpenCV, «Spatial AI powerhouse, OAK-D,» [En línea]. Available: https://store.opencv.ai/. [Último acceso: 15 04 2021].
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
rights_invalid_str_mv http://purl.org/coar/access_right/c_abf2
dc.format.extent.spa.fl_str_mv 60 páginas
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.program.spa.fl_str_mv Ingeniería Biomédica
institution Escuela Colombiana de Ingeniería Julio Garavito
bitstream.url.fl_str_mv https://repositorio.escuelaing.edu.co/bitstream/001/1520/1/license.txt
https://repositorio.escuelaing.edu.co/bitstream/001/1520/2/CruzAngel-BryanSantiago-2021.pdf
https://repositorio.escuelaing.edu.co/bitstream/001/1520/3/Autorizaci%c3%b3n%20de%20publicaci%c3%b3n_RevOscarPerdomo%20%281%29.pdf
https://repositorio.escuelaing.edu.co/bitstream/001/1520/4/CruzAngel-BryanSantiago-2021.pdf.txt
https://repositorio.escuelaing.edu.co/bitstream/001/1520/6/Autorizaci%c3%b3n%20de%20publicaci%c3%b3n_RevOscarPerdomo%20%281%29.pdf.txt
https://repositorio.escuelaing.edu.co/bitstream/001/1520/5/CruzAngel-BryanSantiago-2021.pdf.jpg
https://repositorio.escuelaing.edu.co/bitstream/001/1520/7/Autorizaci%c3%b3n%20de%20publicaci%c3%b3n_RevOscarPerdomo%20%281%29.pdf.jpg
bitstream.checksum.fl_str_mv 5a7ca94c2e5326ee169f979d71d0f06e
c159b813dd304841f79abb5ee6a2fc08
2bdaf5c25974447d10fccd35f5bc2e2c
43700a5b95b0a5f12d0b13074754d66e
d628920248b8f53b2a8ddcfd73fc7fea
9ab08e3cc4bb6fef93a0ec4d2e632690
eedd1d401f5e02ef09ffdab2e8b91d01
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Escuela Colombiana de Ingeniería Julio Garavito
repository.mail.fl_str_mv repositorio.eci@escuelaing.edu.co
_version_ 1814355617302708224
spelling Perdomo Charry, Oscar Julián0257d02fec95a5e32cb46abe673774b2300Cruz Angel, Bryan Santiago311305d71f4fe6dbb758253cf6ebe2a6600Escuela Colombiana de Ingenieria Julio GaravitoUniversidad del Rosario2021-05-29T00:50:58Z2021-10-01T14:30:08Z2021-05-29T00:50:58Z2021-10-01T14:30:08Z2021https://repositorio.escuelaing.edu.co/handle/001/1520https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=22627Es: 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 ancianatos, 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 Python de detección y evaluación de actividad física de personas 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, que es cuando una persona se encuentra delante de otra y dificulta su visibilidad en el video. 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.En: Currently, in a constantly evolving world, we have witnessed the impact and growth of technology. What is known as the technological revolution has led to the creation of online payment systems, Artificial Intelligence (AI), BigData, the internet of things, among others. These tools facilitate and optimize processes that normally generate more economic, environmental and social expenses, especially the use of AI technologies presents a great performance in the detection of objects through images, when it comes to tracking people, the general norm dictates that it must be carried out manually, where a worker is in charge of keeping a control of the surveillance cameras, through which a subject can be identified, their position, and their physical condition, this control is effective but tedious, in The focus of this directed work seeks to automate this work, especially in health centers or nursing homes, where patients with neurological conditions need more constant attention or monitoring, supported by the YOLO Object Detection algorithm in version 3 and the DeepSORT algorithm for the follow-up of people, it is proposed to generate a Python program for the detection and evaluation of physical activity of people in t real time based on various AI techniques. These algorithms have various uses and advantages, some examples range from tracking the ball in football or basketball matches to detecting cars for automatic driving systems, among the advantages it offers is that it is a non-invasive, low-cost technology and High efficiency, on the other hand, presents some difficulties related to effects such as occlusion, which is when one person is in front of another and makes it difficult to see them in the video. The large number of people can be another limitation, since in general a great computational capacity is required to detect each object, this intrinsically affects our performance in real time, limiting the number of frames that can be processed each second.Capítulo 1 - Introducción 1.1. Problemática 1.2. Contexto clínico 1.3. Que es la Inteligencia Artificial (IA) 1.4. ¿Como se crea una inteligencia artificial? 1.5. Redes Neuronales Artificiales 1.5.1. Aprendizaje automático 1.5.1.1. Aprendizaje supervisado 1.5.2. Aprendizaje profundo 1.6. Google Colaboratory 1.7. TensorFlow Capítulo 2 - Objetivos 2.1 General 2.2 Específicos Capítulo 3 - Estado del arte 3.1 Método de investigación o revisión literaria 3.1 Algunos métodos para seguimiento de pacientes 3.2 Tipos de Redes neuronales artificiales 3.2.1 Redes Neuronales Convolucionales (CNN) 3.2.1.1 Redes convolucionales basadas en región (R-CNN), 2014 3.2.1.2 Redes convolucionales basadas en región rápida o Fast R-CNN (2015) 3.2.1.3 Redes convolucionales basadas en región más rápida o Faster R-CNN (2015) 3.2.1.4 Mask R-CNN (2017) 3.3 Yolov1 3.4 Yolov2 3.5 Yolov3 3.6 Yolov4 3.7 Método de cambio medio para seguimiento 3.8 Método de flujo óptico 3.9 Filtro de Kalman 3.10 DeepSORT Capítulo 4 - Metodología 4.1 Base de datos de videos de personas 4.2 Base de datos EPFL [50] 4.3 Preprocesamiento del video 4.4 Detección, Seguimiento y monitoreo de personas en tiempo real 4.5 Generación de alertas y reportes consecuentes según los datos obtenidos 4.6 Validación de la confiabilidad del sistema desarrollada mediante usando bases de datos de personas EPFL Capítulo 5 - Resultados Capítulo 6 - Discusión de resultados Capítulo 7 – Conclusiones Capítulo 8 - Recomendaciones y trabajos futuros ReferenciasPregradoIngeniero(a) Biomédico(a)60 páginasapplication/pdfspaSeguimiento y evaluación de personas en ambientes cerrados / abiertosTrabajo de grado - Pregradoinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttps://purl.org/redcol/resource_type/TPhttp://purl.org/coar/version/c_970fb48d4fbd8a85Ingeniería Biomédica[1] A. Mercadé, «Los 8 tipos de inteligencia según Howard Gardner: la teoría de las inteligencias múltiples.,» 2019. [2] I. Gonzales, «Armas que disparan solas: así funcionan las ametralladoras con inteligencia artificial,» El español, 29 12 2020. [3] G. P. RAMIREZ, «LA INTELIGENCIA ARTIFICIAL Y SU INFLUENCIA EN LA EFICIENCIA DEL COMERCIO INTERNACIONAL,» Lima-Perú, 2020. [4] I. Montenegro Trujillo, A. Hernandez, D. Chavarro, M. I. Velez, G. Tovar, A. M. Niño y A. Olaya, «MACROTENDENCIAS HACIA EL 2030: El mundo y América Latina,» Colciencias, nº 2, 2018. [5] «Lee, KF. “La Inteligencia Artificial Y El Futuro Del Trabajo: Una Perspectiva China” Openmind. Artículo de investigación (2020)». [6] «Sreenu, G., Saleem Durai, M.A. Intelligent video surveillance: a review through deep learning techniques for crowd analysis. J Big Data 6, 48 (2019).». [7] «Ejercicio terapéutico,» ASEPEYO, 03 09 2018. [En línea]. Available: https://salud.asepeyo.es/profesionales/rehabilitacion/ejercicio-terapeutico/. [Último acceso: 24 05 2021]. [8] «S.Saranya, Dr. P. JesuJayarin “A Survey For Tracking And Monitoring The Alzheimer Patient” - IEEE Conference Publication. (2017)». [9] Y. S. Gutiérrez Pardo y A. M. Guerrero Carhuavilca, «Seguimiento del Paciente en Rehabilitación con Kinect 2.0,» UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS, Lima, 2019. [10] «Inteligencia artificial,» Wikipedia, [En línea]. Available: https://es.wikipedia.org/wiki/Inteligencia_artificial. [Último acceso: 2021 04 11]. [11] «Las profesiones que podrían desaparecer por la Inteligencia Artificial,» El tiempo, 2 enero 2021. [12] B. Martín, «Cómo crear inteligencia artificial que no exhiba prejuicios humanos,» BBVA Open Mind, 13 noviembre 2019. [En línea]. Available: https://www.bbvaopenmind.com/tecnologia/inteligencia-artificial/como-crear-inteligencia-artificial-que-no-exhiba-prejuicios-humanos/. [Último acceso: 16 marzo 2021]. [13] C. Saavedra y F. Izaurieta, «Redes Neuronales Artificiales,» Concepcion, Chile, 2000. [14] J. M. Fernandez Fernandez y R. Florez Lopez, Las redes neuronales artificiales, La Coreña, España: NetBiblo, 2008. [15] «Wikipedia,» 16 febrero 2021. [En línea]. Available: https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico. [Último acceso: 16 marzo 2021]. [16] «Sobreajuste,» Wikipedia, 11 octubre 2020. [En línea]. Available: https://es.wikipedia.org/wiki/Sobreajuste. [Último acceso: 16 marzo 2021]. [17] «Aprendizaje profundo,» Wikipedia, 01 03 2021. [En línea]. Available: https://es.wikipedia.org/wiki/Aprendizaje_profundo. [Último acceso: 24 05 2021]. [18] «Te damos la bienvenida a Colaboratory,» Google, [En línea]. Available: https://colab.research.google.com/notebooks/intro.ipynb?hl=es. [Último acceso: 16 marzo 2021]. [19] Google, «TensorFlow,» [En línea]. Available: https://www.tensorflow.org/?hl=es-419. [Último acceso: 15 04 2021]. [20] «RFID,» Wikipedia, [En línea]. Available: https://es.wikipedia.org/wiki/RFID. [Último acceso: 24 05 2021]. [21] «Bluetooth de baja energía,» Wikipedia, [En línea]. Available: https://es.wikipedia.org/wiki/Bluetooth_de_baja_energ%C3%ADa. [Último acceso: 24 05 2021]. [22] «NFC,» Wikipedia, [En línea]. Available: https://es.wikipedia.org/wiki/Near_field_communication. [Último acceso: 24 05 2021]. [23] «GPS,» Wikipedia, [En línea]. Available: https://es.wikipedia.org/wiki/GPS. [Último acceso: 24 05 2021]. [24] F. S. Caparrini, «Entrenamiento de Redes Neuronales: mejorando el Gradiente Descendente,» Dpto. Ciencias de la Computación e Inteligencia Artificial, Universidad de Sevilla., [En línea]. Available: http://www.cs.us.es/~fsancho/?e=165. [Último acceso: 24 05 2021]. [25] K. O’Shea y R. Nash, «An Introduction to Convolutional Neural Networks,» arXiv, Gales, UK, 2015. [26] S. Sharma y A. Athaiya, «ACTIVATION FUNCTIONS IN NEURAL,» International Journal of Engineering Applied Sciences and Technology, 2020. [27] F. f. Li, J. Johnson y S. Yeung, «Lecture 4: Backpropagation and Neural Networks,» 13 04 2017. [En línea]. Available: http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture4.pdf. [Último acceso: 24 05 2021]. [28] «Red convolucional en PyTorch,» Cleverpy Machine Learning, 09 01 2018. [En línea]. Available: https://medium.com/@cleverpysolutions/red-convolucional-en-pytorch-c499ae8af6ca. [Último acceso: 24 05 2021]. [29] «Max-pooling / Pooling,» 2018. [En línea]. Available: https://computersciencewiki.org/index.php/Max-pooling_/_Pooling. [Último acceso: 24 05 2021]. [30] C.-W. Zhang, M.-Y. Yang y H.-J. Zeng, «Pedestrian detection based on improved LeNet-5 convolutional neural network,» Journal of Algorithms & Computational Technology, shaanxi, China, 2019. [31] J. Huang, V. Rathod, C. Sun , M. Zhu y S. Guadarrama, «Speed/accuracy trade-offs for modern convolutional object detector,» Actas de la Conferencia IEEE sobre visión artificial y reconocimiento de patrones, 2017. [32] J. U. T. G. A. S. T. Gevers, «Selective Search for Object Recognition,» Italia y Amsterdam, 2012. [33] R. Gandhi, «R-CNN, Fast R-CNN, Faster R-CNN, YOLO — Object Detection Algorithms,» Towards Dara Science, [En línea]. Available: https://towardsdatascience.com/r-cnn-fast-r-cnn-faster-r-cnn-yolo-object-detection-algorithms-36d53571365e. [Último acceso: 17 04 2021]. [34] R. Girshick, «Fast r-cnn. In Proceedings of the IEEE international conference on computer vision,» Microsoft Research, 2015. [35] K. He, G. Gkioxari, P. Dollar y R. Girshick, «Mask R-CNN,» Facebook AI Research. [36] A. Garcia Garcia, S. Oprea, S. Orts Escolano, J. Garcia Rodriguez y V. Villena Martinez, «A Review on Deep Learning Techniques Applied to Semantic Segmentation,» arXiv, 2017. [37] X. Feng, Y. Jiang, X. Li, X. Yang y M. Du, «Computer vision algorithms and hardware implementations: A survey,» ELSEVIER, Shanghai, 2019. [38] J. Redmon, S. Divvala, R. Girshick y A. Farhadi, «You Only Look Once: Unified, Real-Time Object Detection,» 2015. [39] A. Persson, «Non Max Suppression Explained and PyTorch Implementation,» Youtube, 07 10 2020. [En línea]. Available: https://www.youtube.com/watch?v=YDkjWEN8jNA. [Último acceso: 24 05 2021]. [40] D. Patel, «What is YOLO algorithm? | Deep Learning Tutorial 31 (Tensorflow, Keras & Python),» 25 12 2020. [En línea]. Available: https://www.youtube.com/watch?v=ag3DLKsl2vk. [Último acceso: 24 05 2021]. [41] J. Redmon y A. Farhadi, «YOLO9000: Better, Faster, Stronger,» 2016. [42] A. Kathuria, «What’s new in YOLO v3?,» towards datascience, 23 04 2018. [En línea]. Available: https://towardsdatascience.com/yolo-v3-object-detection-53fb7d3bfe6b. [Último acceso: 24 04 2021]. [43] J. Redmon y A. Farhadi, «YOLOv3: An Incremental Improvement,» Washington, 2018. [44] A. Bochkovskiy, C.-Y. Wang y H. Y. Mark Liao, «YOLOv4: Optimal Speed and Accuracy of Object Detection,» Taiwan, 2020. [45] R. Balsys, «YOLO v3 Real-Time Object tracking with Deep SORT,» 26 Junio 2020. [En línea]. Available: https://pylessons.com/YOLOv3-TF2-DeepSort/. [Último acceso: 16 Marzo 2021]. [46] S. DEY, «Implementing Lucas-Kanade Optical Flow algorithm in Python,» 25 02 2018. [En línea]. Available: https://sandipanweb.wordpress.com/2018/02/25/implementing-lucas-kanade-optical-flow-algorithm-in-python/. [Último acceso: 23 05 2021]. [47] S. R. Maiya, «DeepSORT: Deep Learning to Track Custom Objects in a Video,» 2019. [En línea]. Available: https://nanonets.com/blog/object-tracking-deepsort/. [Último acceso: 24 04 2021]. [48] A. Bewley, Z. Ge, L. Ott, B. Upcrof y F. Ramos, «SIMPLE ONLINE AND REALTIME TRACKING,» Sindney, 2016. [49] N. Wojke, A. Bewley y D. Paulus, «SIMPLE ONLINE AND REALTIME TRACKING WITH A DEEP ASSOCIATION METRIC,» Brisbane, 2017. [50] f. fleuret, j. berclaz y p. fua, «Multi-camera pedestrians video,» EPFL, [En línea]. Available: https://www.epfl.ch/labs/cvlab/data/data-pom-index-php/. [Último acceso: 25 04 2021]. [51] «Walking London's SOHO in HEAVY RAIN - Saturday Evening City Ambience,» Watched Walker, 27 07 2020. [En línea]. Available: https://www.youtube.com/watch?v=__Eo-dvEH7g. [Último acceso: 26 04 2021]. [52] «10 WEIRD THINGS CAUGHT ON SECURITY CAMERAS & CCTV,» CREATIVE, 28 03 2020. [En línea]. Available: https://www.youtube.com/watch?v=sPwxPxgJDSc. [Último acceso: 26 04 2021]. [53] «Two people walk up to home, walk away after seeing security camera,» Lexington Police Department, 23 01 2019. [En línea]. Available: https://www.youtube.com/watch?v=bFrwLUjXcLs. [Último acceso: 26 04 2021]. [54] A. Augustyn, «Why Are Basketball Hoops 10 Feet High?».Britannica. [55] A. L. González Gómez, J. E. Meneses Fonseca, A. Ballesteros Díaz y J. León Téllez, «Método para la extracción de puntos de control en la calibración de una cámara basado en la estimación de la fase de un patrón de puntos codificado,» Scielo, Bucaramanga, 2013. [56] «¿Dónde están los hombres y mujeres más altos de Suramérica?,» EL TIEMPO Casa Editorial, 29 06 2016. [57] S. G. MATIAS, «Colombia, uno de los países con más dificultades en acceso a internet,» EL TIEMPO editorial, 11 09 2020. [58] S. C. Walpole, D. Prieto Merino, J. Cleland, P. Edwards y G. Stevens, «The weight of nations: an estimation of adult human biomass,» BMC Public Health , London, 2012. [59] S.-S. Wu y H.-Y. Wu, «The Design of an Intelligent Pedometer using Android,» Taiwan, 2011. [60] K. Xu, G. Zhang y H. Chen, «Adversarial T-shirt! Evading Person Detectors in A Physical World,» IBM Research, Massachusetts, 2020. [61] T. I. guy, «Google Colab: Access Webcam for Images and Video,» [En línea]. Available: https://colab.research.google.com/drive/1QnC7lV7oVFk5OZCm75fqbLAfD9qBy9bw?usp=sharing. [Último acceso: 25 04 2021]. [62] C. Silcox, «La inteligencia artificial en el sector salud,» Banco Interamericano de Desarrollo. , 2020. [63] OpenCV, «Spatial AI powerhouse, OAK-D,» [En línea]. Available: https://store.opencv.ai/. [Último acceso: 15 04 2021].info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Inteligencia artificialRedes neuronales (Computadores)Internet de las cosasInteligencia artificialRedes neuronalesMonitoreoDeepSORTYOLOv3caloríasLICENSElicense.txttext/plain1881https://repositorio.escuelaing.edu.co/bitstream/001/1520/1/license.txt5a7ca94c2e5326ee169f979d71d0f06eMD51open accessORIGINALCruzAngel-BryanSantiago-2021.pdfDiseño de algorirmo para deteccion y seguimiento de personas en ambientes cerrados y/o abiertos, basado en metodos de inteligencia artificial como YOLOv3 y DeepSORT, permite calculos de velocidad, trayectorias, y gasto calorico.application/pdf2780054https://repositorio.escuelaing.edu.co/bitstream/001/1520/2/CruzAngel-BryanSantiago-2021.pdfc159b813dd304841f79abb5ee6a2fc08MD52open accessAutorización de publicación_RevOscarPerdomo (1).pdfAutorizacion de publicación ya firmadaapplication/pdf797361https://repositorio.escuelaing.edu.co/bitstream/001/1520/3/Autorizaci%c3%b3n%20de%20publicaci%c3%b3n_RevOscarPerdomo%20%281%29.pdf2bdaf5c25974447d10fccd35f5bc2e2cMD53metadata only accessTEXTCruzAngel-BryanSantiago-2021.pdf.txtCruzAngel-BryanSantiago-2021.pdf.txtExtracted texttext/plain147430https://repositorio.escuelaing.edu.co/bitstream/001/1520/4/CruzAngel-BryanSantiago-2021.pdf.txt43700a5b95b0a5f12d0b13074754d66eMD54open accessAutorización de publicación_RevOscarPerdomo (1).pdf.txtAutorización de publicación_RevOscarPerdomo (1).pdf.txtExtracted texttext/plain3449https://repositorio.escuelaing.edu.co/bitstream/001/1520/6/Autorizaci%c3%b3n%20de%20publicaci%c3%b3n_RevOscarPerdomo%20%281%29.pdf.txtd628920248b8f53b2a8ddcfd73fc7feaMD56metadata only accessTHUMBNAILCruzAngel-BryanSantiago-2021.pdf.jpgCruzAngel-BryanSantiago-2021.pdf.jpgGenerated Thumbnailimage/jpeg6750https://repositorio.escuelaing.edu.co/bitstream/001/1520/5/CruzAngel-BryanSantiago-2021.pdf.jpg9ab08e3cc4bb6fef93a0ec4d2e632690MD55open accessAutorización de publicación_RevOscarPerdomo (1).pdf.jpgAutorización de publicación_RevOscarPerdomo (1).pdf.jpgGenerated Thumbnailimage/jpeg13028https://repositorio.escuelaing.edu.co/bitstream/001/1520/7/Autorizaci%c3%b3n%20de%20publicaci%c3%b3n_RevOscarPerdomo%20%281%29.pdf.jpgeedd1d401f5e02ef09ffdab2e8b91d01MD57metadata only access001/1520oai:repositorio.escuelaing.edu.co:001/15202021-10-01 17:02:21.267open accessRepositorio Escuela Colombiana de Ingeniería Julio Garavitorepositorio.eci@escuelaing.edu.coU0kgVVNURUQgSEFDRSBQQVJURSBERUwgR1JVUE8gREUgUEFSRVMgRVZBTFVBRE9SRVMgREUgTEEgQ09MRUNDScOTTiAiUEVFUiBSRVZJRVciLCBPTUlUQSBFU1RBIExJQ0VOQ0lBLgoKQXV0b3Jpem8gYSBsYSBFc2N1ZWxhIENvbG9tYmlhbmEgZGUgSW5nZW5pZXLDrWEgSnVsaW8gR2FyYXZpdG8gcGFyYSBwdWJsaWNhciBlbCB0cmFiYWpvIGRlIGdyYWRvLCBhcnTDrWN1bG8sIHZpZGVvLCAKY29uZmVyZW5jaWEsIGxpYnJvLCBpbWFnZW4sIGZvdG9ncmFmw61hLCBhdWRpbywgcHJlc2VudGFjacOzbiB1IG90cm8gKGVuICAgIGFkZWxhbnRlIGRvY3VtZW50bykgcXVlIGVuIGxhIGZlY2hhIAplbnRyZWdvIGVuIGZvcm1hdG8gZGlnaXRhbCwgeSBsZSBwZXJtaXRvIGRlIGZvcm1hIGluZGVmaW5pZGEgcXVlIGxvIHB1YmxpcXVlIGVuIGVsIHJlcG9zaXRvcmlvIGluc3RpdHVjaW9uYWwsIAplbiBsb3MgdMOpcm1pbm9zIGVzdGFibGVjaWRvcyBlbiBsYSBMZXkgMjMgZGUgMTk4MiwgbGEgTGV5IDQ0IGRlIDE5OTMsIHkgZGVtw6FzIGxleWVzIHkganVyaXNwcnVkZW5jaWEgdmlnZW50ZQphbCByZXNwZWN0bywgcGFyYSBmaW5lcyBlZHVjYXRpdm9zIHkgbm8gbHVjcmF0aXZvcy4gRXN0YSBhdXRvcml6YWNpw7NuIGVzIHbDoWxpZGEgcGFyYSBsYXMgZmFjdWx0YWRlcyB5IGRlcmVjaG9zIGRlIAp1c28gc29icmUgbGEgb2JyYSBlbiBmb3JtYXRvIGRpZ2l0YWwsIGVsZWN0csOzbmljbywgdmlydHVhbDsgeSBwYXJhIHVzb3MgZW4gcmVkZXMsIGludGVybmV0LCBleHRyYW5ldCwgeSBjdWFscXVpZXIgCmZvcm1hdG8gbyBtZWRpbyBjb25vY2lkbyBvIHBvciBjb25vY2VyLgpFbiBtaSBjYWxpZGFkIGRlIGF1dG9yLCBleHByZXNvIHF1ZSBlbCBkb2N1bWVudG8gb2JqZXRvIGRlIGxhIHByZXNlbnRlIGF1dG9yaXphY2nDs24gZXMgb3JpZ2luYWwgeSBsbyBlbGFib3LDqSBzaW4gCnF1ZWJyYW50YXIgbmkgc3VwbGFudGFyIGxvcyBkZXJlY2hvcyBkZSBhdXRvciBkZSB0ZXJjZXJvcy4gUG9yIGxvIHRhbnRvLCBlcyBkZSBtaSBleGNsdXNpdmEgYXV0b3LDrWEgeSwgZW4gY29uc2VjdWVuY2lhLCAKdGVuZ28gbGEgdGl0dWxhcmlkYWQgc29icmUgw6lsLiBFbiBjYXNvIGRlIHF1ZWphIG8gYWNjacOzbiBwb3IgcGFydGUgZGUgdW4gdGVyY2VybyByZWZlcmVudGUgYSBsb3MgZGVyZWNob3MgZGUgYXV0b3Igc29icmUgCmVsIGRvY3VtZW50byBlbiBjdWVzdGnDs24sIGFzdW1pcsOpIGxhIHJlc3BvbnNhYmlsaWRhZCB0b3RhbCB5IHNhbGRyw6kgZW4gZGVmZW5zYSBkZSBsb3MgZGVyZWNob3MgYXF1w60gYXV0b3JpemFkb3MuIEVzdG8gCnNpZ25pZmljYSBxdWUsIHBhcmEgdG9kb3MgbG9zIGVmZWN0b3MsIGxhIEVzY3VlbGEgYWN0w7phIGNvbW8gdW4gdGVyY2VybyBkZSBidWVuYSBmZS4KVG9kYSBwZXJzb25hIHF1ZSBjb25zdWx0ZSBlbCBSZXBvc2l0b3JpbyBJbnN0aXR1Y2lvbmFsIGRlIGxhIEVzY3VlbGEsIGVsIENhdMOhbG9nbyBlbiBsw61uZWEgdSBvdHJvIG1lZGlvIGVsZWN0csOzbmljbywgCnBvZHLDoSBjb3BpYXIgYXBhcnRlcyBkZWwgdGV4dG8sIGNvbiBlbCBjb21wcm9taXNvIGRlIGNpdGFyIHNpZW1wcmUgbGEgZnVlbnRlLCBsYSBjdWFsIGluY2x1eWUgZWwgdMOtdHVsbyBkZWwgdHJhYmFqbyB5IGVsIAphdXRvci5Fc3RhIGF1dG9yaXphY2nDs24gbm8gaW1wbGljYSByZW51bmNpYSBhIGxhIGZhY3VsdGFkIHF1ZSB0ZW5nbyBkZSBwdWJsaWNhciB0b3RhbCBvIHBhcmNpYWxtZW50ZSBsYSBvYnJhIGVuIG90cm9zIAptZWRpb3MuRXN0YSBhdXRvcml6YWNpw7NuIGVzdMOhIHJlc3BhbGRhZGEgcG9yIGxhcyBmaXJtYXMgZGVsIChsb3MpIGF1dG9yKGVzKSBkZWwgZG9jdW1lbnRvLiAKU8OtIGF1dG9yaXpvIChhbWJvcykK

Publicaciones similares