Detección y conteo de personas en espacios cerrados utilizando estrategias basadas en visión artificial

El presente trabajo propone el diseño y la implementación de un sistema de detección y conteo de personas en imágenes interiores de video vigilancia utilizando múltiples estrategias de visión artificial. De esta manera, el contenido del documento está estructurado de la siguiente manera: Inicialmente, se presenta el marco teórico, donde se exponen los antecedentes tomados en consideración para la etapa de diseño y desarrollo. Posteriormente, en el capítulo de desarrollo, se explica el proceso de implementación de cada una de las etapas seguidas: La creación de una base de datos utilizando videos de vigilancia de un espacio específico de la Pontificia Universidad Javeriana - Bogotá; la implementación de los algoritmos para la elección de candidatos de una escena a través de los métodos de ventaneo exhaustivo y selección por medio de los bordes presentes; y la implementación de los algoritmos de extracción de características y clasificación supervisada de candidatos, utilizando los métodos de HOG (Histograma de orientación de vectores), FV (Vector de Fisher), SVM (Máquina de vectores de soporte), Bosque Aleatorio (RF), Redes Neuronales (ANN) y Redes Neuronales Convolucionales (CNN). Seguido a esto, se encuentran los protocolos de prueba definidos para evaluar el sistema y los respectivos análisis de los datos obtenidos al ejecutar dichos procedimientos. Por último, en el apartado de conclusiones y recomendaciones, se resumen los resultados obtenidos del proyecto y se plantean las recomendaciones más importantes para tener en cuenta en futuros trabajos.

• Autores: Luna Camacho, Andrés Felipe; Rodríguez Menjura, Nicolás Esteban
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2017
• Institución: Pontificia Universidad Javeriana
• Repositorio: Repositorio Universidad Javeriana
• Idioma: spa
• OAI Identifier: oai:repository.javeriana.edu.co:10554/38771
• Acceso en línea: http://hdl.handle.net/10554/38771
• Palabra clave: Aprendizaje supervisado; Inteligencia artificial; Máquinas de vectores de soporte; Procesamiento de imágenes; Redes Neuronales; Supervised learning; Artificial intelligence; Support vector machine; Image Processing; Neural networks; Ingeniería electrónica - Tesis y disertaciones académicas; Aprendizaje automático (Inteligencia artificial); Redes neuronales (Computadores)
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional